第5卷第6期 智能系统学报 Vol.5 No.6 2010年12月 CAAI Transactions on Intelligent Systems Dec.2010 doi:10.3969/i.isgn.1673-4785.2010.06.001 高斯差分的AdaBoost车牌定位方法 刘彬，严京旗，施鹏飞 (上海交通大学图像处理与模式识别研究所，上海200240) 摘要：针对实际拍摄场景中的复杂光照条件以及不同车牌颜色对车牌定位造成的影响，提出了一种基于高斯差分 图像的AdaBoost车牌检测算法.该算法首先对原始灰度图像进行高斯差分，得到其对应的高斯差分图像，然后利用 基于DoG图像的DoG+AdaBoost分类器与基于灰度图像的Gray+AdaBoost分类器构成二级车牌检测器进行车牌检 测，最后根据车牌中的车牌号码信息对车牌检测结果进行验证，得到最终的车牌定位结果.该算法利用高斯差分方 法，很好地抑制了复杂光照和不同车牌颜色对车牌检测造成的影响，具有较快的定位速度和很高的检出率.实验表 明，该算法能获得很好的车牌定位效果，具有较高的实用价值 关键词：复杂光照条件：车牌定位：AdaBoost算法；高斯差分 中图分类号：TP391.4文献标志码：A文章编号：16734785(2010)06047105 A license plate location method based on the DoG AdaBoost algorithm LIU Bin,YAN Jing-qi,SHI Peng-fei (Institute of Image Processing and Pattern Recognition,Shanghai Jiaotong University,Shanghai 200240,China) Abstract:While focusing on the effect of complex illumination conditions in an actual shooting scene and different colors of a license plate in various locations,a license plate detection method was presented based on the DoG+ AdaBoost algorithm.First,by differential Gaussian processing,the DoG image was obtained from the gray-scale image,and then a 2-stage detector formed by the DoG AdaBoost classifier and Gray +AdaBoost classifier was used to detect the license plate.Finally,the registration number information was used to verify the license plate and to produce the final result.The algorithm greatly reduced the effect of complex illumination conditions and different colors of the license plate in various locations with a fast processing time and high detection rate.The algorithm per- formed well in the experiment and possesses high practical value. Keywords:complex illumination conditions;license plate location;AdaBoost algorithm;differential of Gaussian (DoG) 车牌识别(LPR)是智能交通系统(TS)中的重连通域分析2]等；基于灰度图像的车牌定位，主要 要组成部分之一，应用十分广泛.它通过对摄像机所 包括二值化图像的车牌定位方法，包括边括整体图 拍摄的车辆图像或者视频序列进行分析和处理，得 像分析、局部图像分析)等：基于彩色图像的车牌 到车牌信息，进而可以实现停车场收费管理、汽车防 定位方法，主要有直方图分析、颜色空间变换4等： 盗等功能，对于实现交通自动化管理有着十分重要 基于机器学习的车牌定位方法，主要包括Ada 意义. Boost561、支持向量机和人工神经网络等.由于实际 车牌识别系统包括3个主要模块，即车牌定位、 拍摄到的车辆图像受很多因素的干扰，包括复杂光 车牌字符分割和字符识别.其中车牌定位效果的好 照（阴影、曝光等）、不同拍摄角度和拍摄距离、不同 坏直接影响着整个系统的性能.目前有关车牌定位 的拍摄背景等，这些都给车牌定位带来了不同程度 的算法主要有：基缘统计14]、数学形态学处理口和 的影响.针对以上这些问题，提出了DoG+AdaBoost 算法训练车牌分类器进行车牌检测，并结合车牌号 收稿日期：2010-04-17. 基金项目：国家自然科学基金资助项目(60873137) 码信息对检测到的车牌进行校验，进而得到最终的 通信作者：严京旗.E-mail:jqyane@jtu.edu.cn 车牌定位结果