随着科技的发展和人们生活水平的提高,智能监控系统在安防等领域发挥着越来越重要的作用,其中对车辆、车牌等目标的检测识别的智能监控系统占了很大的比例。车辆的车牌作为车辆的唯一身份标识,一直都是人民关注的重点,所以设计一套快速高鲁棒性的车牌检测算法是非常关键的。本文首先对现有的车牌检测技术进行的分析,针对现有算法大都依赖于颜色和纹理信息,受光照等影响过大,并且只适用于清晰车牌的问题,在总结我国车牌易于检测的特点的基础上,寻找清晰车牌和模糊车牌的共同特征,剔除鲁棒性低的特征,设计了基于多特征级联筛选的高鲁棒性监控图像车牌检测算法。考虑到清晰车牌和模糊车牌都具有长宽符合一定比例的矩形边框,并且边框内字符和数字间存在明显分割区间和分割点这两个特征,设计了基于梯度特征的车牌区域预检测算法。将正样本依据车牌的清晰程度分为三类,提取他们的归一化梯度特征,并用多尺度遍历保存特征框的大小。使用提取到的特征训练线性SVM分类器,得到代表每个位置权重的模板值。将模板和待检测图像做卷积可得到不同坐标点的模板匹配系数,每个尺度去匹配系数最高的若干个框即为车牌可能出现的区域。由于模板匹配过程中存在大量重复计算导致算法速度较慢,通过对模板的近似和对特征的拆分,将卷积的实现变成计算机的位“与”和位“或”操作,大大降低了算法的时间复杂度。由于预检测的区域中存在梯度特征和车牌区域很像的“伪车牌”区域,需要将这些区域剔除,而这些区域和车牌区域最大的区别就是颜色对不满足我国车牌的固定颜色对,所以可以采用主颜色提取的方法对预检测的结果进行级联筛选,从而剔除误检区域。首先将RGB颜色空间转换到HSV颜色空间,提取空间聚集度较高的像素的颜色直方图,然后通过聚类的方法排除局部小峰的干扰,最后留下3种左右的主颜色。若最终判定的主色满足车牌的固定颜色对,则判定为车牌区域。对所有判定为车牌区域的候选框根据重合程度进行合并,得到最终车牌检测的结果。