復雜車輛圖像中的車牌定位
英飛凌汽車電子生態(tài)圈
2)找到H、S、V 3個變量的最大值點H_max、S_max、V_max，這幾個特征值便能代表整個區(qū)域的顏色特征信息；
3)顏色判斷的算法為
實驗結果證明，該算法識別準確率比傳統(tǒng)算法高，能對車身有大量圖案干擾的車輛進行準確識別。質心位置檢測可以排除顏色與車牌相近的車身圖案、標志的干擾。顏色識別則可以排除位于車牌附近車燈、保險杠等干擾。
2 車牌識別的細定位
2．1 豎直投影處理
在粗定位的候選區(qū)域里，常會存在錯誤和誤差。錯誤大多是因為在車牌下部還附帶有文字廣告，警示語等。而誤差的產生大多是由于圖像清晰度低或曝光不足等因素導致的車牌識別中字符間斷裂等情況。
為解決此類問題，采用豎直分量投影的方法。選取能包含待選區(qū)域且與原圖像等寬的最小區(qū)域的灰度圖，利用以下公式將相鄰2個像素點兩兩進行相減再求和，即可求得該列上邊緣信息的變化情況。
將每一列的投影值均計算出來后，即可作出候選區(qū)域的投影圖，如圖4，5，6，7所示。本文引用地址：http://www.ex-cimer.com/article/197494.htm
由投影圖可以看出，有字符的區(qū)域有明顯峰值，而字符之間均為谷值。通過該峰谷的交替變換，即可判斷字符的位置和數(shù)量。
2．2 基于字符間隔的細定位
在實際操作過程中，有時選區(qū)域是由其他字符組成，如廣告或字符圖案，其特征與車牌特征過于相似，導致一般方法很難將其區(qū)分開來。此時，可采用谷值數(shù)量檢測的方法判斷字符數(shù)目來區(qū)分車牌與字符圖案。另外由于圖像曝光等原因，導致字符處出現(xiàn)斷裂，使車牌區(qū)域變成兩個候選區(qū)域。因此，在最終輸出時往往只能輸出車牌的一部分，而不是全部。為了解決字符斷裂的問題，采用谷值跟蹤技術。即由質心點分別向左右兩側檢測谷值處，并統(tǒng)計谷值的個數(shù)。對于普通車牌，即7個字符，應有6個谷值點。當檢測到確實為6個谷值點時，則找到車牌，當檢測谷值點小于6個時，放寬閾值，繼續(xù)檢測，直到谷值點為6個為止。具體操作過程為：
1)找到投影圖像的峰值peak，并將整個投影圖像二值化。即：
評論