多特征融合的車牌檢測算法研究.pdf

1、車牌識(shí)別系統(tǒng)是智能交通系統(tǒng)的重要組成部分，在日常生活中有許多應(yīng)用，如電子收費(fèi)，停車場入口管理，交通執(zhí)法等。車牌識(shí)別系統(tǒng)主要包括三部分：車牌檢測，字符分割，字符識(shí)別。其中車牌檢測是非常重要的一步，車牌檢測的好壞直接影響后續(xù)的處理及整個(gè)車牌識(shí)別系統(tǒng)的性能。自然場景中如復(fù)雜背景，部分遮擋，光照不均等因素都有可能干擾車牌檢測的效果，因此設(shè)計(jì)一個(gè)準(zhǔn)確的車牌檢測算法仍非常具有挑戰(zhàn)性。
　　本文重點(diǎn)研究了多特征融合的車牌檢測算法。主要工作分為：

2、
　　1、首先詳細(xì)闡述了車牌檢測技術(shù)和車牌特征的內(nèi)容。分析了基于特征的車牌檢測技術(shù)在實(shí)際應(yīng)用中的可行性及優(yōu)勢，介紹了基于各種特征的車牌檢測技術(shù)并分析了各自的優(yōu)缺點(diǎn)。
　　2、針對傳統(tǒng)的基于邊密度特征的車牌檢測算法存在定位率低、只能檢測固定尺寸的車牌的狀況，在多尺度物體檢測方法的基礎(chǔ)上，提出了一種新的算法EM-LPD。EM-LPD算法通過建立圖像金字塔的方法，在各尺度的圖像中用相同大小的窗口分別進(jìn)行檢測，選取垂直邊密度較大的區(qū)

3、域作為候選的車牌區(qū)。最后再將各個(gè)尺度的檢測結(jié)果進(jìn)行合并。實(shí)驗(yàn)結(jié)果表明E M-LPD算法在測試數(shù)據(jù)集上可以獲得較高的檢測率。
　　3、針對傳統(tǒng)的基于邊特征的車牌檢測算法誤檢率高的情況，增加了候選車牌驗(yàn)證步驟，以去除非車牌區(qū)域。根據(jù)車牌的字符特性，選用紋理特征來描述車牌。根據(jù)多特征物體檢測的優(yōu)勢，引入兩種紋理特征：T-HOG和MB-LBP描述子。T-HOG描述子對圖像噪聲比較敏感，而MB-LBP描述子的計(jì)算方法使得它可以很好的克服噪聲

4、帶來的影響，故結(jié)合這兩種特征共同描述車牌特性可以兼顧兩種特征的優(yōu)點(diǎn)。實(shí)驗(yàn)結(jié)果表明多特征結(jié)合的方法可以更好地描述車牌信息。
　　4、應(yīng)用數(shù)據(jù)融合技術(shù)，提出兩種候選車牌驗(yàn)證算法：DF-LPV和FF-LPV，這兩種算法結(jié)合T-HOG和MB-LBP兩種特征，分別采用決策融合和特征融合的方式，對候選車牌圖像進(jìn)行分類，去除誤檢車牌區(qū)域。經(jīng)實(shí)驗(yàn)驗(yàn)證，采用數(shù)據(jù)融合技術(shù)可以很好地過濾掉誤檢車牌。
　　多特征融合體現(xiàn)在兩處：一、從全局看，車牌檢