车牌识别.pptx

车牌的智能识别
何川
欧靓
王芊
算法流程
图像采集
车牌定位
车牌恢复
车牌分割
文字识别
车牌特征:颜色
中型、大型车黄底黑字
小型民用汽车蓝底白字
外籍汽车黑底白字
使用车学习车蓝底白字
军车白底,黑字红字均有
如何利用颜色特征去除冗余信息
RGB信号色彩相关性比较大,转化为HSV信号
定义颜色间的距离为HSV信号加权
d( f ( m, n) , f ( p , q) ) = k1dH ( f ( m, n) , f ( p , q ) ) +
k 2dS ( f ( m, n) , f ( p , q) ) + k3dV ( f ( m, n) , f ( p , q) ) ( 1)
其中
dH ( f ( m, n) , f ( p , q) ) =
h( m, n) - h( p , q) h( m, n) - h( p , q)< 0. 5
1- h( m, n) - h( p , q) h( m, n) - h( p , q)≥0. 5 (2)
dS ( f ( m, n) , f ( p , q) ) = 􀀁s( m, n) - s( p , q) (3)
dV ( f ( m, n) , f ( p , q ) ) = 􀀁 v( m, n) - v ( p , q ) (4)
K1,k2,k3为加权系数
如何利用颜色特征去除冗余信息
颜色间的距离颜色的相似度
通过颜色间的距离,彩色图像转化为二值图像
当图像颜色与车牌标准颜色距离高于阀值转化为0,当颜色距离低于阀值转化为1
如何求得颜色阀值
收集大量车牌图片,收集关于颜色阀值的数据,绘出直方图
冗余信息I下的车牌识别率R(I)
实拍车牌与标准车牌颜色距离d分布P(d)
冗余信息大小与颜色距离分布M(d)
阀值D满足
P(D)*R(M(D))最大
可能产生的问题
汽车图像背景复杂、光照不均匀
牌照质量:生锈、污损、油漆剥落、字体褪色、牌照被遮挡、牌照倾斜、高亮反光、多牌照、假牌照
天气因素:牌照上有雨水
可能的解决方案
预处理:照度校正
自适应阀值:根据背景特征变化的阀值
颜色过滤的后处理
孤立点删除
形态学修复
车牌特征:形状
边缘检测
车牌是一个长方形,宽高都有一定规范
摄像机中的车牌:平行性保持不变,垂直性有变化
长方形平行四边形
线性平行性