段亦銳+張燕++玲劉慧

摘要：車牌識(shí)別是計(jì)算機(jī)視覺技術(shù)的一種典型應(yīng)用，以機(jī)器視覺、圖形圖像、模式識(shí)別等為理論基礎(chǔ)，采用神經(jīng)網(wǎng)絡(luò)、形態(tài)學(xué)、投影等技術(shù)實(shí)現(xiàn)車輛拍照、視頻分解、預(yù)處理、字符定位、文本識(shí)別等一體化車牌識(shí)別。

關(guān)鍵詞：車牌識(shí)別；機(jī)器視覺；圖形圖像；模式識(shí)別；神經(jīng)網(wǎng)絡(luò)一、車牌識(shí)別的核心技術(shù)

車牌識(shí)別系統(tǒng)主要可分為原始圖的采集、圖像預(yù)處理、車牌定位、字符分割以及字符識(shí)別幾大部分。

（一）預(yù)處理概述

一般剛采集的圖像是彩色圖像，加上國(guó)內(nèi)車牌顏色的多樣性（如白底黑字、黑底白字、黃底黑字及藍(lán)底白字等），為了能夠更好的對(duì)車牌進(jìn)行圖像處理，首先要對(duì)抓

（二）車牌定位方法

車牌定位是基于圖像處理中的分割技術(shù)對(duì)整個(gè)車牌圖像進(jìn)行車牌區(qū)域分割提取。由于我國(guó)車牌種類繁多且背景色復(fù)雜，實(shí)現(xiàn)一種可以通用的車牌定位提取方法是十分復(fù)雜的。典型的車牌定位方法流程如圖2所示：圖2

邊緣檢測(cè)的基本思想是基于圖像邊緣進(jìn)行分析處理，該過程不僅可以降低不相關(guān)數(shù)據(jù)的運(yùn)算，同時(shí)可以忽略一些干擾信息，將圖像原本最重要的特征信息保留下來。一般邊緣檢測(cè)采用的算子為Roberts和Sobel。而針對(duì)于車牌識(shí)別中車牌定位的提取，基于原有技術(shù)的基礎(chǔ)上，可采用一種結(jié)合與改進(jìn)的Roberts算子邊緣檢測(cè)與形態(tài)學(xué)的車牌定位算法：一是增加兩個(gè)方向的檢測(cè)模版； 二是Roberts算子閥值的自動(dòng)選取。

形態(tài)學(xué)處理是基于數(shù)學(xué)形態(tài)學(xué)的技術(shù)，數(shù)學(xué)形態(tài)學(xué)具有解析和敘述幾何形態(tài)學(xué)的功能。其基本運(yùn)算有四種：開運(yùn)算、閉運(yùn)算、膨脹以及腐蝕，在車牌識(shí)別中可先對(duì)邊緣檢測(cè)好的圖像進(jìn)行腐蝕，再根據(jù)車牌的一些先驗(yàn)知識(shí)對(duì)圖像做填充及濾波處理最終得到車牌位置。

在完成車牌定位之后，在車牌字符分割之前需要對(duì)已定位好的車牌進(jìn)行傾斜校正處理。一般可采用Hough變換調(diào)整水平方向， Rodon變換調(diào)整垂直方向。

（三）基于垂直投影并結(jié)合連通域及模板匹配的分割方法

基于傳統(tǒng)算法的優(yōu)缺點(diǎn)，采用一種基于垂直投影法并結(jié)合連通域及模板匹配法進(jìn)行字符分割，首先是根據(jù)連通域找出字符之間的寬度，然后再結(jié)合投影法確定單個(gè)字符的位置，最后再參考字符之間寬度建立一個(gè)分割模板。

為了能夠?qū)Ψ指畛鰜砗蟮膯蝹€(gè)字符進(jìn)行統(tǒng)一的尺寸管理，提高字符識(shí)別率，可以將分割后的單個(gè)字符統(tǒng)一歸一化，設(shè)置其高度和寬度的像素大小分別為40和20。

（四）基于神經(jīng)網(wǎng)絡(luò)的字符識(shí)別方法

設(shè)定兩個(gè)識(shí)別模板包括漢字識(shí)別模塊以及數(shù)字和字母識(shí)別模塊。先依據(jù)標(biāo)準(zhǔn)車牌的字符分布位置來制定相應(yīng)的模塊，首字為漢字，其余均為數(shù)字和字母（車牌上的圓點(diǎn)分割符號(hào)不做識(shí)別處理）；其次是提取相應(yīng)字符的模塊特征并送入分類器進(jìn)行分類處理；最后將識(shí)別出來的字符按照相應(yīng)的順序進(jìn)行排列并最終得到字符識(shí)別結(jié)果。其具體流程如下：1、輸入分割后的字符；2、字符歸一化；3、根據(jù)字符進(jìn)入相應(yīng)字符識(shí)別模塊；4、提取字符特征；5、識(shí)別字符；6、組合識(shí)別效果；7、輸出分割后的字符。

通過對(duì)分割出來后的字符進(jìn)行網(wǎng)絡(luò)像素特點(diǎn)維數(shù)大小的提取以用來確定輸入層神經(jīng)元的數(shù)目。對(duì)于歸一化之后的點(diǎn)陣字符像素大小尺寸為40*20，將每一個(gè)像素點(diǎn)設(shè)定為一個(gè)網(wǎng)格，則輸出層神經(jīng)元的數(shù)目設(shè)定為800。

二、車牌識(shí)別系統(tǒng)的應(yīng)用范圍

車牌識(shí)別是現(xiàn)代智能交通系統(tǒng)中的重要組成部分之一，應(yīng)用廣泛。這項(xiàng)技術(shù)可應(yīng)用于公路收費(fèi)、停車管理、稱重系統(tǒng)、交通誘導(dǎo)、交通執(zhí)法、公路稽查、車輛調(diào)度、車輛檢測(cè)等各種場(chǎng)合，對(duì)于維護(hù)交通安全和城市治安，防止交通堵塞，實(shí)現(xiàn)交通自動(dòng)化管理有積極意義。社會(huì)使用價(jià)值很高。具有深遠(yuǎn)的研究?jī)r(jià)值和潛在而巨大的經(jīng)濟(jì)效益。

參考文獻(xiàn)：

[1]岡薩雷斯.數(shù)字圖像處理（第二版）[M].電子工業(yè)出版社，2007.8

[2]霍洪濤.數(shù)字圖像處理[M].北京：機(jī)器工業(yè)出版社，2003

[3]劉銳寧，梁水，宋坤. Visual C++程序開發(fā)范例寶典（第二版）[M].人民郵電出版社 ，2007.7

[4]趙春江. C#數(shù)字圖像處理算法典型實(shí)例[M].人民郵電出版社 ，2009.3

[5]吳李漢. 車牌自動(dòng)識(shí)別系統(tǒng)的實(shí)際與實(shí)現(xiàn).機(jī)器視覺[J]，2006.9

[6]袁曾任. 人工神經(jīng)元網(wǎng)絡(luò)及其應(yīng)用[M].北京：清華大學(xué)出版社 ，1990.10

[8]鮑虎，張海丹，孫巍.基于改進(jìn)Sobel算子的邊緣檢測(cè)車牌定位方法[J].