车牌ns

第２７卷第４期

２０１０年ｌ２月

河 北 省 科 学 院 学 报

Ｊｏｕｒｎａ１ ｏｆ ｔｈｅ Ｈｅｂｅｉ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ

Ｖｏ】．２７ Ｎｏ．．Ｉ

Ｉ）ｅｃ．２０１０

文章编号：ｉ００ｌ一９３８３（２０１０）０４—０００９—０３

基于多种特征的彩色车牌定位方法研究

周东升，薛彦兵，邓文慧，张 桦

（天津理丁大学计算机与通信＿ｒ程学院天津３００１９１）

摘 要：本文提出了利用车牌颜色特征和纹理特征多种特征结合来进行车牌定位的方法，克服了以往车牌定

位技术只利用单一特征进行定位的缺点。文中提出的方法首先利用ＨＳＶ颜色空间去除非车牌颜色区域，然

后利用颜色伴生、字符密度、区域几何等特征结合进行最终精确定位。该方法可以摆脱单一特征在车牌大

小、位置以及背景和光照等方面的限制。实验证明本方法具有较好的检测效果。

关键词：ＨＳＶ颜色空间；多特征；伴生；字符密度

中图分类号：ＴＰ３９ｌ ５２０．６０４０ 文献标识码：Ａ

Ｌｉｃｅｎｓｅ ｐｌａｔｅ ｌｏｃａｔｉｎｇ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｍｕｌｔｉ－ｆｅａｔｕｒｅ ｉｎ ｃｏｌｏｒ ｉｍａｇｅ

ＺＨＯＵ Ｄｏｎｇ—ｓｈｅｎｇ，ＸＵＥ Ｙａｎ－ｂｉｎｇ，ＤＥＮＧ Ｗｅｎ—ｈｕｉ，ＺＨＡＮＧ Ｈｕａ

（Ｃｏｌｌｅｇｅ‘Ｊ，Ｃｏｍｐｕｔｅｒ ａｎｄ（ 州卅“ｎ ｆⅡｆ ‘Ｊｎ Ｅｎｇｉｎｅｅｓｉｎｇ，Ｔｉａｎｊｉｎ Ｕｎｉｖｅｒｓｉｔｙ ｏＪ丁 （ｈｎｏｔｏｇｙ．Ｔｉａｎｊｉｎ ３００１９１，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ａ ｎｅｗ ｍｅｔｈｏｄ ｆｏｒ Ｌｉｃｅｎｓｅ Ｐｌａｔｅ Ｉ ｏｃａｔｉｎｇ ｂａｓｅｄ ｏｎ ｍｕｌｔｉ—ｆｅａｔｕｒｅ ｉｓ ｉｎｔｒｏｄｕｃｅｄ ｉｎ ｔｈｉｓ ｐａｐｅｒ．

Ｔｈｅ ｍｅｔｈｏｄ ｃａｎ ｏｖｅｒｃｏｍｅ ｔｈｅ ｓｈｏｒｔｃｏｍｉｎｇ ｏｆ ｐｒｅｖｉｏｕｓ ｍｅｔｈｏｄｓ ｂａｓｅｄ ｏｎ ｓｉｎｇｌｅ ｆｅａｔｕｒｅ．Ａｔ ｆｉｒｓｔ，ｔｈｅ

ａｌｇｏｒｉｔｈｍ ｅｍｐｌｏｙｓ ＨＳＶ ｃｏｌｏｒ ｓｐａｃｅ ｔｏ ｇｅｔ ｒｉｄ ｏｆ ｎｏｎ—ｌｉｃｅｎｓｅ ｐｌａｔｅ ａｒｅａ，ｔｈｅｎ ｃｏｎｃｏｍｉｔａｎｔ ｃｏｌｏｒ ｆｅａ—

ｔｕｒｅ，ｓｔａｔｉｓｔｉｃａｌ ｌｅｔｔｅｒ ｆｒｅｑｕｅｎｃｙ ａｎｄ ｇｅｏｍｅｔｒｙ ｆｅａｔｕｒｅ ａｒｅ ｕｓｅｄ ｔｏ ｄｅｔｅｃｔ ｔｈｅ ｐｏｓｓｉｂｌｅ ｒｅｇｉｏｎｓ．Ｔｈｅ ａｌｇｏ—

ｒｉｔｈｍ ｉＳ ｎｅｉｔｈｅｒ ｃｏｎｆｉｎｅｄ ｔｏ ｔｈｅ ｓｉｚｅ ａｎｄ ｐｏｓｉｔｉｏｎ ｏｆ ｔｈｅ ｐｌａｔｅ．ｎｏｒ ｌｉｍｉｔｅｄ ｔｏ ｔｈｅ ｃｏｍｐｌｉｃａｌ ｅｄ ｂａｃｋ—

ｇｒｏｕｎｄ ｏｒ ｉｌｌｕｍｉｎａｔｉｏｎ ｃｏｎｄｉｔｉｏｎ ｏｆ ｔｈｅ ｉｍａｇｅ．Ｅｘｐｅｒｉｍｅｎｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｍｅｔｈｏｄ ｉｓ ｅｆｆｅｃｔｉｖｅ．

Ｋｅｙｗｏｒｄｓ：ＨＳＶ ｃｏｌｏｒ ｓｐａｃｅ；Ｍｕｌｔｉ—ｆｅａｔｕｒｅ；Ｃｏｎｃｏｍｉｔａｎｔ；Ｓｔａｔｉｓｔｉｃａｌ ｌｅｔｔｅｒ ｆｒｅｑｕｅｎｃｙ

车牌识别技术是智能交通管理、安防、监控等

系统中的重要组成部分，其包括车牌定位，字符分

割，字符识别三个步骤。车牌定位技术是整个车

牌识别技术的基础和前提，车牌定位准确与否，直

接关系到后续工作能否顺利进行。由于汽车的多

样性以及拍摄背景的多样性，车牌定位具有一定

的难度和复杂度 ］。

目前关于车牌定位的算法从利用特征角度划

分可分为基于纹理特征［ 胡和基于颜色特征［５ ］

的定位算法。但是利用单一特征往往不能解决复

杂环境下的车牌识别问题。本文结合车牌的颜色

收稿日期：２Ｏ１Ｏ—Ｏ９—１２

基金项目：教育部大学生创新性实验计划（ＤｃＳＪ０８—０１８）

作者简介：周东升（１９９０一），男，本科生．

通讯作者：薛彦兵

特征和纹理特征实现对车牌的准确定位。首先将

采集的图像从ＲＧＢ空问转化到ＨＳＶ空问，利用

ＨＳＶ分量将可能的车牌区域和背景分离。然后

利用形态学运算消除孤立干扰点，再对每一个连

通区域的纹理、几何、颜色伴生等特征进行分析，

准确分割出原始图像中的车牌。

１ 基于阈值的彩色车牌图像分割

车牌采集设备输出的彩色图像颜色模型为

ＲＧＢ模型。ＲＧＢ模型中各像素值是『如红绿蓝三

种颜色的亮度值叠加形成。这三种颜色的亮度值

１Ｏ 河北省科学院学报 ２０１０年第２７卷

随着光照强度的不同而改变， 此采集剑的图像

像素值随光照强度的不同 改变， 此采用ＲＧＢ

模型不利于车牌的定位与识别。ＨＳＶ模型分别

用（Ｈ）、饱和度（Ｓ）、和亮度（Ｖ）３个分量表示每一

个像素的颜色特性，分量Ｖ表示了亮度方面的信

息，即光照条件方面的信息，Ｈ和Ｓ两个分量包

含了图像的彩色信息，如果只考虑Ｈ和Ｓ分量就

排除了光照条件的影响。在该模型下，用Ｈ和Ｓ

两个分量可以将蓝色和黄色两种区域分割出来。

而采用Ｖ分量可以识别白色和黑色两种颜色。

因此采用ＨＳＶ模型比ＲＧＢ模型更适应于车牌

的定位问题。所以首先将图像信息由ＲＧＢ模型

转换到ＨＳＶ模型。

车牌在不同的光照条件下饱和度和色度也会

有偏差，为了确定不同颜色车牌在ＨＳＶ空问中

的各分量的合理区域，需要采集不同环境下的各

种车牌米对车牌颜色进行区问采样估计。

表ｌ 四种颜色在不同环境下的区间范围值

根据卜表中的区域范围，即可构成图像中颜

色的判别树，将罔像分为蓝、黄、白、黑、以及其他

颜色五种范围。从而可以将整幅图像转化为５级

灰度图。

２连通区域获取与几何分析

经过颜色分割之后的灰度图一般都会存在噪

声干扰，并且连通区域可能存在裂缝。特别是对

车牌这样存在字符的连通区域，容易存在裂缝，不

利于随后进行的几何和纹理分析，导致无法对车

牌进行定位。本文采用在水平方向上作闭运算来

减小甚至消除竖直边缘问的空隙，尽可能使车牌

区域的竖直边缘连成一个整体，进而将车牌作为

一个整体而不是几个字符来分析。

经过形态学运算查找出连通区域后，还要对

各个连通域进行汁算，求出每个连通域上下左右

四个顶点的坐标。计算连通域的大小，宽高比例，

最大宽度与高度等。

２．１ 基于迷宫法的连通区域坐标求取

采用迷宫法标记每个连通区域的上下左右顶

点坐标（连通区域有四连通和八连通两种形式。

在车牌定位中，不可能出现八连通的情况， 此采

用四连通方式）。

迷宫算法属于深度优先算法．计算量较大。

但是在本算法中，基于ＨＳＶ空问的处理，已将背

景色除掉，图像中满足条件的连通区域的面积都

不大，而且算法中最终目的是为了获取区域的四

个顶点坐标，实际并没有对整个连通区域进行填

充，从而提高了求取速度。

具体实现步骤如图１。

（２）依次扫描像素点，若该点为目标色且未访问，

压栈，标识，记录坐标

（３）若栈非空，弹栈，比较当前点

坐标与顶点坐标，更新顶点坐标

（４）按照逆时针方向（右、上、左、下）

访问弹出像素点的四邻域，若访问点为目标色且

访问标识为０，则医栈，同时设置该点为已访问

（６）是否遍历图像，若是，结束；若否，

标记下一个连通域，跳转到（２），遍历图像

图１ 求取连通区域定点的具体步骤

２．２初步几何特征筛选

在上下左右四顶点确立后，即可求出连通区

域的长和宽，标准车牌的高宽比是固定的。考虑

噪声的因素，本文选取０．２—０．６为高宽比的区

间。超出该区间的连通区域即可视为非车牌

区域。

３基于颜色伴生和字符密度的精确车牌

定位

经过背景去除和初步几何特征筛选，大部分

第４朔 周东升等：基于多种特征的彩色车牌定位方法研究

的车牌图像中只有一个连通区域，即车牌区域。

但对于复杂情况来说，可能还有多个连通区域，对

此情况，本文采用车牌颜色伴生方法和字符密度

来进行车牌的最后定位。

根据最新公共安全行业标准ＧＡ３６—２００７，

我国现行车牌有三种一蓝牌（蓝底白字）、黄牌（黄

底黑字）、白牌（白底黑字或者红字）。同时，车牌

中的字符相对于背景来说具有一定得字符密度和

边缘跳变。根据以上特征，精确定位的步骤如下：

（１）读取连通区域背景色及字符颜色，判断是

否属于上述组合，若是则继续

（２）计算区域中的跳变次数，若在［１０，３５－］之

间，则继续

（３）计算区域中的字符密度，若在［０．１—０．４］

之问，则继续

满足上述三个条件的连通区域，即为车牌区

域。利用此方法检测车牌区域，可以去掉单纯用

跳变及字符密度方法不能去除的车尾车灯区域

（如图２，本文中的算法可以去除伪车牌区域——

连通区域２）。最终获取的车牌区域为图２（ｃ）中

的区域。

ａ．连通区域１为蓝色

ｃ．连通区域１

Ｊ ２Ｄ ０ ６０ ８Ｄ ｌ００ ｔ２Ｄ １４Ｏ

ｂ．连通区域２为黄色

图２车牌定位算法结果

４ 结束语

本文提出了结合纹理和颜色特征来进行车牌

定位的新方法，根据车牌背景颜色和字符颜色的

特定标准，利用颜色伴生方法对连通区域进行进

一步的检测。该方法能够解决车尾车灯等特殊纹

理单纯利用跳变等特性不能去除伪车牌区域的问

题。实验证明，文中提出的方法具有较好的定位

效果。

参考文献：

［１］王枚，苏光大，王国宏．复杂环境下的车牌定位及目标真实

性验证ｒＪ］，光学精密１ 程，２００９。１ ７（４）：８８６—８９４．

ｄ．连通区域２

［２］ Ｃｈｒｉｓｔｏｓ Ｎｉｋｏｌａｏｓ，Ｖａｓｓｉｌｉ Ｌｏｕｍｏｓ，Ｅｌｅｆｔｈｅｒｉｏｓ Ｋａｙａｆａｓ，

ｅｔｃ．Ａ Ｌｉｃｅｎｓｅ Ｐｌａｔｅ－Ｒｅｃｏｇｎｉｔｉｏｎ Ａｌｇｏｒｉｔｈｍ ｆｏｒ Ｉｎｔｅｌｌｉｇｅｎｔ

Ｔｒａｎｓｐｏｒｔａｔｉ０ｎ Ｓｙｓｔｅｍ Ａｐｐｌｉｃａｔｉｏｎ ＦＪ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ

ｏｎ Ｔｎｔｅｌｌｉｇｎｔ Ｔｒａｎｓｐｏｒｔａｔｉｏｎ Ｓｙｓｔｅｍｓ，２００６，７（２）：３７７

—３９２．

Ｅ３３张禹，马驷良，韩笑等．车牌识别中的图像提取及分割算法

［ｊ１．吉林大学学报（理学版），２００６，４４（３）：４０６—４１０．

Ｅ４３李春娟，赵艳花．一种基于形态学和几何特征的车牌定位方

法口］，微计算机蔚息，２００９，２５（１１）：１７４一ｌ７７．

Ｅｓ］李伟，朱伟良，孔祥杰等，一种新型的基于数学形态学和颜

色特征车牌定位算法［Ｊ］，科技通报．２００９，２５（２）：２１４

２１９．

Ｅ６３张振强，杜树新．一种新的复杂背景下快速车牌定位方法

［Ｊ］．科技通报，２００７，２３（５）：７０５—７１０．