[摘要] 本文主要介紹了智能車牌識(shí)別系統(tǒng)中車牌定位與識(shí)別模塊的有關(guān)技術(shù)。

[關(guān)鍵詞] 車牌定位車牌識(shí)別字符分割字符識(shí)別

車牌識(shí)別技術(shù)在公共安全、交通管理、及相關(guān)軍事部門有著重要的應(yīng)用價(jià)值，目前該技術(shù)主要應(yīng)用于職能交通系統(tǒng)（Intdligent Transportation SystemITS）。一般來(lái)講車牌識(shí)別軟件系統(tǒng)主要包括三部分，它們是車牌定位、車牌分割和字符識(shí)別，車牌定位的任務(wù)是給出圖像中車牌的位置，車牌分割的主要任務(wù)是將定位后的車牌區(qū)域中的字符分割出來(lái)，字符識(shí)別是最后一部分，它的主要任務(wù)是將分割出的字符識(shí)別出來(lái)。有關(guān)車牌識(shí)別技術(shù)國(guó)內(nèi)外有大量的研究報(bào)道，在車牌識(shí)別系統(tǒng)中，涉及的方法比較多，有的算法簡(jiǎn)單，速度快，但識(shí)別正確率較低；有的算法復(fù)雜，正確率高，但速度慢，以下對(duì)現(xiàn)有的一些車牌識(shí)別技術(shù)進(jìn)行綜述比較。

一、車牌定位技術(shù)

車牌定位就是從車牌的圖像中提取出車牌區(qū)域，它的好壞直接關(guān)系到這個(gè)系統(tǒng)識(shí)別率的高低，并且對(duì)識(shí)別速度也有很大的影響。由于車牌背景的復(fù)雜性與車牌特征的多樣性，迄今為止， 仍沒有一個(gè)完全通用的職能化車牌定位方法。車牌定位算法目前主要有基于彩色的方法、尋找車牌圖像上下邊界的方法、基于灰度的方法、基于頻域或其他變換域的方法等幾大類，結(jié)合這些基本方法與各種優(yōu)化算法又派生出許多其他定位算法。

1.利用車牌的紋理的幾何變化的定位方法

對(duì)車牌區(qū)域檢測(cè)需要運(yùn)用車牌區(qū)域所特有的屬性。按照模式識(shí)別原理，應(yīng)找到車牌區(qū)域圖像固有的且與圖像其他區(qū)域不易混淆的屬性，并且所有使用的屬性在各種環(huán)境下攝取的圖像具有穩(wěn)定性。在各種條件下車牌所在的圖像區(qū)域穩(wěn)定可靠的信息是它具有豐富的邊緣，因此涉及了對(duì)邊緣紋理信息分析為基礎(chǔ)的算法。

這類算法的流程可以分為三個(gè)步驟:(1)預(yù)處理，將彩色圖像轉(zhuǎn)換成灰度圖并進(jìn)行圖像邊界增強(qiáng);(2)利用根據(jù)牌照特點(diǎn)設(shè)計(jì)的變換公式進(jìn)行變換;(3)對(duì)變換后的圖像進(jìn)行分析，利用牌照的幾何特點(diǎn)進(jìn)行定位。

2.利用圖像信息差進(jìn)行車牌定位的方法

這種方法是利用兩幀或兩場(chǎng)車牌圖片之間的信息差，進(jìn)行車牌的定位，所以這種方法也叫基于互相關(guān)矢量圖的車牌定位算法。該算法已于車牌字符筆畫兩個(gè)邊緣互相關(guān)值最大的原理，由原始圖像構(gòu)造兩幅圖像，用類似粒子圖像測(cè)速互相關(guān)方法求出“位移矢量圖”，再?gòu)闹幸罁?jù)先驗(yàn)知識(shí)進(jìn)行車牌定位的算法。該算法的特點(diǎn)是可在車牌兩倍大小范圍內(nèi)自適應(yīng)車牌大小，同時(shí)還可以得到對(duì)后續(xù)處理非常有用的信息。

3.利用顏色的車牌定位的方法

利用顏色的車牌定位方法不同于大多數(shù)的車牌定位方法，由于對(duì)車牌的大小、汽車在圖像中的位置以及圖像背景的限制很少，而且綜合特征定位要比單一特征定位更符合人的視覺要求，因而定位效果更好，應(yīng)用范圍更廣。有關(guān)車牌的模型化，根據(jù)機(jī)動(dòng)車牌號(hào)標(biāo)準(zhǔn)，中國(guó)車牌照主要有藍(lán)底白字、黃底黑字、黑底白字、和白底黑字4種類型，根據(jù)車牌底色，利用顏色空間距離及相似度計(jì)算，就可以從圖像中分割出想要的顏色區(qū)域，再采用投影法來(lái)找到該顏色區(qū)域。

4.投影法進(jìn)行車牌定位

在所有的車牌定位算法中，利用投影法進(jìn)行牌照區(qū)域與背景的分割，是一種非常常用的方法，也是非常實(shí)用的方法。其實(shí)在上面提到的幾種定位放法中，在完成特征計(jì)算后，都采用了投影的方法進(jìn)行切分。投影法定位有牌照水平方向的定位算法和垂直方向的定位算法兩種。

二、字符分割技術(shù)

在經(jīng)過(guò)車牌定位后，為了方便后面的識(shí)別環(huán)節(jié)，應(yīng)首先對(duì)字符進(jìn)行分割，并進(jìn)行歸一化，分割質(zhì)量的好壞和正確與否將直接影響后面的識(shí)別結(jié)論是否正確。它的主要任務(wù)是:確定車牌字符的上下邊界，兩條直線;將車牌中的字符一一分割出來(lái);將分割出來(lái)的字符歸一化到一個(gè)固定的大小。在這一過(guò)程中涉及到的技術(shù)主要有二值化、尋找精確字符邊界、字符分割。

1.圖像的二值化

二值化是車牌識(shí)別中的重要處理手段，它可以被用在車牌定位也可以用在車牌的分割中。圖像的二值化就是把灰度圖像變成黑白圖像。選取一個(gè)閥值，當(dāng)灰度值大于該閥值時(shí)令其位白點(diǎn)，否則位黑點(diǎn)。根據(jù)閥值選取的不同，二值化的算法分為固定閥值和自適應(yīng)閥值。一般來(lái)說(shuō)，不同的圖像采用同一個(gè)閥值的效果也會(huì)大不一樣，所以自適應(yīng)閥值的靈活性比固定閥值的處理效果要好。但在默寫特定的情況下，由于處理的是一組相似的圖像，因此也可以選擇一個(gè)固定的閥值來(lái)進(jìn)行處理。自適應(yīng)閥值的缺點(diǎn)是可能會(huì)產(chǎn)生許多噪聲點(diǎn)，如果車牌系統(tǒng)應(yīng)用范圍很窄，則可以選擇一個(gè)適當(dāng)?shù)墓潭c(diǎn)做閥值。

2.尋找邊界

二值化后需要尋找車牌字符的邊框，一邊更精確地定位車牌。根據(jù)在字符區(qū)域與背景區(qū)域的交界處，前景象素的個(gè)數(shù)會(huì)發(fā)生突變。從區(qū)域的中間點(diǎn)出發(fā)，依次尋找上、下、左、右邊界。經(jīng)過(guò)上面的車牌定位，可以認(rèn)為該塊區(qū)域的中心點(diǎn)位于字符區(qū)域內(nèi)。統(tǒng)計(jì)每一行和每一列的白點(diǎn)（即前景點(diǎn)顏色）個(gè)數(shù)，當(dāng)發(fā)生沖突的時(shí)候就認(rèn)為有可能到達(dá)邊界了，排除一些噪音干擾，就可以得到字符區(qū)域的邊界。

3.字符分割

經(jīng)過(guò)牌照字符圖像的分割與二值化，得到的是一個(gè)只包含牌照字符的水平條區(qū)域，為了進(jìn)行字符識(shí)別，需要將牌照字符從圖像中分割出來(lái)。投影法進(jìn)行圖像字符分割是最簡(jiǎn)便快捷的方法，其思想是根據(jù)車平均字符的特點(diǎn)，把車牌圖像進(jìn)行垂直方向的投影，音字符區(qū)域黑色像素點(diǎn)比較多且集中，且每個(gè)車牌字符之間有一定的空隙間隔隔開。這樣投影下來(lái)得到的投影圖應(yīng)該有幾個(gè)相對(duì)集中的投影峰值群，只需要根據(jù)峰值群的特點(diǎn)進(jìn)行分割，就可以得到車牌的字符。

車牌圖像字符定位分割的具體算法如下:(1)對(duì)車牌圖像進(jìn)行垂直投影，定位出每個(gè)字符的左右邊界，并保存在數(shù)組中;(2)把每個(gè)字符分割出來(lái)，再進(jìn)行水平投影，定位出字符具體的上下邊界，并保存再數(shù)組里;(3)根據(jù)每個(gè)字符的邊界，把字符信息保存再數(shù)字里，并在圖像中顯示定位情況。

三、字符識(shí)別

字符識(shí)別是車牌識(shí)別的最后一步，也是計(jì)算量較大的部分。對(duì)于單個(gè)的字符，最直接的識(shí)別方法就是模板匹配方法，由于牌照字符有限且位確定的字體，因此，如果前面的步驟完成的質(zhì)量較高，則用這種方法的識(shí)別效率也會(huì)很高，但是如果牌照校正得步規(guī)范或字符切割得不夠精確，則識(shí)別率就會(huì)大大降低，因此在實(shí)際中，通常都是利用字符的各種特征來(lái)進(jìn)行識(shí)別。

1.字符的特征

車牌識(shí)別中可利用的字符特征很多，大致可以分為結(jié)構(gòu)特征、象素分布特征及其他特征。

(1)結(jié)構(gòu)特征，結(jié)構(gòu)特征充分利用了字符本身的特點(diǎn)，由于車牌字符通常都是較規(guī)范的印刷體，因此可以較容易地從字符圖像上得到它的字符的筆畫信息，并可根據(jù)這些信息來(lái)判別字符。

(2)象素分布特征，象素分布特征的提取方法很多，常見的有水平/垂直投影的特征、微結(jié)構(gòu)特征和周邊特征等。水平/垂直投影的特征是計(jì)算字符圖像在水平和垂直方向上的象素值的多少，以此作為特征。微結(jié)構(gòu)法將圖像分為幾個(gè)小塊，統(tǒng)計(jì)每個(gè)小塊的象素分布。周邊特征則計(jì)算從邊界到字符的距離。

2.字符識(shí)別方法

(1)模板匹配字符識(shí)別。模板匹配是字符識(shí)別的最基本的方法之一，該方法是將要識(shí)別的字符與實(shí)現(xiàn)構(gòu)造好了的模板盡心比較，根據(jù)與模板的相似度大小來(lái)確定最終的識(shí)別結(jié)果?；舅枷胧牵菏紫雀鶕?jù)切割下來(lái)的字符大小，確定一幅帶有加權(quán)因子的骨架模板，然后，將切割下來(lái)的字符按照模板的大小進(jìn)行歸一化，包括大小的歸一化和灰度的歸一化，歸一化后的字符圖像與創(chuàng)建的模板進(jìn)行匹配。

(2)基于過(guò)線數(shù)特征的識(shí)別方法。該方法是為了提高識(shí)別速度，它也是模板匹配的一種，是對(duì)模板的算法進(jìn)行的優(yōu)化，從模板中提取一些有用的特征，可以使識(shí)別速度大大提高。單一特征抽取構(gòu)成的識(shí)別系統(tǒng)通常難以滿足要求。車牌識(shí)別系統(tǒng)的字符識(shí)別，其實(shí)也是一種印刷體字符識(shí)別，根據(jù)印刷體的結(jié)構(gòu)抽取特征，比如數(shù)字識(shí)別為例，可以抽取四種特征：橫線特征、豎線特征、水平方向過(guò)線數(shù)、垂直方向過(guò)線數(shù)。然后就可以利用這四種特征和編碼器組合的方法實(shí)現(xiàn)對(duì)印刷體數(shù)字的識(shí)別。

(3)基于左右輪廓特征的印刷體數(shù)字識(shí)別?；谧笥逸喞卣魈崛〉姆椒ㄆ鋵?shí)質(zhì)也是一種特征提取的方法。由于印刷體數(shù)字的形狀相對(duì)固定，而且其左右輪廓基本上反映了字符的特征，將數(shù)字的左右輪廓特征經(jīng)歸一化處理后得到多個(gè)特征值。

一個(gè)完整的車牌識(shí)別系統(tǒng)包括圖像采集、圖像處理、車牌定位、字符識(shí)別、近端或遠(yuǎn)端數(shù)據(jù)庫(kù)、網(wǎng)絡(luò)支持等模塊。本文主要介紹了車牌定位與識(shí)別等關(guān)鍵技術(shù)，其他不再一一贅述。

本文中所涉及到的圖表、注解、公式等內(nèi)容請(qǐng)以PDF格式閱讀原文。