基于多特征級(jí)聯(lián)篩選的高魯棒監(jiān)控圖像車牌檢測(cè).pdf

1、隨著科技的發(fā)展和人們生活水平的提高，智能監(jiān)控系統(tǒng)在安防等領(lǐng)域發(fā)揮著越來越重要的作用，其中對(duì)車輛、車牌等目標(biāo)的檢測(cè)識(shí)別的智能監(jiān)控系統(tǒng)占了很大的比例。車輛的車牌作為車輛的唯一身份標(biāo)識(shí)，一直都是人民關(guān)注的重點(diǎn)，所以設(shè)計(jì)一套快速高魯棒性的車牌檢測(cè)算法是非常關(guān)鍵的。
　　本文首先對(duì)現(xiàn)有的車牌檢測(cè)技術(shù)進(jìn)行的分析，針對(duì)現(xiàn)有算法大都依賴于顏色和紋理信息，受光照等影響過大，并且只適用于清晰車牌的問題，在總結(jié)我國(guó)車牌易于檢測(cè)的特點(diǎn)的基礎(chǔ)上，尋找清晰車

2、牌和模糊車牌的共同特征，剔除魯棒性低的特征，設(shè)計(jì)了基于多特征級(jí)聯(lián)篩選的高魯棒性監(jiān)控圖像車牌檢測(cè)算法。
　　考慮到清晰車牌和模糊車牌都具有長(zhǎng)寬符合一定比例的矩形邊框，并且邊框內(nèi)字符和數(shù)字間存在明顯分割區(qū)間和分割點(diǎn)這兩個(gè)特征，設(shè)計(jì)了基于梯度特征的車牌區(qū)域預(yù)檢測(cè)算法。將正樣本依據(jù)車牌的清晰程度分為三類，提取他們的歸一化梯度特征，并用多尺度遍歷保存特征框的大小。使用提取到的特征訓(xùn)練線性SVM分類器，得到代表每個(gè)位置權(quán)重的模板值。將模板和待

3、檢測(cè)圖像做卷積可得到不同坐標(biāo)點(diǎn)的模板匹配系數(shù)，每個(gè)尺度去匹配系數(shù)最高的若干個(gè)框即為車牌可能出現(xiàn)的區(qū)域。由于模板匹配過程中存在大量重復(fù)計(jì)算導(dǎo)致算法速度較慢，通過對(duì)模板的近似和對(duì)特征的拆分，將卷積的實(shí)現(xiàn)變成計(jì)算機(jī)的位“與”和位“或”操作，大大降低了算法的時(shí)間復(fù)雜度。
　　由于預(yù)檢測(cè)的區(qū)域中存在梯度特征和車牌區(qū)域很像的“偽車牌”區(qū)域，需要將這些區(qū)域剔除，而這些區(qū)域和車牌區(qū)域最大的區(qū)別就是顏色對(duì)不滿足我國(guó)車牌的固定顏色對(duì)，所以可以采用主顏