【文章內(nèi)容簡(jiǎn)介】 背景圖像的對(duì)比度太小，或圖像存在噪音時(shí)，單純的從圖像灰度強(qiáng)度出發(fā)來探測(cè)運(yùn)動(dòng)區(qū)域的光流場(chǎng)方法將會(huì)導(dǎo)致很高的虛警率。此外，光流場(chǎng)法的計(jì)算復(fù)雜耗時(shí)，除非有特殊的硬件支持，否則很難滿足實(shí)時(shí)運(yùn)動(dòng)區(qū)域的檢測(cè)。從 而 導(dǎo)致光流計(jì)算算法的實(shí)用性比較差。 幀差法 幀差法 [12]是將前后兩幀圖像對(duì)應(yīng)像素點(diǎn)的灰度值相減，如果灰度差值很小，可以認(rèn)定該點(diǎn)無車經(jīng)過 。反之灰度變化很大，則認(rèn)定有目標(biāo)經(jīng)過。幀差法的特點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單、運(yùn)算速度較快 ，對(duì)于 動(dòng)態(tài)環(huán)境有很強(qiáng)的適應(yīng)性，對(duì)光照變化也不十分敏感。采用這種方法時(shí)， 需要考慮如何選擇合適的時(shí)間間隔進(jìn)行差分運(yùn)算，這一般依賴于 所檢測(cè)的目標(biāo)的運(yùn)動(dòng)速度。對(duì)快速運(yùn)動(dòng)的物體，需要選擇較小的時(shí)間間隔，因?yàn)槿绻麜r(shí)間間隔過大，在最壞情況下物體在前后兩幀中沒有重疊，就會(huì)造成被檢測(cè)物體為兩個(gè)分開的目標(biāo) ；而 對(duì)慢速運(yùn)動(dòng)的物體，應(yīng)該選擇較大的時(shí)間差，如果時(shí)間間隔過小，在最壞情況下，車輛在前后兩幀中幾乎完全重疊，導(dǎo)致根本無法檢測(cè)到物體。 背景消減法 背景消減法 [13]是目前基于 視頻的運(yùn)動(dòng)目標(biāo)檢測(cè)算法中最常用的一種方法。背景消減法可以看作是一種特殊的幀差法。它是一種利用當(dāng)前幀圖像與背景圖像對(duì)應(yīng)像素點(diǎn)的灰度差值來檢測(cè)車輛的技術(shù) ： 如果當(dāng)前圖像的像素點(diǎn)和背景圖像的像素點(diǎn)灰度值差別很大，就認(rèn)為此像素點(diǎn)有車通過 ； 相反，如果當(dāng)前圖像的像素點(diǎn)和背景圖像的像素點(diǎn)灰度值差別較小， 并且 在一定的范圍值內(nèi)，我們就認(rèn)為此像素點(diǎn)為背景像素點(diǎn)。背景消減法的關(guān)鍵是背景提取與 背景更新。然 而該方法對(duì)于動(dòng)態(tài)場(chǎng)景的變化，如光照的變化和陰影的干擾等比較敏感。因此，構(gòu)建一個(gè)可靠的背景模型進(jìn)行背景提取與動(dòng)態(tài)更新以適應(yīng)環(huán)境的變化是必要的。 四川理工學(xué)院本科畢業(yè)（設(shè)計(jì)）論文 9 背景圖 當(dāng)前幀 消減結(jié)果 圖 21背景消減法效果 通過比較分析， 采取簡(jiǎn)單實(shí)用的背景消減法作為車輛檢測(cè)的方法 較好 。首先提取無車輛狀態(tài)下的背景圖像，通過將當(dāng)前圖像與背景圖像做差分找到作為前景的運(yùn)動(dòng)物體。如公式 (21)所示，變量 C 為視頻卡采集的當(dāng)前幀圖像，變量 BG為背 景幀圖像。如果當(dāng)前圖像不含車輛，則和背景圖像相同，此時(shí)差值為 0 。反之，如果當(dāng)前圖像包含車輛，則和背景圖像不同，此時(shí)差值為 1,閾 值 T的作用是減少噪聲和光線變化的影響。 TBGC ?? (21) 背景圖像的提取與更新 背景圖像的提取 在序列圖像中連續(xù)提取 K 幀圖像，并且 把在一定范圍中的像素灰度值按一定的序號(hào)順序存儲(chǔ)在 預(yù)先開辟的內(nèi)存空間中，對(duì)該范圍中的每個(gè) 像素逐點(diǎn)求其灰度值的直方圖 ，選擇出現(xiàn)次數(shù)最多的灰度值作為背景圖像中當(dāng)前像素的灰度值。當(dāng)遇到目標(biāo)比較密集的情況時(shí)，可以適當(dāng)增加圖像采集的幀數(shù)，以便構(gòu)建較好的背景圖像。在初次的背景構(gòu)建過程中，將不對(duì)讀入的視頻圖像進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)。 背景圖像的更新 對(duì)背景的更新，采用隔時(shí)進(jìn)行背景提取和更新的方法。在程序中設(shè)置一個(gè)定時(shí)器，每隔一段時(shí)間，程序就自動(dòng)進(jìn)行一次背景提取。在背景提取過程中，程序仍進(jìn)行車輛的檢測(cè)，不過本次檢測(cè)所用的背景為上一次提取的背景。一旦當(dāng)前背第 2 章 汽車圖像的采集 10 景提取結(jié)束，當(dāng)前背景就會(huì)自動(dòng)取代上一次的背景，在下一 幀的車輛檢測(cè)時(shí)就可以使用更新后的背景進(jìn)行來車檢測(cè)。實(shí)驗(yàn)表明，此方法可以有效抑制光線和自然條件的緩慢變化，并能夠在一定程度上提高背景差分算法檢測(cè)運(yùn)動(dòng)目標(biāo)的效果。 有無車輛判定 設(shè)背景圖的灰度函數(shù)為 ? ?jif ,1 ， 當(dāng)來車出現(xiàn)且行進(jìn)到適當(dāng)位置，此時(shí)當(dāng)前幀圖像的灰度函數(shù)為 ? ?jif ,2 。 HGjifjif ?? ),(),( 12 (22) 上式中 HG 為灰度判決門限值，若滿足公式 (22)，則可以 判定有來車，否則無車。 HG 如果選擇過大，有可能造成漏判 ； HG 過小則有可能造成誤判。 視頻檢測(cè)的主要目的是通過設(shè)計(jì)判斷識(shí)別算法，正確識(shí)別有無來車，將有來車的圖像 進(jìn)行抓拍并作進(jìn)一步的處理，對(duì) HG 于 沒有來車的圖像將丟棄。 首先將一幅沒有車輛經(jīng)過的圖像作為背景模板。將待處理的當(dāng)前灰度圖像的對(duì)應(yīng)像素值與模板圖像的灰度值相減 ； 再根據(jù)設(shè)定的灰度門限進(jìn)行標(biāo)記，差值大于 HG 的像素標(biāo)記為“ 1，其個(gè)數(shù)記為 n，然后記整幅圖像像素個(gè)數(shù)為 N，當(dāng) n/N大于 門限值 JG 時(shí) ，判定有來車，否則無車。 HG 和 JG 的值一般根據(jù)實(shí)際情況確定。在實(shí)際的 工程應(yīng)用中，為了獲得較快的判決速度，只對(duì)整幅圖像的某一區(qū)域進(jìn)行檢測(cè) [14]。 四川理工學(xué)院本科畢業(yè)（設(shè)計(jì)）論文 11 第 3 章 車牌定位 在車牌識(shí)別過程中，車牌定位、字符切割和字符識(shí)別這三個(gè)步驟是相輔相成的，車牌定位的好壞直接影響到后續(xù)各步的處理。因而車牌定位是提高整個(gè)系統(tǒng)識(shí)別率的關(guān)鍵中的關(guān)鍵 [15]。 現(xiàn)行汽車牌照的規(guī)格 現(xiàn)行汽車牌照的類型 根據(jù)中華人民共和國(guó)公共安全行業(yè)標(biāo)準(zhǔn)對(duì)機(jī)動(dòng)車牌照的有關(guān)規(guī)定，車輛牌照主要有六種類型 [1617]： (1)小型汽車所用的藍(lán)底白字牌照 ； (2)大型汽車所用的 黃底黑字牌照 ； (3)軍用或警用的白底黑字、紅字牌照 ； (4)國(guó)外駐華機(jī)構(gòu)用的黑底白字牌照 ； (5)摩托車牌照，前 220mm 長(zhǎng) 95mm 寬 。后 220mm長(zhǎng)， 140mm寬 ； (6)農(nóng)用運(yùn)輸車、拖拉機(jī)牌照。 前四種車牌的前牌長(zhǎng)度均為 440mm，寬度為 140mm，共有字符 7個(gè)我們識(shí)別主要針對(duì)這四種車牌，一般民用牌照第一個(gè)字符是漢字，且是各省、自治區(qū)、直轄市的簡(jiǎn)稱，如 “川”、 “桂”、“京”、等。第二個(gè)字母是大寫英文字母，是發(fā)證機(jī)關(guān)代號(hào)，如“ A、 B、 C”等。 第三 個(gè)字符可能是英文字 母，也可能是阿拉伯?dāng)?shù)字。第四至第七個(gè)字符是阿拉伯?dāng)?shù)字。第 三 到第七個(gè)字符表示的是車輛的注冊(cè)編號(hào)。如“川 C 52205”就是最典型的車牌號(hào)碼。有的 時(shí)候最后一個(gè)字符也可能是漢字，如“川 C5487 學(xué)”。 第 3 章 車牌定位 12 圖 31常見車牌 車牌字符特征 標(biāo)準(zhǔn)車牌 (除軍車、警車、教練車、外交車外 )含有七個(gè)字符。它們基本呈水平排列。字符 (除去邊框 )的總長(zhǎng)度為 409mm，其中單個(gè)字符的統(tǒng)一寬度為 45mm，高度為 90mm，在第二和 第三 個(gè)字符之間間隔為 34mm，其余的字符間距都為12mm。 車牌比 例特征 由規(guī)定的車牌物理尺寸可以得到車牌的一些重要的比例特征 ： 車牌寬高比 ： Rplate=440 / 140= 字符 /間距 ： Rcha/in=45 / 12= 字符寬高比 ： Rchar = 90 / 45 = 2 字符區(qū)域?qū)捀弑?： Rare = 409 / 90= 這些比例特征對(duì)于 車牌定位和車牌字符分割都有很重要的意義。 車牌的先驗(yàn)知識(shí) 為了準(zhǔn)確、快速地定位出車輛牌照，人們己經(jīng)研究出了很多算法，這些算法都或多或 少地利用了車牌的先驗(yàn)知識(shí)，即車牌的自身特征。當(dāng)然這些特征 對(duì)于 不同國(guó)家是不同的， 我國(guó)車牌具有以下可用于 定位的特征 [18]： (1)形狀特征 ： 車輛牌照在圖像中是一個(gè)近似長(zhǎng)方形或近似平行四邊形的圖形。雖然真 實(shí)的汽車牌照是一個(gè)矩形，但由于 攝像頭的安裝位置和拍攝角度的原因，拍攝的車牌可能不是矩形。國(guó)家統(tǒng)一的車牌大小是標(biāo)準(zhǔn)的，寬高比是一定的，四川理工學(xué)院本科畢業(yè)（設(shè)計(jì)）論文 13 即使有所變形也是在一定范圍內(nèi)，因此車牌在原始圖像中的相對(duì)位置比較集中，偏差不會(huì)很大。 (2)顏色特征 ： 現(xiàn)有的車牌有 4種顏色類型 ： 小型汽車的藍(lán)底白字車牌、大型汽車的黃底黑字車牌、白底黑字的軍警車、黑底白字的國(guó)外駐華使館用車 。 (3)灰度跳變特征 ： 車牌的底色、邊緣顏色和車身的顏色各不相同，表現(xiàn)在圖像中即灰度 級(jí)互不相同，這樣在車牌邊緣形成灰度突變邊界。在車牌區(qū)域內(nèi)部，由于 字符本身和牌照底色的灰度是均勻的，所以穿過車牌的水平直線呈連續(xù)的峰、谷、峰的分布。 (4)紋理特征 ： 車牌內(nèi)有多個(gè)字符， 而且 大小統(tǒng)一、基本水平排列，一般數(shù)目確定，文字和背景之間有明顯的灰度對(duì)比。 車牌圖像定位的難點(diǎn)主要有 ： (1)圖 像獲取受環(huán)境因素干擾 (環(huán)境光照不均勻等 )，車牌照片質(zhì)量難以得到保證； (2)廣告牌等其它字符區(qū)域干擾，可能導(dǎo)致定位錯(cuò)誤 ； (3)車牌出現(xiàn)污損，變臟，筆跡模糊，褪色等； (4)車牌被保險(xiǎn)杠等部分遮擋； (5)車輛速度過快造成圖像的模糊失真等； (6)應(yīng)用背景復(fù)雜，車輛種 類繁多、車型、顏色變化多樣。 車牌定位 車牌定位即根據(jù)車牌的特征找到牌照在拍攝到的車輛圖像中的位置，并從背景中分離出來。車牌定位是車牌自動(dòng)識(shí)別系統(tǒng)的關(guān)鍵，與字符切分和字符識(shí)別相輔相成，所以車牌定位的結(jié)果直接關(guān)系到字符的分割和識(shí)別率。由于圖像背景的復(fù)雜性，牌照位置的不確定性，圖像質(zhì)量的不可預(yù)知性，給牌照的定位與分割增加了很大的難度。 從人的視覺特點(diǎn) 出發(fā)，車牌目標(biāo)區(qū)域具有如下特點(diǎn) ： 車牌底色往往與車第 3 章 車牌定位 14 身顏色、字符顏色有較大差異 ； 車牌有一個(gè)連續(xù)或由于磨損而不連續(xù)的邊框，車牌內(nèi)有七個(gè)字符，基本成水平排列，所以在牌照的矩形區(qū)內(nèi)存在較豐富的邊緣，呈現(xiàn)出規(guī)則的紋理特征 ； 車牌內(nèi)字符排列均勻，字符和牌照底色在灰度值上存在跳變，且字符本身與牌照底部灰度均勻 ； 車牌內(nèi)字符間的間隔、字符大小和牌照大小有固定的比例 ； 車牌的幾何特征 ： 即車牌的高、寬和高寬比相對(duì)固定。根據(jù)這些特點(diǎn)，我們就可以更好的定位提取車牌。為了準(zhǔn)確、快速地定位車牌，人們提出了許多定位算法。其中 大部分算法是根據(jù)車牌特征而設(shè)計(jì)的，目前所利用算法主要有直接法、基于多分辨率、基于顏色信息以及基于數(shù)學(xué)形態(tài)學(xué)的車牌定位方法。下面對(duì)這些算法逐一介紹。 直接車牌定位法 直接車牌定位法大多是根據(jù)車牌的形狀、灰度分布特性等特點(diǎn)來檢測(cè)車牌。其中，頻率法是直接車牌定位法中的一個(gè)典型定位算法 [19]。頻率法是一種基于字符和背景變化頻率的投影定位方法，它結(jié)合車牌的先驗(yàn)知識(shí)，在圖像中定位車牌。 主要用到 車牌 以下 的先驗(yàn)知識(shí) ： (1)攝像機(jī)與汽車的距離基本固定，而實(shí)際車牌的大小又基本相同，所以在圖像中車牌 的大小是一個(gè)特征量 ； (2)車牌有邊界，邊緣檢測(cè)時(shí)會(huì)有邊緣存在 ； (3)車牌中一般 7 個(gè)字符，筆劃存在邊緣 ； 車牌的搜索方法如下 ： (1)對(duì)圖像作垂直投影，然后從下向上搜索投影值，因?yàn)閳D像中車牌以下部分的灰度值較低，且灰度分布相對(duì)均勻，經(jīng)過圖像增強(qiáng)和邊緣檢測(cè)后基本變?yōu)?0?？紤]到實(shí)時(shí)性的要求，搜索是跳躍前進(jìn)的 ； (2)當(dāng)搜索到的 0， 1變化頻率大于某一定值 T，且跳躍距離 (即兩個(gè)“ 0”或兩個(gè)“ 1”之間的距離 )在規(guī)定的范圍內(nèi)，則可認(rèn)為可能找到車牌的下沿了，記下第一次搜索到“ 1”時(shí)的橫坐標(biāo) 1X 和該行縱 坐標(biāo) 1Y 。此時(shí)，步進(jìn)值改為 1，以便實(shí)現(xiàn)精確搜索 ； 四川理工學(xué)院本科畢業(yè)（設(shè)計(jì)）論文 15 (3)繼續(xù)搜索上邊各行，檢查是否也滿足投影值大于 T 的條件，直到找不到滿足條件的行，就認(rèn)為可能是車牌的上邊沿，記下它的下一行的最后搜索到“ 1”的橫坐標(biāo)2X和該行縱坐標(biāo) 2Y ； (4)計(jì)算該可能車牌的高 ： 12 YYH ?? ，再計(jì)算其寬度 : 12 XXW ?? ，得出其寬高比 HWR? ，若 R局限于 3 的一個(gè)領(lǐng)域內(nèi)，則表明找到了車牌，否則繼續(xù)搜索 ； (5)根據(jù)上述步驟完成定位，分割出車牌。 實(shí)驗(yàn)中定值 T取為 13，因?yàn)榕普罩?7個(gè)字符 (不包括“ ” )，左右邊緣至少應(yīng)該有 7*2=14 個(gè)，邊緣檢測(cè)后每行應(yīng)該至少有 13 次“ 0”到“ 1”的變化。 頻率提取法簡(jiǎn)單實(shí)用，在干擾少 的情形下車牌定位效果較好，對(duì)牌照所占比例較大，背景干擾較小的情況比較合適，一般和其它方法結(jié)合使用會(huì)更好。 多分 辨率車牌定位法 所謂多分辨率定位 法，就是在低分辨率的圖像上大致確定出牌照的位置，然后在高分辨的圖像上做出精確的定位，這樣可以有效地減少計(jì)算量。汽車本身具有一定的特點(diǎn)，在一般情況下，牌照都掛在緩沖器上或附近。只要確定緩沖器的位置，就能得到牌照的大致位置。本算法中輸入圖像為未進(jìn)行邊緣檢測(cè)的灰度圖像 [20]。 具體的算法如下 ： (1)將輸入圖像分成一系列大小相同的子圖像 ? ?21 KK? ，每個(gè)子圖像的灰度均值為 ： ? ? ? ?? ?? ??1 21 121 ,1, kikj jifkkyxg (31) 其中， ? ?yx, 為子圖像中心坐標(biāo)。這樣就把高分辨率圖像 ? ?yxf , 變換成為低分辨率子圖像 ? ?yxg , ，轉(zhuǎn)換為低分辨率圖像的目的是為了提高處理速度 ； 第 3 章 車牌定位 16 (2)對(duì)低分辨率圖像，