摘 要：車牌字符一般由漢子、字母和數(shù)字組成，本文采用模板匹配的方法對(duì)其進(jìn)行識(shí)別，并與神經(jīng)網(wǎng)絡(luò)方法進(jìn)行了對(duì)比，該方法實(shí)現(xiàn)簡單，運(yùn)算速度快，提高了字符的識(shí)別率，是一種有效地字符識(shí)別方法。

關(guān)鍵詞：模板匹配；車牌字符；神經(jīng)網(wǎng)絡(luò)

中圖分類號(hào)：TP391.41

隨著汽車行業(yè)的發(fā)展，特別是各類家用小汽車數(shù)量的增長，給交通環(huán)境、交通事故和交通擁堵帶來一系統(tǒng)的問題，同時(shí)也給交通管制帶來了很大的負(fù)擔(dān)。為了提高車輛管理效率，緩解公路交通壓力，必須找到一種行之有效的解決方案，智能交通系統(tǒng)的出現(xiàn)，在一定程度上能緩解這些問題。車牌識(shí)別系統(tǒng)是智能交通系統(tǒng)的重要組成部分，對(duì)保證交通系統(tǒng)順利平穩(wěn)的運(yùn)行具有積極的作用。在現(xiàn)實(shí)生活中，汽車“身份證”的汽車車牌，是在公共場合能夠唯一確定汽車身份的憑證，汽車車牌作為汽車的唯一標(biāo)識(shí)，是交通運(yùn)輸管理部門查詢和管理汽車的主要信息來源，因此，對(duì)車牌識(shí)別系統(tǒng)的研究，具有很大的現(xiàn)實(shí)意義。

1 模板匹配算法

一般的圖像匹配技術(shù)是利用已知的模板利用某種算法對(duì)識(shí)別圖像進(jìn)行匹配計(jì)算獲得圖像中是否含有該模板的信息和坐標(biāo)；我們采用以下的算式來衡量模板T（m，n）與所覆蓋的子圖Sij（i，j）的關(guān)系，已知原始圖像S（W，H），用以下公式衡量它們的相似性：

在將其歸一化后，得到模板匹配的相關(guān)系數(shù)：

最終的實(shí)驗(yàn)證明，模板越大，匹配的速度越慢；模板越小，匹配的速度越快；閥值的大小對(duì)匹配速度影響大。

2 神經(jīng)網(wǎng)絡(luò)算法

神經(jīng)網(wǎng)絡(luò)是由大量的、簡單的處理單元（稱為神經(jīng)元）廣泛地互相連接而形成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)，它反映了人腦功能的許多基本特征，是一個(gè)高度復(fù)雜的非線性動(dòng)力學(xué)習(xí)系統(tǒng)，神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)在于神經(jīng)元，神經(jīng)元模型和神經(jīng)元數(shù)學(xué)模型如圖1所示。

3 實(shí)驗(yàn)結(jié)果

車牌中字符識(shí)別一直是車牌識(shí)別的一個(gè)難點(diǎn)問題，本文將模板匹配和神經(jīng)網(wǎng)絡(luò)算法進(jìn)行比對(duì)。將車牌字符中所有字符進(jìn)行分類，包含漢子模板庫、字母模板庫和數(shù)字模板庫。建立標(biāo)準(zhǔn)字符模板大小設(shè)定為33×35，為黑色背景用灰度值0表示，白色用灰度值255表示，對(duì)模板庫中的字符去除邊框、提取邊緣、尺寸變換等處理，用Matlab函數(shù)制作為標(biāo)準(zhǔn)模板。

本實(shí)驗(yàn)圖像庫中共有300幅圖（520個(gè)樣本），其中220幅作為訓(xùn)練集（400個(gè)樣本）；80幅圖作為測試集（120個(gè)樣本）。

（a）處理前標(biāo)準(zhǔn)模板庫模型

（b）車牌定位后圖像

（c）字符分割后圖像

（d）模板匹配識(shí)別后的圖像

（e）神經(jīng)網(wǎng)絡(luò)識(shí)別后的圖像

圖2 實(shí)驗(yàn)結(jié)果圖

圖2是實(shí)驗(yàn)結(jié)果圖。（a）圖是獲取原始車牌庫中的一個(gè)樣本，（b）圖是樣本定位后的圖像，（c）圖是將定位后的字車牌字符分割后形成的7個(gè)車牌字符。圖（d）和（e）分別是模板匹配識(shí)別和神經(jīng)網(wǎng)絡(luò)識(shí)別后的圖像，由圖可以看出，模板匹配識(shí)別的圖像比神經(jīng)網(wǎng)絡(luò)識(shí)別的圖像更加清晰。表1表示這兩種方法對(duì)應(yīng)的識(shí)別率分析，由表可以看出，模板匹配的識(shí)別率略高于神經(jīng)網(wǎng)絡(luò)的識(shí)別率。神經(jīng)網(wǎng)絡(luò)分類器實(shí)現(xiàn)過程相對(duì)較復(fù)雜，不具有很好的實(shí)時(shí)性，而模板匹配是模式識(shí)別中的一種方法，該方法根據(jù)目標(biāo)和標(biāo)準(zhǔn)模板之間重合度的大小來完成對(duì)目標(biāo)的識(shí)別。由于模板匹配方法原理簡單，可操作性強(qiáng)，可以很好的區(qū)分開某些形狀很接近的字母和數(shù)字，獲得了較高的識(shí)別質(zhì)量。

表1 字符識(shí)別測試表

在本系統(tǒng)研究過程中，該還具有某些局限性，如偶爾出現(xiàn)識(shí)別的圖像與模板圖像的大小有一點(diǎn)偏差，是因?yàn)槭艿綄W(xué)習(xí)樣本不夠的影響，我們?cè)谝院蟮难芯窟^程中，將進(jìn)一步完善該算法，使其達(dá)到更好的識(shí)別效果，從而提高圖像的識(shí)別率。

參考文獻(xiàn)：

[1]瞿中，常慶麗，王永昆.改進(jìn)的車牌相似字符分級(jí)分類識(shí)別算法研究[J].計(jì)算機(jī)工程與設(shè)計(jì)，2013.

[2]馬俊莉，莫玉龍，王明祥.一種基于改進(jìn)模板匹配的車牌字符識(shí)別方法[J].小型微型計(jì)算機(jī)系統(tǒng)，2003.

[3]嚴(yán)萍，曾金名.一種有效的車牌字符識(shí)別法[J].西昌學(xué)院學(xué)報(bào)（自然科學(xué)版），2011.

作者簡介：鐘彩（1982.08-），男，湖南湘陰人，碩士，講師，研究方向：計(jì)算機(jī)圖像處理。

作者單位：常德職業(yè)技術(shù)學(xué)院，湖南常德 415000