葛艳　陈晨

摘要：为了提高多车牌定位和识别效率，本文提出基于颜色检测、边缘检测和支持向量机（SVM）的多车牌定位方法。首先使用颜色检测和Sobel边缘检测两种方法粗选车牌候选区域，其次对车牌候选区域进行形态学和倾斜矫正处理，最后提取车牌候选区域特征信息，采用SVM精确识别和定位车牌区域。实验结果表明，该方法能排除背景干扰，多车牌定位效果和成功率较高。

关键词：多车牌定位；颜色检测；边缘检测；支持向量机

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2016）23-0155-03

Abstract： In order to improve the efficiency and recognition efficiency of multi-license plate location， this paper presents multi-algorithms to locate multi-license plate based on color detection， edge detection and SVM. This method selects candidate region of license plate based on color detection and edge detection， and then do morphology and tilt correction for the candidate regions of license plates. Finally， the license plate candidate region feature information is extracted as the feature information input to the support vector machine to identify and locate the license plate region. The experiment results show that this method can eliminate the background interference and the recognition effect and rate of multi-license plate location is high.

Key words： multi-license plate location； color detection； edge detection； support vector machine

1 引言

随着人工智能技术在交通管理中的应用，智慧交通的建设受到了极大的关注。对车牌的正确识别是建设智慧交通的基石，因此车牌识别成为当前研究的热门领域。目前车牌识别技术已经被运用到违章检测（电子警察）、停车场不停车收费、车辆检测等领域。

车牌定位是车牌识别的关键和重要前提。从复杂的背景中正确定位车牌位置，是成功识别车牌的重要成功率，直接影响最终车牌识别的效果。在车牌定位方面，国内外学者都做了大量的研究，并提出了一些多车牌定位的算法。比较常用的算法有以下几种：

1）基于纹理的分割方法，主要利用车牌区域水平方向的纹理特征进行分割，包括小波纹理、水平梯度差分纹理等[1]。该方法定位成功率不高，因为车牌图像中很可能不止一个区域具有车牌区域的纹理特征，难以准确找到车牌位置；而且对车牌倾斜度有要求，当倾斜度过大时，车牌定位效果明显下降。……