天津工業(yè)大學(xué)計(jì)算機(jī)技術(shù)與自動(dòng)化學(xué)院 馬 東 韓其睿

1.引言

車(chē)牌識(shí)別系統(tǒng)作為數(shù)字?jǐn)z像、計(jì)算機(jī)信息管理、圖像分割和圖形識(shí)別技術(shù)在智能交通領(lǐng)域的應(yīng)用，是智能交通管理系統(tǒng)中重要的組成部分。車(chē)牌識(shí)別技術(shù)可應(yīng)用于道路交通監(jiān)控、交通事故現(xiàn)場(chǎng)勘察、交通違章自動(dòng)記錄、高速公路超速管理系統(tǒng)、小區(qū)智能化管理等方面[1]，為智能交通管理提供了高效、實(shí)用的手段。

目前世界各國(guó)都在進(jìn)行適用于本國(guó)汽車(chē)牌照的自動(dòng)識(shí)別研究，美、日、韓等國(guó)已有相關(guān)系統(tǒng)（基于傳感器）問(wèn)世。引進(jìn)這些系統(tǒng)費(fèi)用比較高、而且由于各國(guó)車(chē)牌和實(shí)際的交通環(huán)境不同，引進(jìn)的系統(tǒng)往往無(wú)法滿(mǎn)足我國(guó)城市的需求，而國(guó)內(nèi)市場(chǎng)上雖然已有產(chǎn)品投入使用，但是在后續(xù)處理時(shí)很大程度上仍然需要人工識(shí)別，所以對(duì)車(chē)牌識(shí)別技術(shù)的研究依然是目前高科技領(lǐng)域的熱門(mén)課題之一。

2.基于MATLAB圖像處理的汽車(chē)牌照識(shí)別系統(tǒng)

2.1 系統(tǒng)組成

基于MATLAB圖像處理的汽車(chē)牌照識(shí)別系統(tǒng)主要包括車(chē)牌定位、字符車(chē)牌分割和車(chē)牌字符識(shí)別三個(gè)關(guān)鍵環(huán)節(jié)。其識(shí)別流程圖如圖1所示。

2.2 圖像預(yù)處理

圖像在形成傳輸或變換過(guò)程中，受多種因素的影響，因此在圖像處理之前必須進(jìn)行預(yù)處理，包括去除噪音、邊界增強(qiáng)、增加亮度等等。

輸入的彩色圖像包含大量顏色信息，會(huì)占用較多的存儲(chǔ)空間，且處理時(shí)也會(huì)降低系統(tǒng)的執(zhí)行速度，因此對(duì)圖像進(jìn)行識(shí)別等處理時(shí)，常將彩色圖像轉(zhuǎn)換為灰度圖像，以加快處理速度。對(duì)圖像進(jìn)行灰度化處理、邊緣提取、再利用形態(tài)學(xué)方法對(duì)車(chē)牌進(jìn)行定位[2]。

圖1 車(chē)牌識(shí)別系統(tǒng)流程圖

具體步驟如下：首先對(duì)圖像進(jìn)行灰度轉(zhuǎn)換，二值化處理，然后采用4X1的結(jié)構(gòu)元素對(duì)圖像進(jìn)行腐蝕，去除圖像的噪聲。采用25X25的結(jié)構(gòu)元素，對(duì)圖像進(jìn)行閉合應(yīng)算使車(chē)牌所在的區(qū)域形成連通。再進(jìn)行形態(tài)學(xué)濾波去除其它區(qū)域。

通過(guò)對(duì)比原始圖片，我們可以發(fā)現(xiàn)形態(tài)濾波后的圖像已經(jīng)很接近正確的車(chē)牌位置了，因此后期處理將通過(guò)這張圖來(lái)找出車(chē)牌位置。

2.3 車(chē)牌定位

觀察經(jīng)過(guò)預(yù)處理后得到的圖像發(fā)現(xiàn)車(chē)牌位置有明顯的矩形圖樣，通過(guò)對(duì)矩形區(qū)域的定位即可獲得具體的車(chē)牌位置。

2.4 字符分割

在汽車(chē)牌照自動(dòng)識(shí)別過(guò)程中，字符分割有承前啟后的作用。它在前期牌照定位的基礎(chǔ)上進(jìn)行字符的分割，然后再利用分割的結(jié)果進(jìn)行字符識(shí)別。

2.5 建立字符模板數(shù)據(jù)庫(kù)

模板庫(kù)的合理建造是字符識(shí)別準(zhǔn)確的關(guān)鍵之一，所以在字符識(shí)別之前必須把模板庫(kù)設(shè)置好。汽車(chē)牌照的字符一般有7個(gè)，大部分車(chē)牌第一位是漢字，通常代表車(chē)輛所屬省份，或是軍種警別等有特定含義的字符簡(jiǎn)稱(chēng)；緊接其后的為字母與數(shù)字。車(chē)牌字符識(shí)別與一般文字識(shí)別的不同在于它的字符數(shù)有限，十個(gè)阿拉伯?dāng)?shù)字O～9，26個(gè)大寫(xiě)英文字母A～Z以及相關(guān)的車(chē)牌用漢字：京、滬、蘇、臺(tái)、港、澳、甲、乙、丙、使、領(lǐng)、學(xué)、試、境、消、邊、警等，以及新式軍牌中的漢字南、蘭、廣、北、沈、濟(jì)、空、海等；車(chē)牌顏色：藍(lán)、白、黑、黃等。所以建立字符模板庫(kù)也極為方便。通過(guò)前面實(shí)驗(yàn)獲取的幾幅不同的車(chē)牌圖片截取到的圖片加上使用PhotoShop制作的部分圖片。

建立模板數(shù)據(jù)庫(kù)時(shí)必須對(duì)這些圖片進(jìn)行統(tǒng)一處理，因?yàn)閷?duì)前面處理分割后的車(chē)牌圖像的測(cè)量得知單個(gè)字符的最佳寬高比是1:2，所以將這些圖片歸一化為5O×25大小；因?yàn)橹蟮淖址R(shí)別考慮使用神經(jīng)網(wǎng)絡(luò)算法進(jìn)行字符識(shí)別，所以再將上面歸一化后的模板圖像的樣本排列在一起構(gòu)成125O×18的矩陣樣本。

2.6 字符識(shí)別

字符的識(shí)別目前用于車(chē)牌字符識(shí)別（OCR）中的算法主要有基于模板匹配的OCR算法以及基于人工神經(jīng)網(wǎng)絡(luò)的OCR算法。基于模板匹配的OCR的基本過(guò)程是：首先對(duì)待識(shí)別字符進(jìn)行二值化并將其尺寸大小縮放為字符數(shù)據(jù)庫(kù)中模板的大小，然后與所有的模板進(jìn)行匹配，最后選最佳匹配作為結(jié)果。用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行字符識(shí)別主要有兩種方法：一種方法是先對(duì)待識(shí)別字符進(jìn)行特征提取，然后用所獲得的特征來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類(lèi)器。識(shí)別效果與字符特征的提取有關(guān)，而字符特征提取往往比較耗時(shí)。因此，字符特征的提取就成為研究的關(guān)鍵。另一種方法則充分利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，直接把待處理圖像輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自動(dòng)實(shí)現(xiàn)特征提取直至識(shí)別。本文主要研究基于人工神經(jīng)網(wǎng)絡(luò)的方法來(lái)識(shí)別車(chē)牌字符。

3.總結(jié)

在汽車(chē)車(chē)牌識(shí)別的整個(gè)過(guò)程中，查找了很多資料，綜合了各方面的信息。車(chē)牌實(shí)現(xiàn)的每一步都有許多的方法，各種方法都有其優(yōu)劣，但是對(duì)于具體的圖像處理，并不是每一種理論在實(shí)踐中都可以實(shí)現(xiàn)，即使實(shí)現(xiàn)了也很難說(shuō)哪一種方法最合適，還得在具體的實(shí)驗(yàn)中比較選擇。第二點(diǎn)在程序調(diào)試的過(guò)程中要耐心的檢查每一個(gè)錯(cuò)誤。測(cè)試結(jié)果表明，本設(shè)計(jì)有以下幾條優(yōu)點(diǎn)：

（1）充分利用MATLAB中已有的函數(shù)庫(kù)，使整個(gè)程序設(shè)計(jì)簡(jiǎn)單易行。

（2）使用了MATLAB的自定義函數(shù)功能，使程序設(shè)計(jì)更簡(jiǎn)潔。

但也發(fā)現(xiàn)了更多的缺點(diǎn)：

（1）程序的局限性：只能針對(duì)圖像中一輛汽車(chē)的牌照進(jìn)行識(shí)別；對(duì)于圖像內(nèi)的元素較復(fù)雜的照片可能無(wú)法進(jìn)行識(shí)別。

（2）神經(jīng)網(wǎng)絡(luò)的訓(xùn)練要花費(fèi)3O秒以上的訓(xùn)練時(shí)間才能進(jìn)行下一步的字符識(shí)別，效率太慢。

（3）程序可能會(huì)受軟件環(huán)境的影響識(shí)別準(zhǔn)確性，據(jù)測(cè)試，MATLAB的2O1Oa版比2OO9a版識(shí)別效率高，準(zhǔn)確性也高點(diǎn)。

實(shí)驗(yàn)證明，該系統(tǒng)能夠?qū)崟r(shí)處理并識(shí)別采集的圖像，正確率較高，而且系統(tǒng)中采用的算法較簡(jiǎn)單。目前正在將車(chē)輛牌照識(shí)別技術(shù)應(yīng)用于小區(qū)的車(chē)輛出入管理、加油站加油記錄等領(lǐng)域。隨著系統(tǒng)的不斷完善，其應(yīng)用領(lǐng)域會(huì)越來(lái)越廣。

[1]王豐元,計(jì)算機(jī)視覺(jué)在交通工程測(cè)量中的應(yīng)用[J].中國(guó)公路學(xué)報(bào),1999,Vol.15(7):32-34.

[2]袁志偉,潘曉露,陳艾,等.車(chē)輛牌照定位的算法研究[J].昆明理工大學(xué)學(xué)報(bào),2001,26(2):56-60.

[3]章毓晉.圖象工程(上冊(cè))圖象處理和分析[M].北京:清華大學(xué)出版社,1999:205-207.

[4]胡強(qiáng),樓新遠(yuǎn),段國(guó)兵.一種基于特征信息的車(chē)牌識(shí)別方法[J].成都信息工程學(xué)院學(xué)報(bào),2004,19(3):345-348.