企业简介

作为中国自动化领域的权威旗舰网络媒体，控制网创立于1999年7月，是中国举行的第十四届IFAC （International Federation of Automatic Control）大会的中国官方组织机构的唯一指定网站。控制网是中国自动化学会专家咨询工作 委员会（ECC）的秘书处常设之地。是北京自控在线文化传播有限公司开设的网站。

  • 公司类型：其他

联系方式
  • 控制网
  • 地址：北京市海淀区上地十街辉煌国际2号楼1504室
  • 邮编：100085
  • 电话：010-57116291 / 59813326
  • 传真：010-59813329
  • 网址：http://www.kongzhi.net
  • Email：mahongliang@kongzhi.net
  • 联系人：市场部
案例详细
标题基于颜色信息的车牌定位研究
技术领域
行业
简介本文首先简要介绍了RGB色彩空间和HSV色彩空间，给出由RGB到HSV色彩空间的转换算法。然后提出了基于颜色信息的车牌定位方法。该方法根据车牌颜色在HSV空间三个分量取值范围对原始图像进行色彩过滤。最后再根据车牌的形状特征和车牌字符纹理特征，对过滤后得到的与车牌底色相符合的连通区域进行分析和排除，从而得到车牌区域。
内容
0. 前言
        近年来，我国汽车数量迅猛增加。来自中国汽车工业协会的统计显示，2005年，我国汽车销售总量为590万辆，是2001年汽车销售总量237万辆的2.5倍。根据中国汽车工业协会预计，2006年，我国汽车市场仍将保持10％―15％的增长，全年汽车销量将在640万辆至660万辆之间。在这些车辆中，蓝色牌照的私家车占相当大的比重。
         随着汽车数量的逐年递增，摆在我们面前的是巨大的城市交通压力。为了高效地进行交通管理，我们必然要对过往车辆进行检测，并提取有关交通数据，以达到监控、管理和指挥交通的目的。车牌识别技术是车辆检测系统中的一个重要环节，在交通监视和控制中占有很重要的地位，是实现交通管理智能化的重要环节。而车牌定位则是车牌识别的关键环节，并且也是最难以解决的问题。
        在我国，由于蓝色牌照的总量相当大，并且各种车牌出现的频度由高到低依次为蓝、黄、白、黑，其中出现最频繁的两种车牌都是彩色的。考虑这种情况，本文提出一种根据颜色信息的定位方法，充分利用彩色图像所包含的色彩信息，专门用于定位彩色车牌。
1．色彩空间
1.1 RGB色彩空间
        为了正确识别颜色，需要建立颜色空间。颜色空间是对彩色的一种描述方法，目前有多种表示数字图像色彩信息的颜色空间模型,常见的有RGB、HSV、CMYK、Lab等。每种模型是针对特定应用问题而提出来的,都有其特定的应用环境。各种颜色空间之间都存在相应的转换关系。
        RGB是使用较普遍的一种色彩空间。RGB分别对应的是红绿蓝三种原色光，自然界的所有颜色都可以用这三种光混合而成。在描述时，用R、G、B作为相互垂直的坐标轴来表示，所以称为 RGB色彩空间。由于显示器就是采用这种模型，因此，采用RGB色彩空间时算法的执行速度相对较快。在RGB色彩空间，可以采用C-均值聚类法来确定蓝色车牌区域。但C-均值聚类法计算量比较大，所以计算速度较慢，我们这里不做讨论。

1.2 HSV色彩空间



  HSV色彩空间模型如左图1所示，是由色调（Hue）,饱和度（Saturation）和亮度（ Value）三个颜色分量组成的一类颜色空间。它是面向用户的一种复合主观感觉的颜色空间，通常用于选择颜色，更接近人对颜色的感知。色调是光经过折射后产生的单色光谱，即纯色，它组成了可见光谱，并用360度的色轮来表示。对应于孟塞尔(Mussel)颜色立体中水平剖面的周向。其中蓝色位于240度左右。饱和度描述颜色的浓淡程度，各种颜色的最高饱和度为该色的纯色，最低饱和度为黑白系列颜色。饱和度对应于孟塞尔颜色立体中水平剖面的径向，在色轮上，从中心向边缘饱和度是递增的。色轮中心由黑色到灰色再到白色的一系列颜色的饱和度都为零。亮度表示颜色的明亮程度。对应于孟塞尔颜色立体中垂直剖面的中轴线。是颜色的相对明暗程度，主要受到光源的强弱影响，它与彩色信息无关。该色彩空间三个分量的相关性较低。所以在选择颜色时，我们通常由RGB色彩空间转换到HSV色彩空间中，然后再作处理。

1.3 RGB到HSV色彩空间的转换

     进行色彩空间的转换运算之前，需要在RGB空间将每个一色彩分量值先归一化，可以通过对每一分量除以255来得到。RGB到HSV色彩空间的转换关系如下：



    值得说明的是得到V分量的过程实际上是对彩色图像进行灰度化的过程。不过有时为了在视觉上更接近人的主观感觉，通常在灰度化时给 分量各自增加一个加权系数，然后求其和。经常用到的灰度化公式如下：



2. 车牌定位算法
2.1 彩色车牌的先验知识
    经过大量的彩色图像的分析我们发现对于彩色车牌图像来说，它的色调、饱和度和亮度值范围如下表1：
表1：HSV的取值范围
 
蓝色
黄色
色调
200~255度
25~55度
饱和度
0.35~1
0.35~1
亮度
0.3~1
0.3~1


    而对于黑白车牌来说，其色调和饱和度没有意义，它只有亮度信息。但是在亮度图像中，黑白车牌区域比彩色车牌区域的梯度值更大。考虑到黑白车牌出现的频度非常小，我们可以首先认定原始图像中的车牌为彩色。根据上面表格中车牌颜色的取值规律，只需要设定了颜色中心，车牌区域的像素就可以直接通过对H、S、V 三分量设定范围来过滤出来，无需进行较复杂的均值聚类计算，这样可以在定位彩色车牌时节省大量的时间。
    如果原始图像中的车牌颜色为黑色和白色，那么本算法失效，需要转入另外设计的黑白车牌定位算法。但是认定需要定位的车牌为黑色和白色后，就确定了车牌区域有很大的梯度值，从而解决了定位算法中阈值选择困难的问题。
2.2 算法流程
    首先对原始目标图像进行色彩空间变换，由RGB转换至HSV色彩空间。然后进行色彩过滤，从而得到包含车牌的目标色连通区域和背景色连通区域。接着对目标色连通域进行分析。考察其面积、形状、最大和最小宽度、长宽比以及区域中单位面积内的边缘点数目等。滤除与标准车牌特征差别较大的区域。最后再在过滤后的目标色连通区域内利用数学形态学的纹理分析来最终确定正确的车牌区域。
    通过色彩过滤以及色彩连通域形状分析，可以将与车牌底色不符合的区域归并至背景色,并能过滤掉与车牌底色相似的大面积车身区域及该区域所包含的干扰文字。同时也可以滤掉那些与车牌临近区域的干扰纹理，因为这些纹理颜色与车牌底色一般有较大的区别。根据车牌区域内字符的纹理特性,通过利用数学形态学的纹理分析可以剔除掉那些颜色、形状与车牌基本吻合, 但内部纹理特性差异显著的区域。
算法具体流程如下：
(1)     将原始图像从RGB色彩空间转换到HSV 色彩空间。
(2)     设置蓝色和黄色的取值范围。
(3)     以设定的取值范围对图像进行色彩过滤，将所有像素归并至目标色与背景色中。得到二值图像，该图像中蓝色和黄色像素取值为1，其它颜色像素均为0。
(4)     考察每个像素周围的目标色像素个数，如果少于一定值，则认为是孤立点，将其删除过滤掉。
(5)     用一个2*4的矩形区域对二值化后的图像进行形态闭合运算，形成连通的区域。
(6)     对每个连通区域进行面积、形状等特征进行分析，过滤干扰区域。
(7)     对符合车牌形状特征的区域做纹理特征分析，根据车牌内字符区域的纹理特征进行再次过滤，最终定位有效的车牌区域。
(8)     对上一步的结果进行判断，检查是否存在有效车牌区域，若是，定位成功，结束流程；否则，跳转至黑白车牌定位程序。
2.3 算法的实验结果

    进行彩色车牌定位的流程如图2至图5所示。可以看出，由于原始图像含有跟车牌颜色相似的多个色彩区域，色彩过滤后的图像仍然包含多个可能的目标区域，需要进一步使用车牌形状特征对多个目标区域进行过滤。从图中可以发现，除真正的车牌区域外，其它的连通域的形状特性与车牌的形状特性

图4形态闭合运算后的图像


    都存在较大差异。一般用面积、形状、最大和最小宽度、长宽比以及区域中单位面积内的边缘点数目就可以过排除掉。如果上述特征还不能排除干扰区域，就需要利用形态学去考察区域中的纹理是否符合车牌字符的笔画特征，从而最终得到彩色车牌区域。如经过纹理分析后排除了所有区域，则证明图中不存在彩色车牌，需要转入黑白车牌定位程序。






3. 结束语

图2  原始图像
图3 经色彩过滤和删除孤立点后的图像
 
图5  经过区域特征判断和纹理分析后得到的车牌区域

    本文所提出的基于车牌颜色信息的定位方法充分考虑了车牌定位中可能出现的各种不同干扰背景对车牌定位的影响。充分利用了车牌区域的色彩信息，并综合利用车牌的形状特征及纹理特征，逐步过滤干扰区域,最终定位正确的车牌位置。试验中，在对100 幅采集图像进行实验，准确率达到了93%。但由于改方法主要用于定位彩色车牌，对于黑白车牌的定位要首先排除彩色车牌的存在。所以这种方法只适用于黑白车牌出现频度较小或是一般民用场合，如小区车辆出入管理等。

 

参考文献:
1.        胡小峰，赵辉．Visual C++/MATLAB 图像处理与识别案例精选[M]．人民邮电出版社．2004年．
2.        Rafael C. Gonzalez，Richard E. Woods．Digital Image Processing [M]．2005年．
3.        张宏林，蔡锐．数字图像模式识别技术及工程实践[M]．人民邮电出版社．2003．
4.        戴云,余英林．一种基于小波与形态学的车牌图像分割方法[J]．中国图形图像学报．2000(5)：411~415．
5.        陈锻生,谢志鹏,刘征凯. 复杂背景下彩色图像车牌提取与字符分割[J] ．小型微型计算机系统．2002，23 (9)：1144~1148.