一種多級(jí)分類的車牌漢字識(shí)別方法

一種多級(jí)分類的車牌漢字識(shí)別方法

0車牌識(shí)別系統(tǒng)的現(xiàn)狀該車牌的自動(dòng)識(shí)別技術(shù)在公共服務(wù)、交通管理、海關(guān)、軍事和其他部門具有重要的應(yīng)用價(jià)值。汽車牌照識(shí)別技術(shù)也是近年來智能交通系統(tǒng)(ITS)中的核心技術(shù)之一。目前國外對這方面的研究已經(jīng)取得一些進(jìn)展,并進(jìn)入了實(shí)用化階段,如香港Aisavisiontechnology公司的VECON系統(tǒng),新加坡Optasia公司推出的IMPS系統(tǒng)等,在應(yīng)用中取得了比較理想的效果。但我國車牌系統(tǒng)具有自身的特殊性,國外的車牌識(shí)別系統(tǒng)一般都不能直接應(yīng)用:我國的車牌中不僅有英文字母和阿拉伯?dāng)?shù)字,還包含筆劃繁雜的漢字,導(dǎo)致其識(shí)別難度比僅對字母、數(shù)字的識(shí)別大的多,加上國內(nèi)部分道路條件差,車牌污染比較嚴(yán)重,而且實(shí)際運(yùn)行的車輛號(hào)牌會(huì)受到泥、油、漆等影響,車牌字符往往會(huì)有斷裂現(xiàn)象,同時(shí)號(hào)牌制作工藝的不規(guī)范也會(huì)出現(xiàn)字符變淺、變模糊,使車牌漢字識(shí)別的難度比普通的漢字識(shí)別也大的多。這也是國內(nèi)現(xiàn)有的車牌識(shí)別系統(tǒng)識(shí)別效率不夠高的主要原因。因此準(zhǔn)確識(shí)別車牌中的漢字字符,成為國內(nèi)車牌識(shí)別系統(tǒng)的難點(diǎn)。隨著私有汽車擁有量的大量增加和高速公路、省際間交通流量的增加,對車牌識(shí)別系統(tǒng)的需求越來越迫切,現(xiàn)有車牌識(shí)別系統(tǒng)必須對漢字識(shí)別有一個(gè)更高的識(shí)別率才能滿足實(shí)際需求。而且車牌識(shí)別系統(tǒng)還必須具有較高的采集和處理速度,才能滿足實(shí)時(shí)處理的要求,本文利用多級(jí)分析技術(shù),結(jié)合漢字圖像像素的空間結(jié)構(gòu)特征對車牌漢字特點(diǎn)進(jìn)行分析,實(shí)現(xiàn)車牌漢字的準(zhǔn)確識(shí)別。1圖像部分的處理一個(gè)完整的車牌自動(dòng)識(shí)別系統(tǒng)(如圖1所示)包括圖像采集、車牌定位、字符切分和字符識(shí)別4個(gè)部分,各部分相輔相成,前一步的處理結(jié)果直接影響到下一步的處理。(1)車牌定位利用顏色特征、灰度特征、邊緣特征、幾何特征和頻譜特征等將車牌部分從背景圖像中提取出來。(2)字段將車牌中含有的漢字、英文字母和阿拉伯?dāng)?shù)字等字符從車牌圖像中分割出來,便于字符識(shí)別。(3)字符識(shí)別對提取出的字符進(jìn)行識(shí)別。車牌漢字識(shí)別技術(shù)是車牌識(shí)別的關(guān)鍵,也是國內(nèi)車牌的特殊性所在,目前對車牌漢字的識(shí)別還沒有較為成熟的技術(shù)和產(chǎn)品。2識(shí)別過程設(shè)計(jì)利用多級(jí)分類方法,把尋找一種性能優(yōu)良的分類方法的問題轉(zhuǎn)化為設(shè)計(jì)多個(gè)性能較優(yōu)的分類器,將高維特征空間的判決轉(zhuǎn)化到低維空間進(jìn)行判決,可有效解決多類或多峰分布問題?；谲嚺茲h字識(shí)別的多級(jí)特征模型可用式(1)表示(Ai表示漢字圖像的某個(gè)特征),具體識(shí)別過程可用圖2表示。對于不同的特征來選擇合適的決策規(guī)則,若在每個(gè)特征區(qū)域空間中,待識(shí)別字符都占優(yōu)勢,即可進(jìn)行有效的識(shí)別。針對一個(gè)具體的工程實(shí)現(xiàn),必須設(shè)計(jì)為一個(gè)多特征逐級(jí)分析判決過程。具體可用式(2)表示。O(A)=O1(A1)∩O2(A2/A1)∩O3(A3/A2,A1)∩O4(A4/A3,A2,A1)∩O5(A5/A4,A3,A2,A1)(2)識(shí)別可用如下定理描述:待識(shí)別字符圖像的統(tǒng)計(jì)和結(jié)構(gòu)特征同時(shí)滿足A字符的所有特征集合{A1,A2,A3,A4,A5},則該字符就可以判決為字符A。3識(shí)別車牌中的漢字車牌漢字識(shí)別過程分為漢字圖像預(yù)處理、漢字特征提取、字符識(shí)別三部分,具體過程在后面進(jìn)一步分析。3.1圖像對比調(diào)整原則由于光照強(qiáng)度和圖像采集的角度不同,分割出的車牌漢字圖像可能出現(xiàn)大小不一致,灰度相差很大等情況。通過圖像預(yù)處理,可以使得在不同環(huán)境下得到的字符灰度和大小都比較統(tǒng)一,從而提高特征提取的質(zhì)量和漢字識(shí)別的精度。在圖像亮度范圍不足或?qū)Ρ榷炔簧趵硐氲那闆r下,采用(3)式對原圖像進(jìn)行直方圖修正,改善圖像的對比度。其中,f(i,j)為原圖像點(diǎn)的灰度值,F(i,j)修正后的灰度值,I1,I2為自適應(yīng)得到的原圖像直方圖灰度級(jí)門限值,O1,O2為調(diào)整后的圖像灰度范圍。對于大小歸一化,為了盡可能防止圖像失真,提高后續(xù)處理的精度,可采用雙線性插值(bilinearinterpolation)將車牌漢字大小歸一化為48×24,最終轉(zhuǎn)化為可供識(shí)別的二值圖像。3.2車牌漢字分類根據(jù)我國現(xiàn)有的車牌標(biāo)準(zhǔn),車牌中常見的漢字約為60個(gè)。在車牌用漢字的識(shí)別中,利用車牌的顏色特征(藍(lán)底白字、黃底黑字、黑底白字和白底黑字),漢字字符可能出現(xiàn)在車牌中的位置特征(如藍(lán)底白字車牌的第一個(gè)位置字符,警用車牌最后一個(gè)位置字符等)可以將車牌用漢字分為以下三類:民用車牌漢字(省市區(qū)等漢字簡稱);軍用車牌漢字;特種車牌用漢字。圖3是部分車牌漢字的樣圖。要得到高性能的識(shí)別系統(tǒng),需要提取出具有類間可分性和類內(nèi)聚類性的有效特征。由于車牌用漢字都是印刷體,結(jié)構(gòu)固定,筆劃規(guī)范。綜合統(tǒng)計(jì)特征和結(jié)構(gòu)特征,才能對車牌漢字的字符結(jié)構(gòu)進(jìn)行全局和局部的完整描述,提高識(shí)別率。3.2.1維漢字特征模型統(tǒng)計(jì)分析方法是通過對字型統(tǒng)計(jì)特征的刻畫和描述來完成對整個(gè)字型的形態(tài)分析。統(tǒng)計(jì)特征可分為整體和局部兩類,包括像素取值、線元梯度、方向段強(qiáng)度、方向筆劃數(shù)、方向密度、周邊形狀、一維投影和二維變換等等。在粗分類時(shí)常用投影和變換的方法來對漢字字形作整體描述。本文將二維漢字圖像像素?cái)?shù)的累計(jì)個(gè)數(shù)按照行和列的方向投影到水平軸和垂直軸上(如圖4所示),得到字符圖像的像素密度。漢字的基本筆劃有六種,即橫、豎、撇、捺、提、點(diǎn),而撇與提,捺與點(diǎn)難以區(qū)分?？衫脻h字的筆劃投影,對像素密度投影值進(jìn)行峰值檢測,快速提取出漢字的橫、豎筆劃數(shù)目,作為字符的粗分類特征庫:特征筆劃數(shù)。相關(guān)匹配也是一種統(tǒng)計(jì)模式識(shí)別的常用方法,它通過在特征空間上計(jì)算輸入模式特征矢量在各模板矢量之間的距離或相似度來進(jìn)行分類判決。相關(guān)函數(shù)是描述信號(hào)相似性的重要統(tǒng)計(jì)量(如式4)。I1,I2為兩幅相關(guān)圖像,顯然,0≤γ≤1,當(dāng)且僅當(dāng)I1=I2時(shí),γ=1。在字庫中,以歐式距離作為判定標(biāo)準(zhǔn),直接選取相似度高的字符作為基本分類集合,可以減少后續(xù)的計(jì)算量。3.2.2漢字的體性分析僅統(tǒng)計(jì)分析的方法沒有考慮到漢字形體更為內(nèi)在的結(jié)構(gòu)性質(zhì),不及結(jié)構(gòu)分析更能反映漢字的形體規(guī)律。車牌漢字的標(biāo)準(zhǔn)字庫固定,字體規(guī)范,而且數(shù)量不太大,可以將通用漢字的結(jié)構(gòu)特征加以簡化,提高識(shí)別效率。(1)漢字分類及分類根據(jù)漢字能不能分解為偏旁這一性質(zhì),可以將漢字分成兩大類,即獨(dú)體字和合體字。由于漢字結(jié)構(gòu)復(fù)雜,筆劃多,為便于識(shí)別,本文將合體字僅分為兩大類:上下式和左右式,將包圍式、半陷式等都?xì)w入獨(dú)體字類。結(jié)合統(tǒng)計(jì)特征中的像素密度投影,進(jìn)行雙峰檢測,可以直接識(shí)別出待識(shí)別字符所在的結(jié)構(gòu)字類,也作為粗分類的基本特征。(2)特征字段的長度和特征字段的位置拓?fù)潢P(guān)系對歸一化后的二值圖像分別求取特征筆段的連續(xù)長度和對應(yīng)的行列坐標(biāo)值,作為細(xì)分類特征。(3)特征筆段長度的搜索步驟一:讀入待識(shí)別的二值字符圖像。步驟二:從像素密度投影中搜索一個(gè)投影值大于某域值(T1)的行/列,即特征筆段的可能初定位L。步驟三:對L所在的圖像進(jìn)行連續(xù)性檢測。將連續(xù)檢測得到的最大連續(xù)值作為連續(xù)筆段長度。步驟四:若連續(xù)筆段長度小于特征筆段的判定長度(T2),跳轉(zhuǎn)到步驟二繼續(xù)搜索。步驟五:若連續(xù)筆段長度大于特征筆段的判定長度(T2),則將L精確定位為特征筆段位置,且L所在筆段的最大連續(xù)值作為特征筆段長度。跳轉(zhuǎn)到步驟二繼續(xù)搜索。步驟六:搜索完畢,返回特征筆段的長度及位置。對形似字,需要通過筆段長度及位置人工建造附加特征集,即特征筆段的拓?fù)潢P(guān)系。3.3字母表的特征(1)粗分類識(shí)別編碼結(jié)果由于車牌字庫較小,結(jié)合統(tǒng)計(jì)特征的粗分類特征庫和結(jié)構(gòu)特征的細(xì)分類特征庫可以識(shí)別車牌漢字中的單字類。利用相關(guān)系數(shù),可以從字庫中選取一定的相關(guān)字符,并按相關(guān)系數(shù)大小排序,排除與待識(shí)別字符圖像相似性極小的庫中字符。得到第一粗分類集Y1。對待識(shí)別字符作組合分析,得到字符所在的基本結(jié)構(gòu)類Y2,從而得到粗分類結(jié)果Y1∪Y2。再結(jié)合筆段數(shù)特征集Y3,若Y1∪Y2∪Y3結(jié)果唯一,則字庫中滿足特征集的字符為單字類,整個(gè)漢字的單字識(shí)別就告完成。車牌漢字中容易識(shí)別錯(cuò)誤的字,如“湘”和“浙”,在特征筆段數(shù)的分類中就可直接區(qū)分,降低識(shí)別錯(cuò)誤率。(2)采取“申”和“甲”的結(jié)合若Y1∪Y2∪Y3結(jié)果不唯一,即出現(xiàn)難以區(qū)分的形似字。需將特征筆段的拓?fù)潢P(guān)系作為附加特征集進(jìn)行形似字的識(shí)別。如軍用車牌中出現(xiàn)的形似字“甲”和“申”,二者有很強(qiáng)的相關(guān)性,且特征筆段數(shù)均相同。利用筆段位置拓?fù)潢P(guān)系:最長豎筆段頂點(diǎn)在第一橫之上,即為“申”,否則為“甲”。形似字“子”,“未”,“午”,利用豎筆段的頂點(diǎn)與第一橫筆劃的位置關(guān)系,即可識(shí)別。4車牌漢字的識(shí)別測試結(jié)果為檢測本文方法的有效性,根據(jù)圖1和式(2)模型,設(shè)計(jì)出具體的識(shí)別流程如圖6所示。首先建立車牌字符樣本字庫,存放所有車牌漢字字符圖像。圖像均從車流視頻中直接提取(如圖3)。針對樣本庫中的樣本逐個(gè)提取出穩(wěn)定且具有代表性的漢字字符結(jié)構(gòu)特征,形成粗分類特征集(相關(guān)統(tǒng)計(jì)特征集、組合結(jié)構(gòu)特征集、特征筆段數(shù)特征集)和細(xì)分類特征集(特征筆段長度特征集、特征筆段位置特征集),與標(biāo)準(zhǔn)字庫中的字符特征進(jìn)行匹配,若細(xì)分類后結(jié)果為單字類,則單字識(shí)別完成,若細(xì)分類后結(jié)果為非單字類,則需人工建造的附加拓?fù)浣Y(jié)構(gòu)特征集進(jìn)行形似字識(shí)別。利用本識(shí)別方法,對920幅不同地點(diǎn)不同環(huán)境下采集的958個(gè)車牌漢字字符圖像進(jìn)行了識(shí)別測試。在車牌較干凈的情況下,識(shí)別率可達(dá)98%(結(jié)果見表1)。本文提出的方法具有以下特點(diǎn):(1)由于漢字有一定的筆段厚度,在整體像素密度投影中,部分傾斜并不影響對特征筆段的識(shí)別和結(jié)構(gòu)特征值的選取,因此本方法對傾斜的漢字圖像有很強(qiáng)的辨識(shí)能力,尤其對傾斜大于5°的字符仍然具有較強(qiáng)的識(shí)別能力。(2)對其他車牌漢字識(shí)別方法中容易誤識(shí)別的漢字,如“浙”、“湘”等,有較強(qiáng)的識(shí)別能力。對筆劃較簡的漢字