王 偉 ，吳一全

1.南京航空航天大學(xué)信息科學(xué)與技術(shù)學(xué)院，江蘇 南京 210016

2.廣播電影電視管理干部學(xué)院傳媒管理系，山西 太原 030013

0 引言

現(xiàn)代交通中汽車車牌自動識別系統(tǒng)的應(yīng)用已經(jīng)越來越普及，實(shí)現(xiàn)車牌識別的過程主要有兩部分：車牌定位提取和牌照字符識別。其中，車牌定位在整個系統(tǒng)中占有非常重要的地位，可以說是整個車牌自動識別系統(tǒng)的前提。一個好的車牌定位系統(tǒng)不僅應(yīng)該能夠處理好各種輸入汽車圖像，準(zhǔn)確提取車牌，而且在許多實(shí)際應(yīng)用中還要求算法具有實(shí)時性，能夠快速高效地做出定位處理。當(dāng)前最常見的定位技術(shù)主要有：“基于邊緣檢測的方法”、“基于彩色分割的方法”、“基于小波變換的方法”、“基于神經(jīng)網(wǎng)絡(luò)的方法”和“遺傳算法”等。

本文根據(jù)我國車牌的特征和我國車牌定位技術(shù)的現(xiàn)狀，結(jié)合圖像預(yù)處理技術(shù)，提出了一種基于投影圖像分布特征的車牌定位方法。

1 圖像預(yù)處理

1.1 灰度均衡與濾波

一般來說，采集到的圖像光照條件不夠理想而且車牌位于車身下部，對比度較差，加上車身上部的一些反光等諸多因素的影響，如果直接對灰度圖像進(jìn)行掃描定位會有不小的困難。為了獲得較好的掃描分割效果，有必要對車輛圖像進(jìn)行灰度變換，采用灰度均衡則一般可解決上述問題。此外，如果有必要的話還需對圖片進(jìn)行中值濾波，該濾波具有很強(qiáng)的噪聲抑制效果，考慮到算法的效率，僅在每一行上進(jìn)行一維濾波即可。實(shí)驗(yàn)表明輸入圖像經(jīng)過上述處理一般都能得到滿意的增強(qiáng)效果。

1.2 圖像二值化

Gmax為最高灰度值，Gmin為相對最小灰度值。對于一幅灰度級為256級的灰度圖像，從第0級開始，每l6個灰度級分為一組，從而把256級分為l6組(分組序號n=1，……，16）。然后在整幅圖像中搜索每一個像素，并將其歸入相應(yīng)的分組，統(tǒng)計每個分組的像素數(shù)量，記錄像素數(shù)量最多地分組n，則 Gmin=(n - 1)× 16。采用上述方法進(jìn)行閾值分割后 ，已經(jīng)基本能夠把車牌字符與背景分割開。從另一個方面看，圖像的二值化可以看作是一種圖像的壓縮，壓縮后的圖像每像素只占一位，它使得汽車牌照定位的算法變得簡單很多，而且加快了牌照識別的速度。

2 車牌定位

2.1 車牌特征

我國現(xiàn)有的汽車牌照按顏色分類主要有4類，分別是黃底黑字、藍(lán)底白字、白底黑字、黑底白字。常見的車牌一般有7個字符(極少數(shù)除外)，第一個是漢字，后面緊接著1個字母，1個分割點(diǎn)，再后面5個是數(shù)字或字母。對于一般的7個字符的車牌，其長寬比為4，對于單個字符，其長寬比為1/2，字符的寬度比字符間的距離(除了中間那個分割點(diǎn)左右字符的距離)要大。

2.2 基于投影圖像分布特征的車牌定位

該算法復(fù)雜度低，能夠滿足快速、準(zhǔn)確定位的要求，且對于復(fù)雜的背景以及非均勻的光照條件并不敏感，具有較好的魯棒性。在介紹了該方法的基本原理及算法實(shí)現(xiàn)后，下面將對車牌自動定位系統(tǒng)的組成、實(shí)現(xiàn)方法，以及車牌定位的實(shí)驗(yàn)結(jié)果進(jìn)行必要的分析和說明。

2.2.1 車牌自動定位系統(tǒng)的組成

整個車牌自動定位系統(tǒng)的組成可以分為軟件實(shí)現(xiàn)部分和硬件實(shí)現(xiàn)部分。由于本文主要研究車牌定位的算法，故大部分工作也是集中在定位算法的軟件實(shí)現(xiàn)上。

1）實(shí)驗(yàn)系統(tǒng)的軟硬件開發(fā)環(huán)境

本實(shí)驗(yàn)系統(tǒng)的硬件環(huán)境以Pentium III微機(jī)系統(tǒng)為核心，數(shù)碼相機(jī)(1280×1024或640×480解析度)通過USB端口直接與微機(jī)系統(tǒng)直接相連。由于數(shù)碼相機(jī)拍攝采集到的原始圖像為JPEG位圖格式，需要經(jīng)過格式轉(zhuǎn)換按照BMP位圖格式存儲在PC機(jī)硬盤上，作為實(shí)驗(yàn)的原始數(shù)據(jù)。系統(tǒng)的軟件運(yùn)行環(huán)境為Microsoft Windows98操作系統(tǒng)，所有的軟件都是以C++編程語言為基礎(chǔ)，在Visual C++6.0集成開發(fā)環(huán)境下完成的。

2）實(shí)驗(yàn)系統(tǒng)的組成

車牌自動識別系統(tǒng)分為硬件部分和軟件部分，其中軟件部分主要由兩大部分組成：車牌定位分割模塊和車牌字符識別模塊。系統(tǒng)的基本框架組成，如下圖1所示。

圖1 車牌自動識別系統(tǒng)基本框架

2.2.2 車牌自動定位系統(tǒng)的實(shí)現(xiàn)

整個算法的流程圖，如圖2所示。

圖2 車牌定位算法流程圖

2.3 實(shí)驗(yàn)結(jié)果分析與說明

實(shí)驗(yàn)所用車輛圖像為用數(shù)碼相機(jī)在自然場景中拍攝的230幅包含車牌的彩色圖像，其中牌照包括普通牌照( 底色為藍(lán)、黑、黃)，軍用牌照( 底色為白)，武警牌照( 底色為白)。圖像中牌照大小不一、背景不一，背景包括人、其它車輛、樹木、建筑物等，光照條件也不一。需要說明的是，集合中圖像都是單車牌的。實(shí)驗(yàn)統(tǒng)計結(jié)果如表1 所示，圖3 給出了部分實(shí)驗(yàn)結(jié)果，其中包括轎車、面包車、小型卡車的牌照定位結(jié)果，以及光線較暗、較亮、車牌傾斜時的定位結(jié)果。

表1 車牌檢測實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)中存在漏檢和誤檢的主要原因是在車牌搜索過程沒有獲得車牌，或者在車牌定位過程中將車牌定錯。為此可對算法進(jìn)行改進(jìn)以提高正確檢測率，下面是定位效果圖。

圖3 車牌定位效果圖

實(shí)驗(yàn)證明，對不同背景和光照條件下的車輛圖像進(jìn)行上述處理，可以有效可靠地對圖像中的車牌照進(jìn)行識別。

3 結(jié)論

車牌定位分割的方法有很多，但普遍存在適應(yīng)性較差和實(shí)時性不足的問題。本文提出的這種基于投影圖像分布特征的車牌定位方案，既提高了車牌提取的魯棒性和準(zhǔn)確性，又保證了實(shí)時性。實(shí)驗(yàn)證明，該定位系統(tǒng)抗干擾能力強(qiáng)，對于產(chǎn)生幾何形變的車牌圖像也能夠很好的處理，且算法復(fù)雜度低，能夠滿足快速、準(zhǔn)確定位的要求，具有良好的應(yīng)用前景。

[1]張向東,馬月濤,楊奇澤.一種基于灰度圖像的車牌快速定位算法[J].電子科技,2007,5(212):72-78.

[3]陳寅鵬,丁曉青.復(fù)雜車輛圖像中的車牌定位與字符分割方法[J].紅外與激光工程,2004,33(1):29-33.

[4]李文舉,梁德群,張旗,等.基于邊緣顏色對的車牌定位新方法[J].計算機(jī)學(xué)報,2004,27(2):204-208.

[5]Shi Xi-fan，Zhao Wei-zhong,Shen Yong-hang.Automatic license plate recognition system based on color image processing[C]// LNCS 3483:ICCSA 2005,2005:1159-1168.

[6]王鋒,彭國華,趙強(qiáng).一種快速、高效的車牌定位方法.計算機(jī)工程與應(yīng)用,2007,43(11):222-224.