导读:车牌定位算法分为三类,一是基于边缘定位,二是基于颜色定位, 三是基于机器学习。用边缘检测查找垂直边缘的方法,可成功定位大部分车牌,定位准确率在 70%左右,对垂直边缘交错的情况下,无法准确地定位车牌。在色彩充足,光照足够的情况下,颜色定位的效果很好,但是在面对光线不足的情况,或者蓝色车身的情况时,颜色定位的效果很糟糕。但如果将边缘定位和颜色定位结果融合,可提升到90%的定位准确率。基于机器学习的算法,不少人利用adaboost+haar特征进行车牌检测,虽然检测率很高,但虚检率很高,很难把车牌完整区域检测出来,所以单独用机器学习方法不可行,可以先利用边缘信息找到候选区域,然后用adaboost去去除非车牌区域,这个效果还是蛮不错的。
要做好车牌定位算法,需要了解车牌的相关信息,按照我国交通管理部门的规定,汽车牌特征如下:
1、颜色特征: 我国车牌颜色分为4种, 分别是蓝底白字、黑底白字、黄底黑字和白底黑字。其中常规车辆使用的是蓝底白字。
2、结构特征:车牌宽度440mm,高度140mm,宽高比3.14。车牌中字符宽度45mm,高度90mm,宽高比0.5,车牌应安装于汽车下部。