《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 其他 > 業(yè)界動態(tài) > 車牌定位在電子警察中的工程應(yīng)用

車牌定位在電子警察中的工程應(yīng)用

2008-12-31
作者:劉海峰1, 馮宗哲1, 鄭元林

  摘? 要: 提出一套圖像處理" title="圖像處理">圖像處理的新組合和新策略,在特定的環(huán)境中可以實(shí)現(xiàn)二值化" title="二值化">二值化閾值的自適應(yīng)調(diào)整,將車牌識別提高到工程應(yīng)用" title="工程應(yīng)用">工程應(yīng)用的水平。

  關(guān)鍵詞: 電子警察? 邊緣提取? 車牌定位" title="車牌定位">車牌定位? 識別

?

  近年來,我國在城市和交通建設(shè)方面取得了巨大的進(jìn)步。然而,面對越來越多的交通路口、收費(fèi)站以及治安卡口,傳統(tǒng)的人工值守顯然已經(jīng)滿足不了要求。為解決這種現(xiàn)狀,出現(xiàn)了適應(yīng)信息化時代的計(jì)算機(jī)集成產(chǎn)品,即電子警察,并已經(jīng)得到了廣泛的應(yīng)用。

  電子警察采用視頻圖像的識別技術(shù),全天候進(jìn)行車輛及道路的監(jiān)控,對違規(guī)車輛進(jìn)行抓拍,實(shí)現(xiàn)了城市道路交通的智能化管理,達(dá)到無人化值守。利用該系統(tǒng)可以迅速查明違章車輛、分析交通事故,為進(jìn)一步整頓交通環(huán)境,交通管理科學(xué)化提供高效可靠的技術(shù)依據(jù)。

1 抓拍照片分析

  出于性價比的原因,目前國內(nèi)電子警察系統(tǒng)的圖像獲取單元一般都采用CCD工業(yè)電視攝像機(jī),而且被架設(shè)在室外?,F(xiàn)以闖紅燈違章抓拍系統(tǒng)為例來分析抓拍的圖像數(shù)據(jù)。

  (1) 由于紅燈的停車線靠近行人通道,造成圖像背景特別復(fù)雜;

  (2) 機(jī)動車的車型較多,車牌的位置各不相同;

  (3) 拍攝圖像時受天氣、照明以及運(yùn)動等因素的影響很大;

  (4) 攝像機(jī)受路口實(shí)際條件的限制,可能距離較遠(yuǎn),并有一定角度;

  (5) 臟、舊車牌比較模糊,還有不少故意作弊的車牌。

  這種圖像數(shù)據(jù)要比在實(shí)驗(yàn)室所用的數(shù)據(jù)惡劣得多,而且意想不到的情況也時有發(fā)生,這就給圖像識別帶來了極大的困難。

2 圖像處理方案

  通過多次實(shí)驗(yàn)檢測,最終選用了圖1所示的圖像處理方案。

?

?

  對圖像數(shù)據(jù)的灰度化、平滑、邊緣檢測" title="邊緣檢測">邊緣檢測、二值化以及旋轉(zhuǎn)都屬于圖像的預(yù)處理部分。判定就是準(zhǔn)確地定位車牌位置,接下來先對車牌進(jìn)行字符分割,然后逐字提取特征,形成該字符的特征向量,將這個特征向量作為神經(jīng)網(wǎng)絡(luò)的輸入,以便于字符識別。所以字符識別部分用了一個三層的神經(jīng)網(wǎng)絡(luò),先進(jìn)行學(xué)習(xí)訓(xùn)練,得到收斂的一組權(quán)值。

限于篇幅,本文只介紹圖像預(yù)處理和判定部分,識別應(yīng)用部分這里就不討論了。

2.1 灰度化與平滑

  為了便于處理后的傳輸和存儲,由CCD攝象機(jī)獲取的圖像通過圖像采集卡采集到工控機(jī)或圖像處理器件后,一般會轉(zhuǎn)換成JPEG格式。這樣處理的對象也就是JPEG文件,要進(jìn)行灰度化,以去掉彩色信息,加快處理速度。灰度化的公式可以采用式(1)。

  

其中,g(i,j)為點(diǎn)(i,j)處的灰度值,R,G,B分別為該點(diǎn)的三基色值。但是,定位車牌時亮度信息并不重要。鑒于在這個式子中,G基色占的比重最大,所以有理由在灰度化時只取綠色信息就可以了。

  圖像平滑的目的是為了消除噪聲。噪聲并不限于人眼所能看到的失真或變形,有些噪聲只有在進(jìn)行圖像處理時才能發(fā)現(xiàn)。一般來說,圖像的能量主要集中在其低頻部分,而車牌的信息主要在高頻部分,為了去掉高頻干擾,有必要進(jìn)行圖像平滑??梢圆捎玫屯V波的方法來去除噪聲,為此要設(shè)計(jì)空間域系統(tǒng)的單位沖激響應(yīng)矩陣。

  

2.2 邊緣檢測與二值化

  與平滑過程相反,邊緣檢測相當(dāng)于高通濾波器,是為了提取圖像中的高頻部分。因?yàn)檐嚺粕献址^密,所以這一部分的圖像變化必然比其它區(qū)域高,這對于車牌定位是很重要的信息。邊緣增強(qiáng)的方法很多,常用的增強(qiáng)算子有拉普拉斯算子、Sobel算子、Prewitt算子等。本文采用了一種Kirsch算子的改進(jìn)形式。Kirsch算子是一種象素鄰點(diǎn)順時針循環(huán)平均求梯度的方法,它取如下的梯度圖像作為檢測結(jié)果:

    

  分別表示f(i,j)的八鄰象素中順時針排列的相鄰三個象素和五個象素之和。規(guī)定A0為f(i,j)左上角的鄰域。A的下標(biāo)按模8計(jì)算,如圖2所示。

?

?

式(3)中大括號內(nèi)的取極大值運(yùn)算,其實(shí)就是求f(i,j)在8個方向上的平均差分之最大值,也就是f(i,j)梯度幅度的近似值[1]

  通過這種運(yùn)算后,圖像中每象素點(diǎn)的值代表了該點(diǎn)的高頻信息,從這些信息中要定位出車牌的位置,就必須進(jìn)行二值化處理。二值化的方法有很多,但應(yīng)用于工程上時,一個最大的問題就是閾值的選取,將它取為固定值顯然是不合理的,因?yàn)榄h(huán)境總是變化的;可是將它放開后,又不能很好地跟蹤圖像的細(xì)微變化。針對這個問題,本文提出了一種反向積分求象素點(diǎn)的方法,使得二值化能自適應(yīng)選擇適當(dāng)?shù)拈撝怠?/P>

  其中:n(k)為圖像中所有取值為k的象素點(diǎn)個數(shù),n為圖像總象素數(shù)。通過大量的實(shí)驗(yàn),發(fā)現(xiàn)這個象素值-概率關(guān)系曲線無外乎兩種情況,即圖3和圖4所示。要使定位效果達(dá)到最佳,閾值一定在曲線趨于平坦的點(diǎn)附近。

?

 

  這時會發(fā)現(xiàn)不管是白天還是夜間,S總是在一常數(shù)附近,而這個差別對于象768×288這樣的圖像來說是微不足道的,完全可以將它定為一個常數(shù)來處理。雖然它也與圖像的復(fù)雜程度有關(guān),但這只會影響二值化后點(diǎn)的分布。車牌位置總是處于高頻部分,對它的影響較小。這個現(xiàn)象也同時說明,要準(zhǔn)確定位并不是二值化后保留的信息越多越好。

  既然將S取為常數(shù),那么從gmax開始反向積分(求和),就可以得出th,而且th會隨著圖像的亮暗程度、對比度自適應(yīng)變化。

2.3? 圖像旋轉(zhuǎn)與車牌定位

  在實(shí)際施工中,鏡頭的架設(shè)常受到條件的限制,圖像的傾斜程度特別大。這時,用圖像的旋轉(zhuǎn)不變距顯然難以湊效,只有對圖像進(jìn)行旋轉(zhuǎn)。而且這個角度的設(shè)定對具體的環(huán)境不再發(fā)生變化,知道了這個角度,也有利于汽車的運(yùn)動軌跡判斷。

  進(jìn)行完前面的預(yù)處理工作后,定位車牌就容易了。對圖像自下而上逐行掃描,在限定的模板寬度內(nèi),若變化頻率達(dá)到一定次數(shù),例如10次,則向下開始掃描,直到滿足模板高度,將這個區(qū)域定為車牌的候選區(qū)。如果沒找到車牌,則將車牌的模板進(jìn)行一些調(diào)整,再繼續(xù)搜索,還是找不到,就是沒有車牌。對于多個候選的區(qū)域,可以進(jìn)行粗略的聚類估計(jì)和簡單的邏輯判斷,以提高定位準(zhǔn)確性。

3 運(yùn)行結(jié)果

  用這一套組合策略,對不同時間、不同交通路口、不同光照下抓拍的汽車圖像進(jìn)行車牌定位識別,定位結(jié)果如表1所示。

在選圖時,夜間圖像占20% 左右。從上述結(jié)果,可以清楚地看出,公共汽車的準(zhǔn)確率最低,這是因?yàn)楣财囉性S多廣告和粘貼紙,造成了錯誤定位。卡車的車牌在車框下邊,較為隱蔽,有些車牌特別臟,識別比較困難。而出租車和中巴車的錯誤定位大多是夜間圖像引起的。還要說明一點(diǎn),夜間圖像在拍攝時加了紅外補(bǔ)光系統(tǒng)。針對工程應(yīng)用的水平,這個結(jié)果是令人滿意的。

?

?

  本文只介紹了電子警察抓拍系統(tǒng)中車牌定位的內(nèi)容。電子警察系統(tǒng)最大的困難就是受自然環(huán)境的影響特別大,而且安裝時總是要去適應(yīng)地形環(huán)境,所以拍攝到的圖像有時非常不好,并不象實(shí)驗(yàn)室處理的那么理想。因此要找到一種適應(yīng)性較好的定位方法,只有舍棄許多優(yōu)越的處理方法。本文使用的這種圖像處理的策略,只設(shè)定幾個參數(shù),在特定的環(huán)境中可以實(shí)現(xiàn)二值化閾值的自適應(yīng)調(diào)整,將車牌識別提高到工程應(yīng)用的水平。總體上來說,具有較好的適應(yīng)性。

?

參考文獻(xiàn)

1 趙榮椿.數(shù)字圖像處理導(dǎo)論.西安:西北工業(yè)大學(xué)出版社,1995

2 戴青云,余英林.一種基于小波與形態(tài)學(xué)的車牌圖像分割方法.中國圖像圖形學(xué)報,2000;5:411~415

3 黃可為,趙雁南,孫發(fā)杰等.一種高效目標(biāo)搜索方法及其在圖像分析中的應(yīng)用.中國圖像圖形學(xué)報,1999;12:1038~1043

本站內(nèi)容除特別聲明的原創(chuàng)文章之外,轉(zhuǎn)載內(nèi)容只為傳遞更多信息,并不代表本網(wǎng)站贊同其觀點(diǎn)。轉(zhuǎn)載的所有的文章、圖片、音/視頻文件等資料的版權(quán)歸版權(quán)所有權(quán)人所有。本站采用的非本站原創(chuàng)文章及圖片等內(nèi)容無法一一聯(lián)系確認(rèn)版權(quán)者。如涉及作品內(nèi)容、版權(quán)和其它問題,請及時通過電子郵件或電話通知我們,以便迅速采取適當(dāng)措施,避免給雙方造成不必要的經(jīng)濟(jì)損失。聯(lián)系電話:010-82306118;郵箱:aet@chinaaet.com。