复杂环境下的车牌定位及目标真实性验证

通过融合颜色和边缘特征并进行目标真实性验证研究车牌的定位,提出了融合颜色特征与灰度边缘特征的车牌定位算法,解决了复杂环境下车牌定位困难的问题。车牌具有固定的颜色搭配和丰富的字符边缘,融合二者的定位算法可提取出所有侯选目标。利用车牌伴生与互补特性进行目标真实性验证,实现带反馈的定位,提高了定位准确度,适用于复杂环境下目标数量、类型不确定的车牌目标检测。对复杂环境下获取的981幅彩色图像进行实验,实验结果表明,车牌目标定位准确率超过了99%,验证了算法的有效性。

多目标、多类型车牌融合定位算法

针对复杂环境下目标的有无、数量多少和种类均不确定的车牌目标定位,提出了一种融合灰度边缘和颜色特征检测并进行目标真实性验证的车牌定位算法。算法主要分为4个步骤:首先,提取所有与目标颜色有关的区域进行多类型多值化处理;接着,提取灰度纵向绝对累积差分边缘;然后,按类型分别融合灰度边缘和颜色特征,检测每类可能目标;最后,利用伴生与互补特性对可能目标逐一进行真实性验证,排除错误报警,提高目标定位准确度。通过大量交通卡口获取的实测彩色车辆图像试验,验证了算法的有效性和准确性。