一种基于YSC颜色识别的车辆牌照图像定位方法

宋 超，李俊峰

（1.襄阳职业技术学院 汽车工程学院，湖北 襄阳 441050；2.湖北火爆机器人科技有限公司，湖北 襄阳 441000）

一、问题分析

随着汽车保有量的提高，在交通道路、小区及停车场门禁系统中，大量使用了车辆牌照识别技术。目前，主要通过图像识别的方式，由静止的摄像头获取车牌图像，对车牌图像进行定位，并识别车牌号码。但车辆在行驶过程中，其前置摄像头检测前方车辆的牌照时，由于受到环境因素的影响，定位和识别有很大的难度。［1～2］本文介绍了一种基于YSC颜色识别的车辆牌照定位方法，可以在汽车行驶过程中定位前方车辆牌照。

二、YSC彩色控件

YUV表示电视信号彩色坐标系统。YUV彩色电视信号传输时，将R、G、B变换为亮度信号和色度信号。PAL制式将R、G、B三色信号改组成Y、U、V信号，其中Y信号表示亮度，U、V表示色差信号。［3～4］在YUV彩色空间中，若知U和V，则可求出复数U+jV的模S和幅角C：

其中，S称为色饱和度，表示颜色的深浅；C称为色调，表示颜色的种类。用S和C表示色度，更便于人对颜色的感知。

现列出几种标准纯色的YSC值，如表1所示。

表1 几种标准纯色的YSC值

为了便于颜色识别，将上表的色度分量用矢量的形式绘于U-V坐标系中，称为彩色矢量图，如图1。色饱和度S=0的颜色是灰色的，其色调值无意义；亮度值Y=0的颜色是黑色的，Y=1的颜色是白色的，其色调值也无意义。在实际颜色识别中，要根据三基色R、G、B计算Y、S、C，由C确定的颜色种类，可以通过彩色矢量图定性得出。

图1 彩色矢量图

三、颜色评价函数

实际成像中的牌照，组成底色像素的YSC值并非严格一致，而是分布在YSC空间的一个较小的区域内，对字符色也是如此。［5］为了有效地进行分割，针对国内主要使用的蓝底白字的汽车牌照，本文提出了一种评价牌照颜色特征的评价函数，其定义如下。

（一）定义1 评价牌照底色特征的评价函数（蓝色评价）

定义1.1 设评价色调与牌照底色贴近程度的函数为正态分布函数：

这是一个高斯分布函数，其中C为被评价像素的色调，C0为牌照底色的主色调，由样板统计确定。α为尺度参数，控制色调的分布范围。

图2是eC的曲线，C偏离C0越远，eC的值越小。a越大，分布范围越宽。

图2 底色色调评价函数曲线

定义1.2 设评价色饱和度与牌照底色贴近程度的函数为：

其中S为被评价像素的色饱和度，b为尺度参数，控制色饱和度的分布范围。eS的曲线如图3所示。可以看到，S越大eS也越大，说明颜色越深，越贴近牌照底色。

图3 底色色饱和度评价函数曲线

定义1.3 设评价亮度与牌照底色贴近程度的函数为：

其中Y为被评价像素的亮度，c为尺度参数，控制亮度的分布范围。eY的曲线如图4所示。可见，Y越大eY也越大。因为牌照底色不能太暗，故eY为单调升。

图4 底色亮度评价函数曲线

定义1.4 牌照底色综合贴近程度的函数为：

e=eC×eS×eY

即用Y、S、C三个分量同时评价一个像素是否贴近牌照底色。该函数的值域为［0，1），其值越大，贴近度越高。

（二）定义2 定义评价牌照字符色特征的评价函数（白色评价）

定义2.1 设评价色饱和度与牌照字符色贴近程度的函数为：

其中S为被评价像素的色饱和度，d为尺度参数，控制色饱和度的分布范围。wS的曲线如图5所示，为单调降函数。S越小wS越大，说明颜色越浅，越贴近牌照字符色。

图5 字符色饱和度评价函数曲线

定义2.2 设评价亮度与牌照字符色贴近程度的函数为：

其中Y为被评价像素的亮度，f为尺度参数，控制亮度的分布范围。wY的曲线如图6所示。可见，Y越大wY也越大。因为牌照字符色为较亮的白色，故wY为单调升。

图6 亮度评价函数曲线

定义2.3 牌照字符色综合贴近程度的函数为：

w=wS×wY

即用Y、S、C三个分量同时评价一个像素是否贴近牌照字符色。该函数的值域为［0，1），其值越大，贴近度越高。

（三）定义3 定义评价牌照颜色特征的评价函数

函数为：p=e-w

p的值域为［-1，1］，适当选择参数C0，a，b，c，d，f，能使牌照底色的p值接近1，字符色的p值接近-1，而其它颜色的p值在0附近。尤其是色饱和度不高的颜色，p＜0。为加强抗干扰性能，可在p＜0时，令p= 0。

图7是对一幅车辆图像中有代表性的行y1、y2进行牌照颜色评价的结果。对于24位色的车牌图像，由样板统计确定的颜色评价函数各参数值如下：

图7 对某幅图像中的2行进行评价的结果

C0= 324°,a= 30,b= 30,c= 10,d= 30,f= 10

可以看到，对于y1行，虽然背景复杂，但Py1(x)的值基本为0；而对于y2行，Py2(x)的值在牌照区大幅度变化。当穿越背景和字符时，Py2(x)的值在［0，1］之间急剧跳跃，对检测牌照区域极为有利。通过使用颜色评价函数对图像的各像素点进行颜色评价，可以较好地获取到牌照的候选区。

四、牌照区域的粗分割

尽管颜色评价函数能有效地排除背景色的干扰，但在背景中仍可能存在少数符合牌照背景色的区域。对牌照区域进行粗分割的目的，就是要将用评价函数评价出来的区域作进一步筛选，尽可能保留真正的牌照区域，删除非牌照区域。牌照区域的重要特征是由字符笔画形成的纹理，判别一个区域是否为牌照区域，可以检测字符笔画边缘的分布情况。字符笔画的边缘对应评价函数的跳变沿，可以通过求评价函数梯度得到：

g(x)=p(x+2)+p(x+1)-p(x-1)-p(x-2)

根据牌照字符笔画边缘的分布情况，本文采用了栅格划分的方法来实现牌照区域的粗分割。

（一）栅格划分与击中

对于一幅图像，可以令行距和列距分别为6和16个像素点来划分栅格。然后，对图像进行逐行扫描，求出每行评价函数的梯度波形gy(x)。若gy(x)峰值的绝对值（包括正峰和负峰）大于指定的阈值t，则对应的像素位置称为击中点。击中点落在哪个栅格中就将哪个栅格的值增1。

栅格击中算法：

定义二维数组G[x][y]，全部赋以初值0。

对于图像中的各行y，重复如下过程：

计算gy(x)的值；

搜索gy(x)的峰点位置xp；

若gy(xp)的绝对值大于t，则将G[xp][y]加1。

被击中的栅格大多数落在牌照候选区上，如图8所示（被击中的栅格标有“*”符号）。

图8 被击中的栅格

（二）基于连通栅格区的牌照粗分割

若干个被击中的栅格在空间位置上构成连通的栅格区域。连通栅格区覆盖了牌照区，但也可能不全是牌照区。通常，非牌照区域一般不会同时构成牌照的纹理和尺度规模，这就是采用栅格划分的方法对牌照区域进行粗分割的依据。实现步骤如下。

步骤1 尽可能排除不可靠的被击中栅格。不可靠的被击中栅格是指被击中次数较少的栅格，因为它在满足牌照区域的纹理特征上不够充分。算法如下：

选定阈值TG；

对全部被击中的栅格：若G[x][y]大于阈值TG，则令G[x][y]= 1；

否则令G[x][y]= 0。

图9是经过阈值TG= 2筛选的栅格，对比图9可知，一些不可靠的栅格被删除。

图9 不可靠的栅格被删除

步骤2 对栅格连通区的形状进行修整，使之接近牌照的矩形形状，并希望当牌照达到3×2栅格或以上时能被检测出来。因此，在栅格连通区中，若子区域达到3×2规模，则应予接收。实际中，可能存在接近此规模的栅格子连通区，例如，3×2区域中有5格属于栅格连通区，在这种情况也应予接收。算法如下：

对于栅格连通区中的全部栅格G[x][y]：若以G[x][y]为左上角的3×2区域中有5格或以上属于栅格连通区，则保留此3×2区域；

否则删除此3×2区域。

步骤3 采用连通区遍历算法，得到包围保留下来的栅格连通区的最小矩形，记为S(x1,y1,x2,y2)。连通区遍历一般针对像素点构成的连通区进行。本文借用了遍历像素点连通区的算法，从形式上将栅格当作像素点处理。经过步骤2，将保留下来的栅格值设为“1”，并将其视为“1像素”。其余栅格值为“0”，将其视为“0像素”。为了在遍历的同时获得包围“1”栅格连通区的最小矩形，采取如下算法：

先找到一个“1”栅格，设其坐标为(x0,y0)，作为种子栅格；

令S(x1,y1,x2,y2)=S(x0,y0,x0,y0)；

考察种子栅格的8邻栅格，若为“1”则压入堆栈；

从堆栈中弹出一栅格，设其坐标为(xi,yi)；

若xi＜x1，则令x1=xi；

若xi＞x2，则令x2=xi；

若yi＜y1，则令y1=yi；

若yi＞y2，则令y2=yi；

若栈空，结束；

否则，将(xi,yi)作为种子栅格，转到第3段。

算法结束后，得到的S(x1,y1,x2,y2)即为包围“1”栅格连通区的最小矩形。然后将S(x1,y1,x2,y2)的左右均扩大1栅格，并记为S'(x1,y1,x2,y2)，目的是使牌照的左右边可靠地含于S'(x1,y1,x2,y2)中。结果如图10所示。

图10 栅格连通区遍历算法获得的包围“1”栅格连通区的矩形区域

五、牌照区域的精定位

通过以上方法，可得到包含牌照左右边界的矩形区域S'(x1,y1,x2,y2)。为了精确地获取牌照的左右边界，还需要在S'(x1,y1,x2,y2)中对牌照左右边进行精定位。

（一）牌照底色区域的分割

对于汽车牌照，其各个尺度参数中宽度是最大的。而牌照底色区域的宽度基本能表达牌照的宽度，且面积较大，比较好提取。这里再次利用颜色评价函数的值，对S'(x1,y1,x2,y2)中的像素点进行分割。通过样本试验，发现取评价函数最大值的50%，即0.5作为分割阈值效果最好，算法如下：

取分割阈值T为0.5；

对S'(x1,y1,x2,y2)中的所有像素点，重复如下过程：

得到该点的颜色评价函数值；

如果评价函数的值＞0.5，则将该像素点确定为牌照底色点；

否则，该像素点不是牌照底色点。

图11为再次利用颜色评价函数分割牌照底色区域的结果。

图11 用评价函数分割牌照底色区域的结果

（二）干扰区域的排除

在图12中，为了找到牌照底色的左右边界，还需要排除干扰造成的孤立小区域。分析干扰形成的原因，可知具有如下特征。

图12 搜索牌照底色的左右边界

第一，干扰区域覆盖的像素点接近牌照底色，其评价函数值高于0.5，但其评价函数的平均值比牌照区域的平均值要小。

第二，干扰区域的面积一般较小。因为干扰区域一般落在S'(x1,y1,x2,y2)中的扩大部分，不会超过1格的宽度。

第三，由于牌照边缘的存在，干扰与牌照底色区域一般不会连通。

通过对上述特征的分析，可采用以下算法搜索牌照底色的左右边界。

1.搜索左边界。

for（x=x1+（x1+x2）/3；x＞x1；x--）

若从y1到y2未遇到分割出来的点，break；

令x为左边界，记为xL。

2.搜索右边界。

for（x=x2-（x1+x2）/3；x＞x1；x--）

若从y1到y2未遇到分割出来的点，break；

令x为右边界，记为xR。

其中，x1、y1、x2、y2如图12所示。

由图可见，排除少数由干扰造成的孤立小区域后，分割出来区域的左、右边即为牌照的左、右边。

六、结论

根据YSC颜色识别的车辆牌照定位方法，对实际道路采集的前车视频图像进行试验，均能有效的提取车牌。