香港车牌识别算法.docx

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(colorrun-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 AlgorithmZHAO Yong-hui LIU Chang-songState Key Laboratory of Intelligent Technology and SystemsDept. of Electronic Engineering, Tsinghua University, Beijing 100084 ChinaAbstract: 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 2香港车牌识别算法流程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 GL •' [LU 8158 [6747a）六字符单排 b）六字符双排CL 338 Jc)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输入图像车牌定位六字符切字符识别二结.果可信一二' N 3ly I 输出结果 I五字符切分I 字符识别 I结果可信 叫据识I, ....：Y ,I 输出结果 ~1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 信息囹方法(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 in P late W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 [Mi nW i ,d t h Ma蚓间或t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]I overlap dismin(h, h )(1)其中overlapv是表示两个区域的竖直重合高度，dis表示水平距离；h，h，w， H 1 2 1w2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。

对所有区域循环合并直至任意两个区域都不满足合并条 件，每次合并后的区域作为一个新的区域并 且删除原来的两个区域香港车牌的格式可能是双排，因此对水 平合并后的区域进行垂直合并合并依据的 主要标准也是近邻连接强度I，不过I定义 不同I _ overlap dismin(w, w )(2)其中overlap^是表示两个区域的水平合宽 度，disv表示垂直距离合并的过程与水平 合并的过程相同垂直合并后的区域就是车牌的候选区 域了把候选区域宽度不在 [MinPlateWidth, MaxPlateWidth\ 删除掉候选区中包含的连通域个数越接近5.5, 也就是这个候选区可能包含的字符个数越 接近5.5,是车牌区域的可能性越大，因为香 港车牌中字符是5个或者6个最多取可能性 较大的3个候选区作为定位结果输出对输 出的定位结果进行串行的切分识别，如果有 结果输出就停止4基于对连通域组合搜索的车牌切分算法由于车牌定位是通过合并字符的连通 域实现的，因此只要对这些连通域所有可能 的组合进行搜索找出最合适的一组连通域 作为切分结果输出即可首先对车牌区域中的所有的连通域按 照高度进行聚类，把包含连通域个数最多一 类作为候选的字符连通域。

然后对这些候选 连通域进行排序，排序的标准：上一行的连 通域排在下一行的连通域前面，同一行的连 通域从左到右排列判断两个连通域是否在 同一行的标准：两个连通域的中心高度差别 是否超过了两个连通域的高度中较小值的 三分之二设排序后连通域共有n个，如果n>5则五字符格式的可能共有C5种；如果n > 6 n则六字符格式的可能共有C6种由于n 一 n般不会特别大，因此可以遍历所有切分可能 找出一个最可能的切分结果对每一种切分 首先判断这种切分是否可能，如果可能则估 计这种切分的可能性判断一种切分是否可 能的标准：1. 排列格式只能是单排或者双排2. 如果排列格式是双排，那么第一排 字符只能是两个3. 如果排列格式是双排，那么理论上 第二排的第一个字符的横坐标不能 超过第一排的第一个字符的横坐 标，第二排的最后一个字符的横坐 不能小于第一排的第二个字符的横 坐标衡量一种切分的可能性的标准：1. 所有字符的高度越一致可能性越 高2. 同一行上的所有字符中心的纵坐 标越一致可能性越高3. 除了第二字符和第三字符的之间， 所有相邻字符间的水平距离越一 致可能性越高以上标准都是基于样本观察得出我们采用 一个方差形式的变量Var来定量衡量切分 的可能性，Var越小，可能性越大。

Var_ Var H V a-r C V a(3) VarH是字符高度的方差VarC是字符中心纵坐标的方差(双排格式 对应的是两行的方差和)VarD是除二三字符间的相邻字符间水平 距离的方差对连通域组合的搜索采用是剪枝搜索， 从排序后的第一个连通域搜索到最后一个 连通域，根据当前状态判断当前连通域是否 可不被选用当搜索到第k个连通域时中设 已选用的连通域个数是七部,如果n + n — k > n 其中n 为所搜索的车used char char牌格式中字符总数(5或者6),即已选用的 连通域和剩余的连通域加起来不少于nchar 则此连通域可不被选用否则必须被选用搜 索后如果七部=孔血，则不需要继续搜索下 去搜索后把最可能的切分结果输入到识 别引擎进行识别5实验结果和结论测试样本集是549幅在香港沙头角采集 的彩色图像，图像大小是768X576实验结 果如下：表1识别率车牌类型样本数识别正确识别率五字符单排373697.30%五字符双排948994.68%六字符单排696391.30%六字符双排34933997.13%总计54952795.99%表2错误分析错误类型错误样本数总样本数准确率定位954998.36%切分1154097.96%识别252999.62%定位错误产生的原因主要有：1. 车上有类似车牌的区域，比如车上的标 志，被误定位为车牌。

2. 车牌本身颜色被破坏，导致有些连通域 颜色不接近，车牌定位不全切分错误的原因主要有：1. 字符的连通域和干扰或者其他连通域相 连导致连通域的高度或宽度过大被删 除，例如图3a, 3b2. 个别干扰的大小和字符连通域的大小 相近，被误当成字符进行切分例如图3c, 3d。