車牌識別技術論文

　　車牌識別技術問題是近年來智慧交通系統技術研究的熱點問題，這是小編為大家整理的，僅供參考!

　　篇一

　　車牌識別技術研究

　　摘要：車牌識別技術問題是近年來智慧交通系統技術研究的熱點問題，車牌識別技術主要包含三個部分：影象預處理、車牌定位及校正、車牌文字識別。本文介紹了複雜背景下車牌識別系統的實現方法。

　　關鍵詞：車牌識別技術;智慧交通;Mean Shit演算法

　　中圖分類號：TP391.41 文獻標識碼：A 文章編號：1007-9599 ***2013*** 09-0000-02

　　隨著汽車在人們的工作、生產和生活中扮演著越來越重要的角色，汽車的保有量也在急速增加。由此帶來的交通管理問題也變得越來越複雜，智慧交通系統的建立是最好的解決問題的方法。而車牌識別技術在智慧交通系統中佔有十分重要的地位。停車廠、收費站、生產企業的門禁管理都有車牌識別技術的身影。

　　在車輛車牌識別技術中的影象提取、字元分割起、字元識別過程中，數字影象處理技術起到了重要作用。但由於影象提取現場可能存在因時間、光線、天氣的變化而造成的干擾使車牌成像效果較差的問題。所以目前現有的車牌識別系統都存在因環境變化而產生的識別率變化的問題。

　　1 車牌影象預處理技術

　　車牌影象預處理技術一般包括通過濾波技術、灰度化、影象增強、數學形態學等。

　　1.1 濾波技術

　　在實際工作場景中採集到的數字影象通常會因為外界環境、攝像裝置、傳輸線路或儲存精度等方面的原因，使其在進行預處理前受到各種噪聲的汙染。並且在影象處理過程中也可能會對影象產生噪聲。噪聲與我們想要處理的影象沒有任何關聯，還會對我們的處理產生不好的影響。所以，一般情況下我們會在進行影象處理前對影象採用濾波技術進行處理，常用的濾波方法有：中值濾波、均值濾波、高斯濾波等。

　　1.2 影象增強演算法

　　影象的對比度不足是影象處理的過程中經常會遇到的問題。主要的原因是在獲取車牌影象時受外界環境的影響。對比度不足的影象會影響到影象的後續處理效果，所以，一般情況下，在進行影象處理前會使用灰度變換的方法來對影象進行對比度增強處理，以達到改善視覺效果的目的。

　　1.3 數學形態學

　　數學形態學[1]是在1964年由法國巴黎礦業學院博士生賽拉***J. Serra***和導師馬瑟榮，在從事鐵礦核的定量岩石學分析及預測其開採價值的研究中提出的。數學形態學的數學基礎和所用語言是集合論，因此它具有完備的數學基礎，這為形態學用於影象分析和處理、形態濾波器的特性分析和系統設計奠定了堅實的基礎。基本方法是利用一個擁有一定形狀的結構元素來檢測影象的形狀和結構。

　　1.4 Mean Shift演算法

　　Mean Shift這個概念最早是1975年在一篇關於概率密度梯度函式的估計的文章中由Fukunaga等人提出來的，它的意思是偏移的均值向機構量。一般是指一個迭代的步驟，即先算出當前點的偏移均值，移動該點到其偏移均值，然後以此為新的起始點，繼續移動，直到滿足一定的條件結束。目前，Mean Shift演算法較多地應用到影象聚類方面。

　　2 車牌的定位與校正

　　本章主要描述的是對已有車牌定位方法的研究，瞭解它們的演算法原理及其優缺點，並提出了一種效果更好適用範圍更廣的車牌識別系統方法，即將Mean Shift演算法運用到車牌識別系統，然後在此基礎上對車牌進行校正。

　　2.1 車牌定位

　　車牌定位是指根據車牌影象的區域特徵來將車牌在影象中的部分從背景影象中分離開來，由於車牌區域在影象特徵主要包括顏色和形狀，車牌區域的顏色一般為藍色、黃色或白色，它們與影象的背景顏色存在較大的差異。車牌的形狀一般為矩形。而車牌號在外形和排列上都存在規律性。車牌定位技術就是將上述特徵經過一定的變換與處理後，使之能作為車牌定位的依據。

　　常用的車牌定位的方法有基於顏色的方法、基於紋理特徵的方法、基於數學形態學的方法、基於小波變換的方法等。這些車牌定位方法，都各自具有不同的侷限性。使用Mean Shift演算法進行車牌定位可以獲得比較好的效果。對於影象空間的所有畫素點，在經過Mean Shift演算法迭代後，如果最終收斂於同一點，則停止迭代。用同樣的方法對影象空間中的所有畫素點進行迭代遍歷，得出的結果根據收斂點的不同可以把整個空間分成幾個區域。這些區域即為可能的車牌區域，再通過上述特徵在可能的車牌區域中進行對照分析，就可以得到車牌區域。

　　2.2 車牌校正

　　車牌校正是為了解決拍攝的車牌影象因為角度問題，導致定位後的車牌傾斜，而傾斜的車牌會給車牌識別系統的後繼步驟增添麻煩，車牌校正是必須的。車牌校正是利用車牌區域的矩形序列分佈同組成車牌號的字母、數字位置的分佈基本一致的特徵，找到了矩形序列中矩形左上角畫素點排列的近似斜率，從而找出車牌區域的偏轉角度，完成車牌影象區域的校正。

　　3 車牌的字元分割與字元識別

　　3.1 車牌字元分割

　　車牌字元分割主要後面的字元識別做準備，它是把車牌影象區域中的字元和數字一一地分割開，以便於後續處理中對單個字元進行識別。字元分割的方法[2]主要有：基於連通域標記的字元分割演算法、灰度垂直投影分割的方法等。

　　灰度垂直投影分割的方法是車牌字元分割處理中比較熱門的技術。李文舉[3]等在《種新的面向字元分割的車牌影象預處理方法》一文中提出的演算法步驟是：字元上下邊界的確定採用的是由中點到兩端搜尋的方法;運用一維迴圈清零法對分離出的車牌號影象區域進行垂直分割，從而得到車牌的單個字元;再對二值影象進行垂直投影，若垂線上有亮點則將對應的投影值設為1，否則為0，得到垂直投影矩陣。如果是車牌字元的話，則在生成的垂直投影矩陣上應該是連續的1。如果是字元之間的間隔的話，則應該是連續的0值，噪聲點可能會出現單個的1和0值。在對矩陣進行掃描後，就可以識別出字元區和間隔區。

　　3.2 車牌的字元識別

　　車牌字元識別是將分割開的單個字元進行匹配判斷。常用的車牌字元識別方法主要有：基於模板的識別演算法、基於BP神經網路的識別演算法等。

　　基於模板的識別演算法由於其處理速度快、識別率高的特點為大多數設計所採用。它是把分割後的單個字元區域與預置的標準字符集進行匹配處理，取標準字符集中相似度最大的字元作為識別結果。這種演算法的處理步驟是：將單個字元影象區域進行二值化並改變字元大小，使之與字符集中的字元大小相同，然後再進行匹配操作，篩選出相似首先需要有字元模板庫，將待識別的字元進行二值化後，將其大小變成字元模板庫中字元大小，然後與庫中的字元進行匹配，以相似度最高的字元為最終結果。因為演算法簡單所以演算法的速度較快，只要在前期的預處理中降噪做得比較好，這種演算法的識別率也相對較高，是一種簡單、快速、有效的字元識別技術，商用價值較高。

　　從目前研究情況盾來，由於車牌影象拍攝環境的複雜性和多變性，在選擇及判斷識別技術的好壞時具有一定的難度，現有的一些方法也存在不足。而智慧化交通系統對車牌識別技術的需求卻十分急迫。因此，需要我們進一步深入研究更有效的車牌識別技術，以使車牌識別系統更加完善。

　　參考文獻：

　　[1]戴青雲，餘英林.數學形態學在影象處理中的應用進展[J].控制理淪與應用，2001，1，18***4***：478-482.

　　[2]左望霞.複雜背景下多車牌影象分割技術研究[D].電子科技大學碩士學位論文，2006.

　　[3]李文舉，樑德群，崔連延，畢勝.一種新的面向字元分割的車牌影象預處理方法[J].計算機應用研究，2004***7***：258-260.

　　[作者簡介]王超***1973.8-***，男，重慶江津人，講師，研究方向：智慧演算法，軟體工程。

　　篇二

　　高速公路車牌識別技術

　　摘要：隨著社會的發展進步，車牌識別已經逐漸的發展成為智慧交通系統中較為重要的組成部分，也是收費系統防止作弊的重要手段，更是高速系統自動化收費系統必須解決的關鍵問題，主要的目的是可以從影象中自動提取出車牌的影象，分割字元影象，實現對車牌資訊的識別和比對。它不僅僅是計算機視覺與模式識別技術重要的研究話題，更是交通管理智慧化的關鍵技術之一。目前，國內外都致力於這方面的研究，如模版匹配，神經網路，小波變換等，也都取得了較好的研究成果。

　　關鍵字：車牌識別,模版匹配，神經網路，小波變換

　　 the development of society progress,License plate recognition has gradually become the development of intelligent transportation system an important part, also is the charging system to prevent an important means of cheating, but also high speed system automatic charging system must solve the key problem, the main purpose is to extract image automatic license plate image, segmentation character image, realize on license information recognition and matching. It is not only a computer vision and pattern recognition technology important research topic, but also intelligent traffic management one of the key technologies. At present, the home and abroad have devoted to the research of this aspect, such as template matching, neural network, wavelet transform and so on, have achieved good results.

　　 plate recognition, template matching, neural network, wavelet transform

　　中圖分類號：U412.36+6 文獻標識碼：A 文章編號：

　　1 引言

　　隨著高速公路系統新技術的高速發展，車牌識別技術已經成為交通應用方面的重要組成部分，切社會對其的應用也十分廣泛，它不但在高速，隧道，橋樑等方面被廣泛應用，而且也逐漸的被應用於小區，停車場等方面，也在電子警察和違章拍照方面做出較大貢獻，介於車牌識別技術的廣泛應用，越來越過的國家也都致力於對其的研究，同時也提出了一些較好的辦法。但是，單方面而言其流程大概一致，關鍵差別在於前端採集系統圖像的精度，和後端的演算法處理。

　　2車牌識別系統的介紹

　　汽車牌照自動識別系統是智慧交通系統的重要組成部分，是高科技的公路交通監控管理系統的主要功能模組之一。它在傳統的交通監控技術的基礎上，引入了數字攝像技術和計算機資訊管理技術，採用先進的影象處理、模式識別和人工智慧技術，通過對車輛影象的採集和處理，獲得車輛的數字化資訊，從而達到更高的智慧化管理水平。它運用車牌是車輛身份的唯一標識的思想概念來智慧識別和統計車輛，涉及影象的捕捉、處理、理解和記錄等技術。其中車牌識別又可以依據針對的方向不同可以分為車輛圖片識別，和視訊車牌號識別，其中車輛圖片識別主要針對單張圖片進行抓拍處理，識別圖片中的車牌號碼，而視訊車牌號識別則主要應用於高速公路收費，交通治安，闖紅燈系統，小區或是停車場的監控系統中，兩項程式都可以清晰的捕捉影象，並適用於win98,2000,XP,等系統，適用較為方便快捷，下圖是車牌識別系統流程。

　　圖1 車牌識別系統流程

　　Fig 1 License plate recognition system process

　　3影象字元分割

　　在車牌識別的整個過程中，為了達到字元識別的目標從提取的車牌影象中分割出字元的工作室必不可少的，閥值分割，目標與背景區別，車牌字元傾斜校正，單個字元切割以及字元的歸一化都是影象字元分割的主要工作。

　　車牌影象閥值分割：閥值分割主要是基於畫素的一種影象分割方法，主要目的是選擇一個合適的灰度值T將影象所有的灰度值相比較，大於T和小於T的分別歸類，在識別系統中影象經過預處理，質量有所提高，且背景干擾不嚴重我們通常使用最大類間方差法***Otsu法***進行分割其方法原理如下：

　　設數字影象的灰度級***G=1,2，…，L***處在灰度級i的所有畫素用i表示，總的畫素N可表示為：

　　設Pi表示影象中灰度級為i出現的概率，且定義為：

　　將影象中的畫素按灰度級用閥值T劃分為兩類C0和C1，則兩類出現的概率分佈為：

　　有時，由於存在一些背景的干擾，用Otsu方法求得的閥值進行分割不能最好的起到保留車牌字元的效果所以根據調差發現對於車牌的定位，當在1.02~1.20時的分割效果比較好。

　　4 結論

　　該技術已經越來越多的被應用在不同的場合，越來越體現出該技術在高速公路監控等系統中的重要地位，也是國內為很多公司都致力於這項技術的原因，目前對於車牌識別技術仍存在諸多問題，如：預處理過程中產生的誤差，車牌定位及字元的分割及識別，沒有用到車牌原有的顏色特徵，都需要在研究的過程中進一步的加以改進。

　　參考文獻