基于多特征級聯(lián)篩選的高魯棒監(jiān)控圖像車牌檢測.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)在安防等領域發(fā)揮著越來越重要的作用，其中對車輛、車牌等目標的檢測識別的智能監(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識，一直都是人民關注的重點，所以設計一套快速高魯棒性的車牌檢測算法是非常關鍵的。
　　本文首先對現(xiàn)有的車牌檢測技術進行的分析，針對現(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，在總結我國車牌易于檢測的特點的基礎上，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，設計了基于多特征級聯(lián)篩選的高魯棒性監(jiān)控圖像車牌檢測算法。
　　考慮到清晰車牌和模糊車牌都具有長寬符合一定比例的矩形邊框，并且邊框內字符和數字間存在明顯分割區(qū)間和分割點這兩個特征，設計了基于梯度特征的車牌區(qū)域預檢測算法。將正樣本依據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練線性SVM分類器，得到代表每個位置權重的模板值。將模板和待

3、檢測圖像做卷積可得到不同坐標點的模板匹配系數，每個尺度去匹配系數最高的若干個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計算導致算法速度較慢，通過對模板的近似和對特征的拆分，將卷積的實現(xiàn)變成計算機的位“與”和位“或”操作，大大降低了算法的時間復雜度。
　　由于預檢測的區(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)別就是顏色對不滿足我國車牌的固定顏色對，所以可以采用主顏