一种基于垂直梯度的车牌区域提取方法、系统、终端及可读存储介质技术方案

本发明专利技术公开了一种基于垂直梯度的车牌区域提取方法、系统、终端及可读存储介质，所述方法包括：步骤1：获取待识别的图像I，并将所述待识别的图像转换为灰度图像gI以及计算垂直梯度得到梯度图像；步骤2：基于所述梯度图像搜索梯度集中区域作为车牌的候选区域，并基于重叠范围合并重叠区域；步骤3：对步骤2中合并处理后的所述候选区域进行精选提取出车牌区域。其中，进一步利用垂直梯度剔除了随机性的垂直边缘和过长、过短的垂直边缘，提升了车牌识别的准确性以及可靠性，使其可以适用于受限场景下的车牌识别。

【技术实现步骤摘要】
一种基于垂直梯度的车牌区域提取方法、系统、终端及可读存储介质
本专利技术属于图像处理
，具体涉及一种基于垂直梯度的车牌区域提取方法、系统、终端及可读存储介质。
技术介绍
目前，随着高清摄像机的普及应用，卡口电子警察系统的抓拍范围，最远处可以覆盖到距离安装投影位置50m左右，最近处可以覆盖到距离安装投影位置15m左右。与类似停车收费抓拍场景不同，这种抓拍场景一般称为非受限场景。在非受限场景下，受到图像拍摄时背景环境、光照条件等影响，采集到的车牌图像不仅包括多种复杂的纹理干扰，如花草、广告牌、隔离栏杆等，还具有车牌区域位置、大小、方向和亮度变化较大且通常包括多个不同距离上的车牌等特点。这种场景下的车牌识别的难度远远超过了受限场景下的识别难度，受限场景下的车牌识别算法已经不再适用。因此，亟需研究一种可以应用于受限场景下的车牌识别方法，提高受限场景下的车牌识别精度。
技术实现思路
本专利技术的目的是提供一种可以应用于受限场景下的车牌识别方法，具体为一种基于垂直梯度的车牌区域提取方法、系统、终端及可读存储介质。所述方法基于研究发现，与周边背景相比，车牌区域的边缘分布更加密集，视觉特征的一致性更强，且车牌中包括大量的垂直边缘，进而垂直边缘集中区域是车牌候选区域的特征，利用垂直梯度表示的梯度图像抽取出车牌的候选区也，进而提取出车牌区域。一方面，本专利技术提供一种基于垂直梯度的车牌区域提取方法，包括以下步骤：步骤1：获取待识别的图像I，并将所述待识别的图像I转换为灰度图像gI以及计算垂直梯度得到梯度图像；步骤2：基于所述梯度图像搜索梯度集中区域作为车牌的候选区域；步骤3：对步骤2中的所述候选区域进行精选提取出车牌区域。可选地，步骤2中提取所述车牌的候选区域的过程如下：步骤2-1：构造一个大小为stride×stride的窗口，并以所述窗口在所述梯度图像中滑动划分梯度分块得到梯度分块图像blockimg，所述梯度分块图像blockimg中像素值等于对应梯度分块内像素点的垂直梯度之和；步骤2-2：对所述梯度分块图像blockimg进行卷积计算得到卷积结果covimg；步骤2-3：识别所述卷积结果covimg中超过预设阈值covthd且为局部范围最大值的点，并将所述点作为车牌的中心点，具体满足如下：covimg(covh,covw)>＝covthdcovimg(covh,covw)>＝covimg(covh-1,covw)covimg(covh,covw)>＝covimg(covh,covw-1)covimg(covh,covw)>＝covimg(covh+1,covw)covimg(covh,covw)>＝covimg(covh,covw+1)式中，covimg(covh,covw)表示所述卷积结果covimg中行索引covh、列索引covw对应的数据；步骤2-4：以所述车牌的中心点构造车牌的候选区域。可选地，步骤2-4中以所述车牌的中心点构造车牌的候选区域时，所述候选区域的范围如下：jidx＝(covh-1)*stride+stride/2；kidx＝(covw-1)*stride+stride/2rowstart＝jidx-maxh/2；colstart＝kidx-maxw/2rowend＝rowstart+maxh；colend＝colstart+maxw式中，jidx和kidx分别表示车牌的候选区域中心在灰度图像gI中的坐标，rowstart和rowend表示候选区域在灰度图像gI中水平方向上的起始和终止坐标；colstart和colend表示候选区域在灰度图像gI中垂直方向上的起始和终止坐标；maxh和maxw为候选区域的大小。可选地，步骤2中基于所述梯度图像搜索梯度集中区域作为车牌的候选区域之前，还包括：剔除所述梯度图像中随机性的垂直边缘，具体如下：Step1：对所述梯度图像进行区域划分；Step2：分别遍历每个区域中垂直梯度超过预设阈值gthd的像素点及其个数，并基于所述像素点计算对应区域内的垂直梯度的梯度均值，记为数组mgxlist(htc,wdc)，htc,wdc分别表示梯度均值数组mgxlist的行维数、列维数；Step3：依次所述梯度图像中每个像素点是否为随机性的垂直边缘，其中，判断像素点的垂直梯度是否大于所在区域的梯度均值mgxlist(hidx,widx)的pthd倍，若大于，所述像素点属于车牌区域，否则，所述像素的为随机性的垂直边缘，并提出所述随机性的垂直边缘，再剔除所述随机性的垂直边缘；所述pthd为正整数，mgxlist(hidx,widx)表示梯度均值数组mgxlist中行索引hidx、列索引widx)对应的梯度均值。本专利技术考虑到车牌提取时，一般原始图像为抓拍图像，其整个图像中不同区域的光照强度存在明显差异，若是整个图像采用同一阈值，将导致在亮度偏低的区域，会误消除车牌区域的垂直边缘；而在亮度较高的区域，又会额外保留大量的非车牌区域。因此，本专利技术对图像进行区域划分，并以每个区域为单元进行随机性的垂直边缘剔除处理。进而可以更加准确的剔除掉垂直边缘。可选地，步骤2中基于所述梯度图像搜索梯度集中区域作为车牌的候选区域之前，还包括：剔除所述梯度图像中过长和过短的垂直边缘，具体如下：S1：根据所述梯度图像标定出连续的边缘；S2：若所述连续的边缘的长度大于过长边缘点阈值Tlong或者小于过短边缘的阈值Tshort，所述连续的边缘上的所有像素点均不属于车牌区域，属于过长的垂直边缘或过短的垂直边缘，并剔除过长的垂直边缘或过短的垂直边缘；所述过长边缘点阈值Tlong满足：Tlong＝k×ycent+b其中，k和b为待定参数，ycent表示标定出连续的边缘垂直方向上中心的坐标。本专利技术考虑到车牌提取时，一般原始图像为抓拍图像，拍到的车身上讲存在一些特别长的垂直边缘，也有一些特别短的边缘，均不属于车牌区域，因此，利用过长边缘点阈值Tlong和小于过短边缘的阈值Tshort可以剔除掉上述垂直边缘。可选地，步骤3中对所述候选区域进行精选提取出车牌区域的过程包括：基于车牌区域中垂直梯度集中的特性，调整所述候选区域的范围，再基于重叠范围合并重叠区域；和/或基于候选区域的梯度总和以及宽高比确定所述候选区域是否为车牌区域；调整所述候选区域的范围为：分别调整所述候选区域的水平方向的起点和终点，以及垂直方向上的起点和终点；其中，若候选区域crect的维度为rectm×rectn，则计算所述候选区域crect在水平方向上的投影得到rectm的向量，设定一个宽度范围d，若在所述宽度范围d内，所述rectm的向量对应的元素均值超过预设阈值D，则视车牌的起点或终点在所述宽度范围d内；在所述宽度范围d内，向上和向下分别寻找其中包含的连本文档来自技高网...

【技术保护点】
1.一种基于垂直梯度的车牌区域提取方法，其特征在于：包括以下步骤：/n步骤1：获取待识别的图像I，并将所述待识别的图像转换为灰度图像gI以及计算垂直梯度得到梯度图像；/n步骤2：基于所述梯度图像搜索梯度集中区域作为车牌的候选区域；/n步骤3：对步骤2中的所述候选区域进行精选提取出车牌区域。/n

【技术特征摘要】
1.一种基于垂直梯度的车牌区域提取方法，其特征在于：包括以下步骤：
步骤1：获取待识别的图像I，并将所述待识别的图像转换为灰度图像gI以及计算垂直梯度得到梯度图像；
步骤2：基于所述梯度图像搜索梯度集中区域作为车牌的候选区域；
步骤3：对步骤2中的所述候选区域进行精选提取出车牌区域。


2.根据权利要求1所述的方法，其特征在于：步骤2中提取所述车牌的候选区域的过程如下：
步骤2-1：构造一个大小为stride×stride的窗口，并以所述窗口在所述梯度图像中滑动划分梯度分块得到梯度分块图像blockimg，所述梯度分块图像blockimg中像素值等于对应梯度分块内像素点的垂直梯度之和；
步骤2-2：对所述梯度分块图像blockimg进行卷积计算得到卷积结果covimg；
步骤2-3：识别所述卷积结果covimg中超过预设阈值covthd且为局部最大值的点，并将所述点作为车牌的中心点，具体满足如下：
covimg(covh,covw)>＝covthd
covimg(covh,covw)>＝covimg(covh-1,covw)
covimg(covh,covw)>＝covimg(covh,covw-1)
covimg(covh,covw)>＝covimg(covh+1,covw)
covimg(covh,covw)>＝covimg(covh,covw+1)
式中，covimg(covh,covw)表示所述卷积结果covimg中行索引covh、列索引covw对应的数据；
步骤2-4：以所述车牌的中心点构造车牌的候选区域。


3.根据权利要求2所述的方法，其特征在于：步骤2-4中以所述车牌的中心点构造车牌的候选区域时，所述候选区域的范围如下：
jidx＝(covh-1)*stride+stride/2；kidx＝(covw-1)*stride+stride/2
rowstart＝jidx-maxh/2；colstart＝kidx-maxw/2
rowend＝rowstart+maxh；colend＝colstart+maxw
式中，jidx和kidx分别表示车牌的候选区域中心在灰度图像gI中的坐标，rowstart和rowend表示候选区域在灰度图像gI中水平方向上的起始和终止坐标；colstart和colend表示候选区域在灰度图像gI中垂直方向上的起始和终止坐标；maxh和maxw为候选区域的大小。


4.根据权利要求1所述的方法，其特征在于：步骤2中基于所述梯度图像搜索梯度集中区域作为车牌的候选区域之前，还包括：剔除所述梯度图像中随机性的垂直边缘，具体如下：
Step1：对所述梯度图像进行区域划分；
Step2：分别遍历每个区域中垂直梯度超过预设阈值gthd的像素点及其个数，并基于所述像素点计算对应区域内的垂直梯度的梯度均值，记为数组mgxlist(htc,wdc)，htc,wdc分别表示梯度均值数组mgxlist的行维数、列维数；
Step3：依次所述梯度图像中每个像素点是否为随机性的垂直边缘，其中，判断像素点的垂直梯度是否大于所在区域的梯度均值mgxlist(hidx,widx)的pthd倍，若大于，所述像素点属于车牌区域，否则，所述像素的为随机性的垂直边缘，并提出...

【专利技术属性】
技术研发人员：孙志强，刘波，霍亚，
申请(专利权)人：世邦通信股份有限公司，
类型：发明
国别省市：湖南;43