CN103699876A - 一种基于线阵ccd图像识别车号的方法及装置 - Google Patents

Abstract

本发明提供基于线阵CCD图像识别车号的方法，其所述的方法包括如下步骤：获取车号的实时图像；从实时图像的截图中获取车号的大概位置；确定准确的车号位置；将图片中的车号分割为单个字符；对分割后的单个字符进行特征提取；将提取的特征与字符库里的特征进行比对，获取结果。采用本技术方案，可以有效的提高通过图像捕捉获取车号的准确率，由于在本技术方案中还相应减少了进行识别的图像面积，可以大幅度提高识别速度。

Description

一种基于线阵CCD图像识别车号的方法及装置

技术领域

本发明创造涉及图像处理领域，特别是一种基于线阵CCD图像识别车号的方法及装置 

背景技术

在铁路运输组织中,读取、核对机车车号是一件费时费力的工作,人工读取记录的做法又常常会出现人为的不必要的错误。随着高速列车在我国的不断发展，一些站点车辆进出频繁，统计车辆的各种动作，并根据其安排组织成为一项繁乱复杂的工作。作为铁路信息化中的重要一环——车号自动识别便显得尤为重要.数字图像处理则因其处理精度高、处理内容丰富、可进行复杂的非线性运算及良好的变通能力。已经成为车号自动识别的首选。但如何将图像字号准确稳定的识别为相应的字符供计算机处理仍然是一个难题。线阵CCD结构简单，成本较低。可以同时储存一行电视信号.由于其单排感光单元的数目可以做得很多，在同等测量精度的前提下，其测量范围可以做的较大，并且由于线阵CCD实时传输光电变换信号和自扫描速度快、频率响应高，能够实现动态测量，并能在低照度下工作，所以线阵CCD广泛地应用在产品尺寸测量和分类、非接触尺寸测量、条形码等许多领域。 

发明内容

本发明创造要解决的问题是如何快速准确的通过图像捕捉获取车号的相应数字信息供***使用。 

为解决上述技术问题，本发明创造采用的技术方案是：一种基于线阵CCD图像识别车号的方法，所述的方法包括如下步骤： 

获取车号的实时图像； 

从实时图像的截图中获取车号的大概位置； 

确定准确的车号位置； 

将图片中的车号分割为单个字符； 

对分割后的单个字符进行特征提取； 

将提取的特征与字符库里的特征进行比对，获取结果。 

进一步，所述的从截图中获取车号的大概位置包括如下步骤： 

将车号的实时图像中位于车号位置高度的图像进行截取； 

对截取的图像进行高斯滤波； 

对高斯滤波处理后的图像进行Sobel算子操作； 

查找处理后的图像中亮度最高的区域的中心点； 

根据车号的区域最大宽度和最大高度设定矩形； 

将设定的矩形中心点与亮度最高区域中心点重合，以矩形区域为车号的大概位置。 

进一步，所述的确定准确的车号位置包括如下步骤： 

对获取大概位置后的截图进行基于Canny算子操作，获得边缘检测图像； 

设置字符间隔距离及字符高度两项预设阈值（DX，DY）； 

对边缘检测图像进行Y方向直方图分析，查找符合字符间隔预设阈值的横坐标–X’； 

对边缘检测图像进行X方向直方图分析，查找符合字符高度预设阈值的纵坐标-Y’； 

确定准确的车号位置。 

进一步，所述的将图片中的车号分割为单个字符包括如下步骤： 

将确定准确位置后的图像进行二值化处理； 

设置合适的字符间隙预设阈值； 

对二值化处理后的图像进行Y方向的直方图分析，查找符合字符间隙预设阈值的坐标； 

按照符合字符间隙坐标划分字符。 

进一步，所述的对分割后的单个字符进行特征提取包括如下步骤： 

对分割后的字符进行角点检测； 

提取每个分割后的字符的特征向量。 

进一步，所述的将提取的特征与字符库里的特征进行比对，获取结果包括如下步骤： 

将提取的字符特征与字符库中字符特征进行距离计算； 

选取特征向量距离最小的字符为匹配结果。 

进一步，所述的特征字符库建立包括如下步骤： 

将包含有车号的图像样本分割为单个字符； 

将单个字符图片进行高斯滤波； 

将进行过高斯滤波的图像进行二值化处理； 

对上述处理后的图像进行插值变换，使图像的宽高和模板图像宽高标准一致 

通过角点检测算子提取字符的特征向量； 

重复对多个包含车号的图像样本进行上述操作，生成字符特征库。 

进一步，所述的字符的特征向量包括轮廓角点位置，角点距离，角点角度。 

进一步，所述的高斯滤波为二维高斯滤波 

$G(x,y)=\frac{1}{2\mathrm{\π}{\mathrm{\σ}}^2}{e}^{-\frac{x^2+y^2}{2{\mathrm{\σ}}^2}}$

进一步，所述的Sobel算子为 

$S_x=\left[\begin{array}{ccc}-1& 0& +1\\ -2& 0& +2\\ -1& 0& +1\end{array}\right]S_Y=\left[\begin{array}{ccc}+1& +2& +1\\ 0& 0& 0\\ -1& -2& -1\end{array}\right]$

进一步，所述的对分割后的字符进行角点检测采用harris算法，Harris算子： 

$M=\left[\begin{array}{cc}{I}_x^2& I_x{I}_y\\ I_x{I}_y& I_y^2\end{array}\right]$

I_x为图像在X方向差分结果，I_y为图像在Y方向差分结果 

角点量计算： 

$\mathrm{cim}=\frac{I_x^2{I}_y^2-{\left(I_x{I}_y\right)}^2}{I_x^2+I_y^2}.$

根据本发明的另一方面，还提供了一种基于线阵CCD图像识别车号的装置，包括： 

车号图像获取装置，用于获取包含车号图像的实时图像； 

车号大约位置图像获取装置，用于从实时图像中获取车号的大约位置并截图获取； 

车号准确位置图像获取装置，用于从车号大约位置截图中得到车号准确位置并截图获取； 

字符分割装置，用于将包含车号准确位置的图像中字符分割为单个字符组合； 

字符特征提取装置，用于提取单个字符图片中的特征向量； 

字符特征比较匹配装置，用于将提取的字符特征向量与字符库里字符特征进行比较匹配；以及 

字符库，用于存储可用于比较匹配的字符特征。 

进一步，所述的图像识别车号的装置中车号大约位置图像获取装置包括： 

高度图像截取装置，用于将车号的实时图像中位于车号位置高度图像进行截取； 

高斯滤波装置，用于对截取车号位置高度图像进行高斯滤波操作； 

Sobel算子装置，用于对高斯滤波处理后的图像进行Sobel算子操作； 

亮度查找装置，用于查找处理后的图像中亮度最高的区域的中心点？； 

矩形设定装置，用于根据车号的区域最大宽度和最大高度设定矩形； 

重合装置，用于将设定的矩形中心点与亮度最高区域中心点重合，以矩形区域为车号的大概位置。 

进一步，所述的图像识别车号的装置中车号准确位置图像获取装置包括： 

边缘检测装置，用于对获取大概位置处理后的截图进行基于Canny算子的边缘检测； 

阈值设置装置，用于设置字符间隔高度及宽度两项阈值； 

Y方向分析查找装置，用于对边缘检测图像进行Y方向直方图分析，查 找符合字符间隔阈值的坐标； 

X方向分析查找装置，用于对边缘检测图像进行X方向直方图分析，查找符合字符高度阈值的坐标。 

进一步，所述的字符分割装置包括： 

二值化处理装置，用于将确定准确位置后的图像进行二值化处理； 

字符间隙阈值装置，用于设置合适的字符间隙阈值； 

Y方向分析及坐标查找装置，用于对二值化处理后的图像进行Y方向的直方图，查找符合字符间隙的坐标； 

字符划分装置，用于按照符合字符间隙坐标划分字符。 

进一步，所述的字符特征提取装置包括： 

角点检测装置，用于对分割后的字符进行角点检测； 

特征向量提取装置，用于提取每个分割后的字符的特征向量。 

进一步，所述的字符特征比较匹配装置包括： 

距离计算装置，用于将提取的字符特征与字符库中字符特征进行距离计算； 

结果匹配装置，用于选取特征向量距离最小的字符为匹配结果。 

进一步，所述的图像识别车号的装置还包括字符库建立装置，所述的字符库建立装置包括： 

字符分割装置，用于将包含有车号的图像样本分割为单个字符； 

高斯滤波装置，用于将单个字符图片进行高斯滤波； 

二值化装置，用于将进行过高斯滤波的图像进行二值化处理； 

归一化装置，用于对上述处理后的图像进行插值变换，使图像的宽高和模板图像宽高标准一致 

特征向量提取装置，用于通过角点检测算子提取字符的特征向量； 

字符特征库，用于存储多个字符特征向量。 

本发明创造具有的优点和积极效果是：采用本技术方案，可以有效的提高通过图像捕捉获取车号的准确率，由于在本技术方案中还相应减少了进行识别的图像面积，可以大幅度提高识别速度。 

附图说明

图1是本发明中一个实施例中提供的图像样本示意图 

图2是本发明中一个实施例中采集的动车车号图像示意图 

图3是本发明中一个实施例中建立字符特征库的流程示意图 

图4是本发明中一个实施例中对图像识别字符的流程示意图 

具体实施方式

为了对本发明创造更加深入的了解，下面列举一具体实施例，并结合附图，对本发明创造做进一步的详细说明。 

在本实施例中，首先通过图像样本进行采集，并对识别***进行训练，用以建立起相应的字符特征库。 

如图1所示，图1为本实例中提供的图像样本的一个实例，事实上，为达到对识别***进行训练，用以建立起相应的字符特征库的目的，采用了多项图像样供使用。采集的图像样本可以来自照片或者其它方式。 

首先将样本车号分割成单个的字符，可以通过人工方式或者其它方式将车号分割为单个字符，应尽可能的按照分割后的单个字符字体清晰完整，且每个字符图片的大小相同，以方便后期能够准确的提供相应的字符特征。 

对于分割好的单个字符图片进行高斯滤波操作，一般采用二维高斯滤波操作，可采用下述公式： 

$G(x,y)=\frac{1}{2\mathrm{\π}{\mathrm{\σ}}^2}{e}^{-\frac{x^2+y^2}{2{\mathrm{\σ}}^2}}$

对图像进行二维高斯滤波操作，该步骤的主要目的是消除消除高斯噪声，用于对图像样本减噪，方便后续的操作。 

一般来说，图像样本可能是灰度图像，也有可能是彩色图像，对于彩色的，应该尽可能将其转化为灰度的，方便后期处理，可以通过像素点的灰度值对其进行二值化，二值化的公式如下： 

$F(x,y)=\left\{\begin{array}{cc}0,& p(x,y)<T\\ 255,& p(x,y)>T\end{array}\right.$ (T为图像阈值) 

p(x,y)为图像中像素,

对于作为样本的图片来说，符合正确的尺寸是非常重要的，如果稍有变形就会给后期的处理带来较大的误差，对于不符合尺寸的图片，可以利用插值法来将图片进行扩充，使之达到标准尺寸。插值法是依据原有图像的像素，依照一定的运算方式进行计算，产生出新的像素点，并将其***到本来像素邻近的空隙处，从而实现增加了像素总量和增大了像素密度的目的。 

通过角点检测算子提取字符的特征向量V_i，特征向量包括：轮廓角点位置，角点距离，角点角度V_i=(X_i,Y_i,L_i,θ_i)，并存储该字符所有角点特征向量； 

Harris算子： 

$M=\left[\begin{array}{cc}{I}_x^2& I_x{I}_y\\ I_x{I}_y& I_y^2\end{array}\right]$

I_x为图像在X方向差分结果，I_y为图像在Y方向差分结果 

角点量计算： 

$\mathrm{cim}=\frac{I_x^2{I}_y^2-{\left(I_x{I}_y\right)}^2}{I_x^2+I_y^2}$

将各个字符轮廓的特征向量V_i进行分类训练，生成最终的字符特征库。字符特征库可以不断的增加新的图像加以练***。 

图2为本实例中所采集的动车车号图像，红色框是查找出车号精确图像位置，对于所捕捉的图像来说，如果对于整个图像进行查找对比来说，技术上精确度及运算量都会成为大问题。 

对于捕捉到的图像，首先就要能够确定其相应带有字号图像的准确位置，因为动车的高度是固定的，而且摄像装置位置及高度也是固定的，一般来说，字号在采集到的图片出现的位置也相对固定，可以通过预设的高度将图片的这一部分截取出来。 

对上述截取出的图像进行高斯滤波、Sobel算子运算： 

二维高斯滤波公式: 

$G(x,y)=\frac{1}{2\mathrm{\&pi;}{\mathrm{\&sigma;}}^2}{e}^{-\frac{x^2+y^2}{2{\mathrm{\&sigma;}}^2}}$

Sobel算子： 

$S_x=\left[\begin{array}{ccc}-1& 0& +1\\ -2& 0& +2\\ -1& 0& +1\end{array}\right]S_Y=\left[\begin{array}{ccc}+1& +2& +1\\ 0& 0& 0\\ -1& -2& -1\end{array}\right]$

经过上述处理后的图像，车号区域亮度值高，设置W*H的矩形，检测图像中平均亮度最高的区域，确定车号大致图像位置。（W为车号区域最大宽度，H为车号区域最大高度）通过此步操作，可以确定字号在图像中的大概位置，此大概位置应大于实际尺寸，仍然需要下一步操作才能够得到准确的位置。 

对车号图像进行基于Canny边缘检测、通过对Y方向边缘信息的直方图分析、X方向边缘信息的直方图分析进行车号图像的精确定位。 

首先对图像进行基于Canny算子的边缘检测； 

设置字符间隔距离及字符高度两项预设阈值（DX，DY）； 

这个预设值是我们根据历史图像中的实际情况设定的。(在本专利里使用的预设值：DX=30，DY=85)对边缘检测图像进行Y方向直方图分析，查找符合车号区域和汉字字符区域间隔预设阈值DX的坐标-X’； 

对边缘检测图像进行X方向直方图分析，查找符合车号字符高度预设阈值的坐标–Y’； 

确定准确的车号位置–[X’，Y’]。 

在完成上述操作之后，需要将每个字号从图片中分割出来，分割可以采用如下方法： 

符图像二值化； 

$F(x,y)=\left\{\begin{array}{cc}0,& p(x,y)<T\\ 255,& p(x,y)>T\end{array}\right.$ (T为图像阈值) 

p(x,y)为图像中像素,

设置字符间隔的预设阈值D，预设值可以根据实际图像中字符的间隔设定的。在这里使用的预设值：D=10。 

二值化图像进行Y方向的直方图分析，查找符合字符间隙的坐标，对字符进行分割。最后将分割后的字符进行特征提取，其提取方式与上述建立字符库的方法相同，在此不做赘述，将提取的字符特征与字符库中字符特征进行距离计算，选取最小特征向量距离为最终识别结果。 

Min(D_i)={||V-V_i||} 

以上对本发明创造的实施例进行了详细说明，但所述内容仅为本发明创造的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明创造范围所作的均等变化与改进等，均应仍归属于本专利涵盖范围之内。 

Claims (10)

1.一种基于线阵CCD图像识别车号的方法，其特征在于所述的方法包括如下步骤： 

获取车号的实时图像； 

从实时图像的截图中获取车号的大概位置； 

确定准确的车号位置； 

将图片中的车号分割为单个字符； 

对分割后的单个字符进行特征提取； 

将提取的特征与字符库里的特征进行比对，获取结果;其中所述的从截图中获取车号的大概位置包括如下步骤： 

将车号的实时图像中位于车号位置高度的图像进行截取； 

对截取的图像进行高斯滤波； 

对高斯滤波处理后的图像进行Sobel算子操作； 

查找处理后的图像中亮度最高的区域的中心点； 

根据车号的区域最大宽度和最大高度设定矩形； 

将设定的矩形中心点与亮度最高区域中心点重合，以矩形区域为车号的大概位置； 

所述的确定准确的车号位置包括如下步骤： 

对获取大概位置处理后的截图基于Canny算子操作，获得边缘检测图像； 

设置字符间隔距离及字符高度两项阈值； 

对边缘检测图像进行Y方向直方图分析，查找符合字符间隔预设阈值的横坐标X； 

对边缘检测图像进行X方向直方图分析，查找符合字符高度预设阈值的纵坐标Y； 

确定准确的车号位置； 

所述的将图片中的车号分割为单个字符包括如下步骤： 

将确定准确位置后的图像进行二值化处理； 

设置合适的字符间隙阈值； 

对二值化处理后的图像进行Y方向的直方图分析，查找符合字符间隙预设阈值的坐标； 

按照符合字符间隙坐标划分字符； 

所述的对分割后的单个字符进行特征提取包括如下步骤： 

对分割后的字符进行角点检测； 

提取每个分割后的字符的特征向量。 

所述的将提取的特征与字符库里的特征进行比对，获取结果包括如下步骤： 

将提取的字符特征与字符库中字符特征进行距离计算； 

选取特征向量距离最小的字符为匹配结果。 

2.根据权利要求1所述的基于线阵CCD图像识别车号的方法，其特征在于所述的特征字符库建立包括如下步骤： 

将包含有车号的图像样本分割为单个字符； 

将单个字符图片进行高斯滤波； 

将进行过高斯滤波的图像进行二值化处理； 

对上述处理后的图像进行插值变换，使图像的宽高和模板图像宽高标准一致 

通过角点检测算子提取字符的特征向量； 

重复对多个包含车号的图像样本进行上述操作，生成字符特征库。 

3.根据权利要求7所述的基于线阵CCD图像识别车号的方法，其特征在于：所述的字符的特征向量包括轮廓角点位置，角点距离，角点角度。 

4.根据权利要求2所述的基于线阵CCD图像识别车号的方法，其特征在于：所述的高斯滤波为二维高斯滤波 

5.根据权利要求2所述的基于线阵CCD图像识别车号的方法，其特征在于：所述的Sobel算子为 

。

6.根据权利要求5或者权利要求7所述的基于线阵CCD图像识别车号的方法，其特征在于所述的对分割后的字符进行角点检测采用harris算法，Harris算子： 

I_x为图像在X方向差分结果，I_y为图像在Y方向差分结果 

角点量计算： 

7.一种基于线阵CCD图像识别车号的装置，其特征在于包括： 

车号图像获取装置，用于获取包含车号图像的实时图像； 

车号大约位置图像获取装置，用于从实时图像中获取车号的大约位置并截图获取； 

车号准确位置图像获取装置，用于从车号大约位置截图中得到车号准确位置并截图获取； 

字符分割装置，用于将包含车号准确位置的图像中字符分割为单个字 符组合； 

字符特征提取装置，用于提取单个字符图片中的特征向量； 

字符特征比较匹配装置，用于将提取的字符特征向量与字符库里字符特征进行比较匹配；以及 

字符库，用于存储可用于比较匹配的字符特征；其中 

所述的图像识别车号的装置中车号大约位置图像获取装置包括： 

高度图像截取装置，用于将车号的实时图像中位于车号位置高度图像进行截取； 

高斯滤波装置，用于对截取车号位置高度图像进行高斯滤波操作； 

Sobel算子装置，用于对高斯滤波处理后的图像进行Sobel算子操作； 

亮度查找装置，用于查找处理后的图像中亮度最高的区域的中心点； 

矩形设定装置，用于根据车号的区域最大宽度和最大高度设定矩形； 

重合装置，用于将设定的矩形中心点与亮度最高区域中心点重合，以矩形区域为车号的大概位置； 

所述的图像识别车号的装置中车号准确位置图像获取装置包括： 

边缘检测装置，用于对获取大概位置处理后的截图进行边缘检测； 

阈值设置装置，用于设置字符间隔高度及宽度两项阈值； 

Y方向分析查找装置，用于对边缘检测图像进行Y方向直方图分析，查找符合字符间隔阈值的坐标； 

X方向分析查找装置，用于对边缘检测图像进行X方向直方图分析，查找符合字符高度阈值的坐标。 

所述的字符分割装置包括： 

二值化处理装置，用于将确定准确位置后的图像进行二值化处理；字符间隙阈值装置，用于设置合适的字符间隙阈值； 

Y方向分析及坐标查找装置，用于对二值化处理后的图像进行Y方向的直方图，查找符合字符间隙的坐标； 

字符划分装置，用于按照符合字符间隙坐标划分字符。 

8.根据权利要求7所述的基于线阵CCD图像识别车号的装置,其特征在于所述的字符特征提取装置包括： 

角点检测装置，用于对分割后的字符进行角点检测； 

特征向量提取装置，用于提取每个分割后的字符的特征向量。 

9.根据权利要求7所述的基于线阵CCD图像识别车号的装置,其特征在于所述的字符特征比较匹配装置包括：距离计算装置，用于将提取的字符特征与字符库中字符特征进行距离计算； 

结果匹配装置，用于选取特征向量距离最小的字符为匹配结果。 

10.根据权利要求7所述的基于线阵CCD图像识别车号的装置，其特征在 于所述的图像识别车号的装置还包括字符库建立装置，所述的字符库建立装置包括： 

字符分割装置，用于将包含有车号的图像样本分割为单个字符； 

高斯滤波装置，用于将单个字符图片进行高斯滤波； 

二值化装置，用于将进行过高斯滤波的图像进行二值化处理； 

归一化装置，用于对上述处理后的图像进行插值变换，使图像的宽高和模板图像宽高标准一致 

特征向量提取装置，用于通过角点检测算子提取字符的特征向量； 

字符特征库，用于存储多个字符特征向量。 

Images