顾 恭

(北京工业大学计算机学院 北京 100124)

0 引 言

随着城市化进程的不断发展，高速的生活节奏也使得汽车数量在二十一世纪迎来飞速增长。对于车辆牌照智能化识别的准确率要求同样随之提升。在现有的车辆识别核心技术中通常包含两大模块：车牌定位；字符识别。车牌定位是该领域的核心技术，不仅是后续工作的重要基础，也是车牌能否被正确识别的关键保证。目前车牌定位的常用方法有:基于形态特征的提取定位法、基于色彩特征的区域定位法，以及基于车牌先验知识的角点定位法等。虽然单独使用上述算法在一定限制条件下可以保证不错的定位准确率，但在复杂无约束场景下，当车辆采集图像清晰度较低、角度偏斜、距离较远、光线灰暗或周围障碍物干扰性较强时均不能呈现良好的定位效果，从而对后续字符识别带来较大影响。

本文对车牌的先验知识进行了充分研究，提出了一种将相关子区域生长技术与字符识别技术相融合的新型车牌定位算法。该算法利用最大稳定极值区域提取并筛选疑似车牌字符的候选集，通过卷积神经网络进行识别，采用非极大值抑制法获得精确的字符位置，产生字符区域集合，最终采用连通域扩张法定位出完整且精确的车辆牌照位置。实验结果表明，该算法在复杂无约束场景中能够有效减免因图像采光差、图像模糊、角度倾斜等干扰因素带来的定位障碍，最终达到车牌的精准定位效果。……