1.一种基于支持向量机的号码牌识别方法,其特征在于:所述号码牌识别方法包括如下步骤:
1)获取号码牌图像I1;
2)对图像进行颜色预处理,具体步骤如下:
2.1)将图像I1进行色彩空间转换,得到HSV颜色空间的图像I2;
2.2)将图像I2进行直方图均衡化,得到图像I3;
2.3)将图像I3根据明度阈值进行处理,得到灰度图像I4;
3)对图像I4进行Canny算子边缘检测,得到边缘图像I5;
4)对边缘图像I5进行数字区域矩形框定,具体步骤如下:
4.1)通过对边缘图像I5进行轮廓提取,得到轮廓信息Ki;
4.2)对获取的轮廓信息Ki进行矩形规格化,剔除不符合规范的矩形后得到轮廓信息
4.3)对各个符合规范的轮廓 结合原始图像I1,利用训练好的数字判别器进行检测,判断内容是否为数字;若不属于数字,则剔除这个轮廓;最终得到包含数字的轮廓集合
5)对各个包含数字的轮廓集合 结合原始图像I1,利用训练好的数字分类器进行识别,获得具体数字;
6)将步骤5)中得到的数字进行漏检测与定位,剔除误判数字,并将遗漏的数字矩形重复进行步骤5),漏检测与定位过程如下:根据每个数字的位置关系,将距离小于设定阈值的数字归为一组,判断组内数字个数,若小于两个则视为误判,将其剔除;对于其余的数字组,通过最小二乘法将各数字坐标拟合,得到号码牌数字所在直线,并根据现有数字坐标计算得到预测的遗漏数字矩形区域,重新进行检测;
7)归纳得到的数字,最终拼凑出号码牌序号并输出。
2.如权利要求1所述的一种基于支持向量机的号码牌识别方法,其特征在于:所述步骤
3)中,Canny算子边缘检测中,利用高斯滤波器平滑图像,高斯滤波器中用到的卷积滤波方程为:其中,σ为高斯分布参数,x,y为图像中某一像素距离中心的距离;
平滑后的图像通过Sobel算子获得单位像素点的梯度幅值与梯度方向,其中二范数由横纵模板的无穷大范数代替;其中,横纵梯度模板的近似值与梯度方向公式如下所示:其中,G为梯度度量值,θ为梯度方向,Gx为检测水平边沿的横向模板,Gy为检测垂直边沿的纵向模板;
相邻像素间的梯度幅值通过插值得到,并通过与高低阈值比较,得到细化为1像素宽度的图像边缘。
3.如权利要求1所述的一种基于支持向量机的号码牌识别方法,其特征在于:所述步骤
4.3)中,所述数字判别器使用HOG特征提取,并对提取出的特征利用SVM支持向量机进行判别,其中,每个待判断的图片区块都被缩放归一到90×45的大小,HOG描述子采样同等的窗口大小,以45×15作为块大小,并以15×5作为胞元大小,经过HOG处理后的特征数据作为一维向量输入SVM,SVM采用C_SVC模型以及线性核函数。
4.如权利要求1所述的一种基于支持向量机的号码牌识别方法,其特征在于:所述步骤
5)中,所述数字分类器使用HOG特征提取,并对提取出的特征利用SVM支持向量机进行判别,其中,每个待判断的图片区块都被缩放归一到90×45的大小,HOG描述子采样同等的窗口大小,以45×15作为块大小,并以15×5作为胞元大小,经过HOG处理后的特征数据作为一维向量输入SVM,SVM采用C_SVC模型以及线性核函数。