详情

原文传递基于多分类支持向量机的车牌字符识别方法

专利名称：	基于多分类支持向量机的车牌字符识别方法
摘要：	基于多分类支持向量机的车牌字符识别方法，属于图像处理技术领域，涉及车牌字符识别方法。本发明包括多分类支持向量机的训练过程和使用多分类支持向量机进行车牌识别的过程。本发明区别对待车牌各位置的字符，将车牌字符二值化图像特征向量分成四个集合，分别构造四个多分类支持向量机以计算四个集合的支持向量集，并在车牌识别过程中采用不同的支持向量集对待识别车牌的字符进行逐一识别，大大减少了计算量。相比与其他同领域的方案，本发明具有兼容公安部最新机动车号牌标准GA 36-2007、识别准确率更高，对成像质量要求更低的特点。
专利类型：	发明专利
申请人：	电子科技大学
发明人：	解梅;王云龙
专利状态：	有效
申请日期：	2009-05-20T00:00:00+0800
发布日期：	2019-01-01T00:00:00+0800
申请号：	CN200910059360.8
公开号：	CN101604381
分类号：	G06K9/00(2006.01)I
申请人地址：	611731四川省成都市高新区(西区)西源大道2006号
主权项：	1、基于多分类支持向量机的车牌字符识别方法，包括多分类支持向量机的训练过程和使用多分类支持向量机进行车牌识别的过程：一、多分类向量机的训练过程，具体包括以下步骤：步骤1：制作标准车牌字符二值化图像；首先根据《中华人民共和国公共安全行业标准：中华人民共和国机动车号牌》 (GA36-2007)附录B所述的字样制作归一化字样图像，每张归一化字样图像宽为16像素，高为32像素；然后对所有归一化字样图像进行二值化处理，二值化处理时，归一化字样图像灰度等级按255级灰度计算，灰度二值化阈值取[95，130]之间的某个特定值；最终得到由37 个汉字、26个英文大写字母和10个数字组成的共73个标准车牌字符二值化图像；步骤2：制作采集样本车牌字符二值化图像；首先采集足够的车牌照片，使得《中华人民共和国公共安全行业标准：中华人民共和国机动车号牌》(GA36-2007)附录B中定义的所有字符至少出现三次；然后对采集的车牌照片经定位、分割处理后得到分离的车牌字符图像；再对所有分离的字符图像采取步骤1所述的归一化和二值化处理，得到采集样本车牌字符二值化图像；步骤3：根据步骤1所得的标准车牌字符二值化图像和步骤2所得的采集样本车牌字符二值化图像，获取每个二值化图像的特征向量，具体方法是：将每个二值化图像的像素值按行依次排列，得到一个512维的行向量；步骤4：对步骤3所得的所有二值化图像的特征向量，将同一字符的所有字符图像的特征向量归于一个特征向量子集，共得到73个特征向量子集；给予每个特征向量子集一个唯一的编号，使得73个字符与编号之间一一对应；同时，每个特征向量子集中的所有特征向量均采用与该特征向量子集相同的编号；步骤5：采用步骤3所得的所有二值化图像的特征向量，组合出以下四个特征向量集合： 1)代表省/直辖市/自治区简称的特征向量集A，特征向量集A包括汉字“京津冀晋蒙辽吉黑沪苏浙皖闽赣鲁豫鄂湘粤桂琼渝川贵云藏陕甘青宁新港澳使”共34个字符的标准车牌字符二值化图像的特征向量和采集样本车牌字符二值化图像的特征向量，每个特征向量与车牌中的第一个字符相对应；2)代表发牌机关代号的特征向量集B，特征向量集B包括A～Z的26个英文大写字母的标准车牌字符二值化图像的特征向量和采集样本车牌字符二值化图像的特征向量，每个特征向量与车牌中的第二个字符相对应；3)代表车牌编号的特征向量集C，特征向量集C包括0～9的数字以及除“O”和“I”之外的英文大写字母共34个字符的标准车牌字符二值化图像的特征向量和采集样本车牌字符二值化图像的特征向量，每个特征向量与车牌中的第三至第六字符中的一个字符相对应；4)代表车牌末尾字符的特征向量集D，特征向量D集包括0～9的数字、除“O”和“I”之外的英文大写字母以及汉字“挂”、“领”、 “港”、“澳”、“学”、“警”、“试”、“超”和“临”共43个字符的标准车牌字符二值化图像的特征向量和采集样本车牌字符二值化图像的特征向量，每个特征向量与车牌末尾字符相对应；步骤5：分别构造步骤4所得的四个特征向量集合的特征向量矩阵MA、MB、MC和MD，同时构造与特征向量矩阵MA、MB、MC和MD对应的四个编号向量VA、VB、VC和VD；其中，每个特征向量矩阵的行向量就是对应特征向量集合的具体特征向量，每个特征向量矩阵的行数就是对应特征向量集合的特征向量数；编号向量为一个列向量，其中每一行的元素值就是对应特征向量矩阵相同行号下特征向量所采用的编号；步骤6：分别构造四个多分类支持向量机，将步骤5所得的特征向量矩阵MA与对应的编号向量VA、特征向量矩阵MB与对应的编号向量VB、特征向量矩阵MC与对应的编号向量VC、特征向量矩阵MD与对应的编号向量VD分别输入到四个多分类支持向量机中进行训练，得到四个支持向量集SVA、SVB、SVC、SVD；二、使用多分类支持向量机进行车牌识别的过程，具体包括以下步骤：步骤7：采集待识别车牌图像，经定位、分割处理后得到分离的待识别车牌字符图像；再对所有分离的待识别字符图像采取步骤1所述的归一化和二值化处理，得到待识别车牌字符二值化图像；步骤8：将步骤7所得的待识别车牌字符二值化图像转换成特征向量，具体转换方法是：将每个二值化图像的像素值按行依次排列，得到一个512维的行向量，共得到7个特征向量，按待识别字符图像在待识别车牌中从左至右的位置顺序依次定义为X1、X2、...、X7；步骤9：采用支持向量集SVA对特征向量X1进行分类，得到特征向量X1对应的编号，即得到该编号对应的字符，并将该字符作为待识别车牌第一字符的识别结果；采用支持向量集 SVB对特征向量X2进行分类，得到特征向量X2对应的编号，即得到该编号对应的字符，并将该字符作为待识别车牌第二字符的识别结果；采用支持向量集SVC对特征向量X2～X6进行分类，得到特征向量X2～X6各自对应的编号，即得到各自对应编号所对应的字符，并将各自所对应的字符作为待识别车牌第二至第六字符的识别结果；采用支持向量集SVD对特征向量 X7进行分类，得到特征向量X7对应的编号，即得到该编号对应的字符，并将该字符作为待识别车牌第七字符的识别结果。
所属类别：	发明专利