基于MSER和SVM以及强种子区域生长的车牌定位

作者：侯向宁^*; 刘华春

来源：西安工程大学学报, 2019, 32(02): 180-185.

DOI：10.13338/j.issn.1674-649x.2019.02.011

• 车牌定位
• 文本检测
• 最大稳定极值区域
• 支持向量机
• 强种子
• 区域生长

针对传统车牌定位方式的缺陷,给出了将自然场景下文本检测的最大稳定极值区域(MSER,maximally stable extremal regions)算法与支持向量机(SVM,support vector machine)相结合的车牌定位方法。首先利用MSER算子对车牌字符进行初步定位,并依据字符区域的高宽比和占空比剔除明显不是字符的区域,再剔除重叠的字符区域,从而得到候选字符区域,然后将候选字符区域输入训练好的SVM分类器,用来剔除无效的字符区域。最后利用强种子的区域生长法将真实的字符区域聚合,通过求解连通区域的外接矩形,最终提取车牌区域,实现对车牌的精确定位。对比实验结果表明,在不同的自然场景下,该方法比传统的车牌检测算法的定位准确率高2%～3%,其自适应能力和鲁棒性都比较好,具有较高的实用价值。

• 单位
  成都理工大学工程技术学院