香港车牌识别算法

香港车牌识别算法

赵永辉刘长松

(清华大学电子工程系智能技术与系统国家重点实验室，北京100084)

摘要：本文提出一个香港车牌识别算法。针对香港车牌格式比较自由的特点，算法中通过合并连通域进行车牌定位，通过搜索连通域的所有可能组合进行车牌切分。采用彩色图像游程邻接算法CRAG（color run-length adjacency graph algorithm）对彩色图像搜索连通域，使得时间性能大大提高。通过实验表明，本算法在图像测试集的平均识别率达到95%以上。

关键词：香港车牌；连通域；CRAG算法；组合；

HongKong License Plate Recognition Algorithm

ZHAO Yong-hui LIU Chang-song

State Key Laboratory of Intelligent Technology and Systems

Dept. of Electronic Engineering, Tsinghua University, Beijing 100084 China Abstract: A HongKong license plate recognition algorithm is proposed. HongKong license plates have no fixed formats. Aiming at this point, the algorithm determines license plate location by combining connected components and segments license plate by searching all possible combination of connected components. Searching connected components in color image is implemented by color run-length adjacency graph algorithm (CRAG). As a result, time performance is great improved. An experiment shows that the average correct rate of the algorithm is above 95%.

Keywords: HongKong license plate; connected components; CRAG algorithm; combination;

1引言

在我国车牌识别应用已经越来越成熟和普遍，随着我国大陆地区与香港地区经贸关系的日益密切，香港车牌的识别问题也开始变得重要，尤其是对于海关的通关车辆管理。作为海关中智能交通系统的重要组成部分，香港车牌识别系统可以大大提高香港车辆在大陆关口的过关速度。

香港车牌和大陆的车牌最大不同是香港车牌字符排列格式比较自由。同一种格式的车牌各字符间的相对位置分布不一定相同，因此针对大陆车牌识别的许多算法不能有效处理香港车牌，例如香港车牌的字符切分不能采用我们识别大陆车牌提出的模版匹配算法[1]。

本文提出了一种基于连通域合并和连通域组合搜索的香港车牌识别算法。车牌的定位是基于连通域的合并。车牌的字符切分是基于对连通域组合的搜索。2香港车牌识别算法流程

车牌的尺寸是整个识别系统中一个非常重要的特征。但是，在实际应用中系统得到的输入图像中的车牌尺寸变化很大。传统的车牌识别结构难以适应这种变化，导致识别率的降低。在不同分辨率下对图像进行串行处理可以很好的解决这一问题。本文提出的算法中的串行流程是首先对原图进行识别，如果没有识别结果产生，则将原图宽度和高度各降采样一倍，然后在此图上进行识别。

香港车牌的特点：字符颜色一致，背景颜色单一。香港车牌格式主要有4种：六字符单排，六字符双排，五字符单排，五字符双排。如图1所示。

a) 六字符单排b) 六字符双排

c) 五字符单排d) 五字符双排

图1 香港车牌的格式

由于香港车牌的字符切分算法是基于对连通域组合搜索的，所以六字符的车牌容易被误切分为五字符，而五字符的车牌很难被误切分成六字符，而且即使被误切分为六字符后识别结果的置信度也较低。因此车牌的切分采用是串行切分，首先进行六字符切分，如果识别结果可信，则结束，否则进行五字符切分。

图2是算法流程。从中可以看出，香港车牌识别算法主要由车牌定位，车牌切分和字符识别三部分组成。

图2 算法流程

3基于连通域合并的车牌定

位算法

目前车牌定位的主要方法有：1.基于边缘信息[2] 2.基于颜色信息[3] 3.基于灰度方差信息[4]。方法(1) 定位准确,但是漏检率高，速度慢。方法(2) 定位较准确,缺点是受车牌本身颜色变化影响大，且容易引入和车牌颜色相似的区域干扰。方法(3)速度快，漏检率低，但定位准确性较差容易引入车灯和背景文字等干扰。

车牌定位是通过合并连通域实现的，即把彩色图像中可能为字符连通域的连通域横向和纵向合并起来，合并后的区域范围就是车牌位置。根据系统允许检测到的车牌最大宽度MaxPlateWidth，以及由于识别效果要求允许检测到的车牌最小宽度M i n P l a t e W i d

可以估算出车牌中的字符最大宽度MaxWidth，最小宽度MinWidth 以及最大高度MaxHeight，最小高度MinHeight。

传统搜索连通域的方法是通过宽度优先搜索或者深度优先搜索算法进行的。这两种算法本质上都是递归算法，效率比较低。我们采用的搜索算法是彩色图像的区域生长算法[5]：CRAG算法(Color Run-length djacency Graph)，该算法充分利用了字符颜色和位置信息。该算法主要步骤是：把每一行内颜色相近的邻接像素合并成游程，然后对邻接且颜色相近的游程进行合并。这样最终的连通域不仅有位置信息还有颜色信息。由于游程个数相对像素个数的稀少性，因此该连通域搜索算法的时间效率很高。

搜索连通域后，对连通域的大小进行筛选。如果某个连通域的宽度不在

[]

,

M i n W i d t h M a x W i d t h

之间或者高度不在[]

,

MinHeight MaxHeight之间，那么将该连通域删除。

对余下的区域进行水平合并，水平合并依据的主要标准是近邻连接强度I[1]。

12

min(,)

V

overlap

I

h h

=(1)

其中

V

overlap是表示两个区域的竖直重合

高度，

H

dis表示水平距离；

1

h，

2

h，

1

w，2

w分别表示两个区域的高度和宽度。如果两个区域的颜色相近且I超过一定域值，那么这两个区域满足合并条件。对所有区域循