呂凱煜天津工業(yè)大學(xué)

?

基于圖像處理技術(shù)的車牌檢測(cè)系統(tǒng)

呂凱煜
天津工業(yè)大學(xué)

摘要：車牌識(shí)別問(wèn)題的智能交通管理系統(tǒng)，提出了應(yīng)用圖像處理技術(shù)對(duì)車牌進(jìn)行識(shí)別。車牌定位、車牌分割、車牌識(shí)別是車牌識(shí)別系統(tǒng)的主要三個(gè)部分。

關(guān)鍵字：圖像處理 車牌定位 車牌定位

1　引言

近年來(lái)，中國(guó)經(jīng)濟(jì)的快速發(fā)展，人民生活水平繼續(xù)提高，私家車的數(shù)量越來(lái)越多，公路交通的快速發(fā)展造成嚴(yán)重的交通擁堵和交通事故，傳統(tǒng)的手工管理模式已經(jīng)越來(lái)越不能滿足對(duì)交通控制和安全管理的需求。因此，新興的智能交通系統(tǒng)，成為當(dāng)前交通管理的主要途徑，這是現(xiàn)代信息智能化的結(jié)果。智能交通系統(tǒng)利用先進(jìn)的計(jì)算機(jī)技術(shù)，如人、車輛、道路有機(jī)地聯(lián)系在一起，形成一個(gè)有序的系統(tǒng)，該系統(tǒng)投入使用，在一定程度上，改善交通的質(zhì)量，保證交通安全，提高交通效率。

2　車牌識(shí)別關(guān)鍵技術(shù)

車牌識(shí)別系統(tǒng)主要包括：車牌圖像采集、車牌圖像預(yù)處理，車牌定位、車牌字符分割和車牌字符識(shí)別。

2.1 車牌圖像采集：通過(guò)CCD攝像機(jī)或照相機(jī)包含車牌圖像。通過(guò)視頻卡輸入電腦等待處理。

2.2車牌預(yù)處理：采集的車牌圖像預(yù)處理輸入電腦，突出車牌的主要特征，容易提取信息。圖像預(yù)處理主要處理圖像的圖像格式轉(zhuǎn)換和壓縮，圖像去噪，圖像增強(qiáng)等。

2.3車牌位置：區(qū)域定位車牌字符的車牌圖像，這一過(guò)程的特點(diǎn)主要是使用許可信息。

2.4車牌字符分割：為了得到每個(gè)字符的許可證信息，需要定位后的車牌字符分割。

2.5車牌字符識(shí)別：一個(gè)車牌字符識(shí)別。

目前車牌定位算法，常用的有：車牌定位，基于數(shù)學(xué)形態(tài)學(xué)的車牌定位基于投影方法，車牌位置基于紋理分析的字符等。車牌字符分割算法主要包括：區(qū)域連接方法，投影分割方法，基于人工智能算法。最常用的車牌字符識(shí)別方法：基于模板匹配和基于人工智能方法?；谌斯ぶ悄艿姆椒?，包括統(tǒng)計(jì)學(xué)習(xí)方法，提出神經(jīng)網(wǎng)絡(luò)，等?；诮y(tǒng)計(jì)學(xué)習(xí)理論與方法不適合大樣本字符識(shí)別，并基于神經(jīng)網(wǎng)絡(luò)識(shí)別方法是費(fèi)時(shí)。這種方法需要提取字符的特征來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，然后識(shí)別字符，可以識(shí)別的傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)通常是基于神經(jīng)網(wǎng)絡(luò)的識(shí)別方法。

3　基于圖像處理的車牌識(shí)別系統(tǒng)

數(shù)字圖像處理起源于1920年代，人們每天看到圖像可以用數(shù)學(xué)模型表達(dá)的f（x，y）。在現(xiàn)實(shí)生活中，事情可以反射光，通過(guò)測(cè)量光的反射的物體，可以看到圖像的目標(biāo)對(duì)象。計(jì)算機(jī)只能處理數(shù)字圖像，所以獲得的圖像采集設(shè)備必須通過(guò)一個(gè)離散的治療和量化。利用數(shù)字圖像處理技術(shù)來(lái)解決汽車車牌識(shí)別首次在1980年代，主要過(guò)程是射擊，收集車牌圖像分析自動(dòng)提取有效信息，確定汽車車牌號(hào)碼。本文把基于圖像處理技術(shù)的車牌識(shí)別系統(tǒng)的原理框圖如圖1所示：

圖1 車牌識(shí)別系統(tǒng)原理圖

3.1圖像采集 汽車包含汽車車牌圖像，本文作為一個(gè)原始圖像，這種圖像是清晰的盤(pán)子，射擊場(chǎng)，拍攝角度的影響。特別注意，本文收集了主要由車牌顏色是藍(lán)色的，白色的汽車車牌圖像的車牌信息。收購(gòu)后，通過(guò)量化過(guò)程的模擬圖像變換計(jì)算機(jī)處理的數(shù)字形式。

3.2的初步定位汽車牌照 由于汽車通常包含圖像不僅需要車牌信息，還包含很多其他信息，如車型，汽車外觀特征，首先需要將待處理的車牌定位、排除那些無(wú)用的信息，車牌分割，以方便進(jìn)一步的操作。治療車牌的顏色是藍(lán)色的，白色的車牌信息在汽車車牌圖像，利用HSV模型確定藍(lán)色，白色，Y方向分別使用RGB模型識(shí)別掃描藍(lán)色白色像素，像素和X方向車牌區(qū)域，并切成一定的比例，使用HSV彩色地圖圖像。

3.3車牌圖像預(yù)處理 本文的預(yù)處理主要是得到初步定位彩色車牌圖像灰度車牌圖像，提取特征。

3.4車牌傾斜校正 提取灰度車牌圖像的邊緣拉東變換的車牌圖像傾斜校正處理［17］，變換1°～180°角，角增量1°，統(tǒng)計(jì)氡變換得到最大值，記錄下角，實(shí)現(xiàn)完整的車牌圖像傾斜校正使用拉東變換。

3.5車牌定位和分割 使用封閉操作，消除腐蝕不屬于汽車的車牌信息，為了能夠更容易地觀察車牌信息，腐蝕抹去的結(jié)果是相反的顏色顯示。這個(gè)文學(xué)恩典通過(guò)投影法來(lái)定位車牌，下面的圖片左邊和投影，找到邊緣，在某個(gè)方面比切割出車牌圖像、車牌位置分割。

3.6一個(gè)字符修正和調(diào)整 許可的漢字，字母和數(shù)字修改，減少每個(gè)特定上下邊界的字符，根據(jù)每個(gè)字符的邊界，每個(gè)字符的傾斜校正，然后把字符信息存儲(chǔ)在數(shù)組中。

3.7車牌識(shí)別結(jié)果 每個(gè)字符包含它自己的獨(dú)立的字符信息，我們通過(guò)語(yǔ)音形式一個(gè)接一個(gè)地讀來(lái)確定每個(gè)字符識(shí)別汽車牌照的檢測(cè)到，提示完成注冊(cè)

4　總結(jié)

目前，高大高校、學(xué)者們都致力于研究車牌識(shí)別方法，也相繼提出一些可行的車牌識(shí)別系統(tǒng)。在實(shí)際生活中，隨著智能交通系統(tǒng)的構(gòu)建，智能車牌識(shí)別系統(tǒng)的應(yīng)用也正在逐漸擴(kuò)大。但是，車牌識(shí)別技術(shù)的實(shí)際應(yīng)用仍存在一些難題。

參考文獻(xiàn)

［1］ 胡小鋒，趙輝.Visual C++/MATLAB圖像處理與識(shí)別實(shí)用案例精選［M］.北京：人民郵電出版社，2004.

［2］ 焦蓬蓬，郭依正.一種基于數(shù)學(xué)形態(tài)學(xué)的車牌定位與分割方法［J］.自動(dòng)化技術(shù)與應(yīng)用，2013（06）：57-59.

［3］ 王雨.車牌定位與字符分割技術(shù)研究［D］.武漢：華中科技大學(xué)圖書(shū)館，2007.

［4］ 萬(wàn)燕，徐勤燕，黃蒙蒙.復(fù)雜背景中基于紋理和顏色的車牌定位研究［J］.計(jì)算機(jī)應(yīng)用與軟件，2013，10：259-262+316.

［5］ 甘玲，林小晶.基于連通域提取的車牌字符分割算法［J］.計(jì)算機(jī)仿真，2011（4）：336-339.

［6］ VOJTECH FRANE，VACLAV HLAVAC.License Plate Character Segmentation Using Hidden Markov Chains［J］.DAGM，2005，2663：385-392.

［7］ HALINA KWASNIEKA，BARTODZ WAWRZYNIAK.License Plate Localization and Recognition in Camera Pictures Artificial Intelli-gence Methods［J］.2002，11：13-15.

［8］ 魏武，張起森，王明俊，等.一種基于模板匹配的車牌識(shí)別方法［J］.中國(guó)公路學(xué)報(bào)，2001，14（1）：104-106.