李翔

摘 要：本文以專利文獻為基礎(chǔ)，對車牌識別領(lǐng)域的專利申請進行了時間、地域、申請人、技術(shù)分支方面的數(shù)據(jù)統(tǒng)計與分析，并根據(jù)分析結(jié)果給出了該技術(shù)的發(fā)展路線與演進過程。

關(guān)鍵詞：車牌識別；專利；分析；技術(shù)演進

1 前言

車牌識別（Vehicle License Plate Recognition，VLPR）是數(shù)據(jù)識別的一個重要分支，是現(xiàn)代智能交通系統(tǒng)中的重要組成部分之一，其包括車牌圖像捕獲、圖像預(yù)處理、車牌定位、字符分割、字符識別5個步驟，已應(yīng)用于公路收費、停車管理、稱重系統(tǒng)、交通誘導(dǎo)、交通執(zhí)法、等各種場合。

2 車牌識別技術(shù)專利分析

本文選擇DWPI檢索數(shù)據(jù)庫，檢索時間截止2016年12月，最終確定涉及車牌識別技術(shù)的全球?qū)＠暾垇碜匀?3個國家或地區(qū)。

2.1 申請量年度及地域分布

2006年之前車牌識別技術(shù)的申請量極少，全球每年的申請量不超過50件，在2006年到2011年期間，全球的申請量進入了平穩(wěn)增長的時期，2011年之后，申請量和申請人數(shù)量呈現(xiàn)跨越式增長，但國內(nèi)外的增長情況并不相同，國外申請量于2013年達到頂峰，之后趨于平穩(wěn)；國內(nèi)申請量則是大幅度增長至2015年。

專利申請的地域分布可以反映出企業(yè)的產(chǎn)品市場重心特征，中國、韓國、美國是車牌識別最主要的技術(shù)市場。中國申請據(jù)首位，占全球總量的37%，這表明各國企業(yè)越來越重視中國這個巨大的消費市場。其次為韓國和美國，各占總量的19%和18%。

2.2 申請人分布

全球前10位申請人中，施樂公司（XEROX）在車牌識別領(lǐng)域的申請量占有最大比重，為24%；其從2010年開始在該領(lǐng)域申請專利，并呈現(xiàn)逐年增長趨勢，到2013年達到頂峰；其次是中國深圳的捷順科技，占總申請量的15%，申請起始于2012年并逐年增長；此外，臺灣的中華電信、韓國的NEXPA SYSTEM等公司的在該領(lǐng)域也具有一定的技術(shù)擁有量。總體來看，車牌識別領(lǐng)域的專利申請人分布較為分散，各公司之間申請量相差不是很大，技術(shù)發(fā)展較為均勻。

2.3 重要技術(shù)分支分析

字符識別作為車牌識別的關(guān)鍵步驟，其申請數(shù)據(jù)最多，占總量的65%；其次是車牌定位，識別的準確率與車牌定位的準確與否有直接關(guān)系，因此定位相關(guān)的申請占據(jù)次席，為27%；字符分割申請量較少，占總量的6%；因?qū)D像的預(yù)處理采用的方法比較固定，所以該分支下的申請量最少，占比2%。

3 專利技術(shù)發(fā)展演進

3.1 萌芽期

2006年之前屬于車牌識別技術(shù)的起步階段，研究者嘗試將車牌識別用自動識別的方式從人工識別中解放出來。早期的車牌自動識別技術(shù)主要以信號發(fā)射器、紅外條碼等為基礎(chǔ)，涉及該技術(shù)的申請大多為實用新型。2002年開始，車牌識別開始采用模式識別來進行，但該階段的模式識別多數(shù)用來進行車牌的定位，CN02154934采用了模板匹配的方式進行識別；06年先后有CN200610020796和CN200610069051提出通過小波變換和顏色/空間特征進行車牌定位。整體而言，第一階段的車牌識別技術(shù)有條碼等信號的傳輸逐漸向模式識別發(fā)展，相比字符分割和識別，車牌定位技術(shù)的發(fā)展在此階段較為迅速。

3.2 平穩(wěn)發(fā)展期

2006年～2011年為平穩(wěn)發(fā)展期，該階段是車牌識別中理論層面不同算法大量涌現(xiàn)的時期。

車牌定位方面，車牌的不同色彩空間、尺寸、紋理以及頻譜變換等特征被大量用到車牌的定位中，頻譜變換如2008年提出的Hough變換、MGD最大梯度差等，顏色空間從RGB延伸到HIS、CIELAB等多樣化空間。分類器方面，2010年CN201010297917中提出采用級聯(lián)Adaboost分類器進行車牌定位，從一級分類器發(fā)展到多級級聯(lián)分類器，提高了識別的準確率。

字符分割技術(shù)在第二階段的發(fā)展較為平穩(wěn)，基本以水平、垂直投影以及連通域的檢測作為分割手段。網(wǎng)格特征是該階段車牌分割中涌現(xiàn)的新技術(shù)，提出于2007年。該階段聚類算法開始用于字符分割，如2011年CN201110416119提出的人工免疫網(wǎng)絡(luò)聚類字符分割方法，達到了很好的分割效果。

在識別過程中，車牌識別的準確率會受到光照、背景燈不同方面的影響，2010-2011年多個申請采用灰色圖重構(gòu)的方法對車牌字符顏色脫落、遮擋、涂改情況下的字符識別進行了改進，該階段申請對不同特殊情況下的車牌識別準確性和魯棒性做出了一定貢獻。

3.3 快速增長期

第三階段（2011年～今）為快速增長階段，第二階段中涌現(xiàn)出的不同識別算法被應(yīng)用到如停車場、高速收費、違章抓拍等具體的智能交通環(huán)境中，導(dǎo)致該階段申請量劇增，這也表明第二階段的理論成果成功產(chǎn)業(yè)化。

車牌識別在該階段被用到停車場出入管理、高速ETC收費以及道路違章抓拍3個方面。出入管理、ETC收費中的車牌識別車輛速度較低，接近靜止，其使用的方法為第二階段中各種不同算法的組合。道路違章抓拍中，車輛速度較快，從2012年起，關(guān)于動態(tài)跟蹤、實時路況下的車牌識別方法的申請開始涌現(xiàn)，例如申請CN201510397476。2014年左右，車牌識別裝置與語音、報警系統(tǒng)等集成，出現(xiàn)大量集成裝置申請，例如CN201510383432，有效提高了異常交通事件的處理效率。

整體而言，為了提高識別率，第三階段的車牌識別將第二階段涌現(xiàn)出的算法相互交叉結(jié)合使用，大量的申請來自不同種類、不同應(yīng)用場合的智能交通裝置，是車牌識別全面產(chǎn)業(yè)化的重要時期。

4 總結(jié)

本文對車牌識別技術(shù)的發(fā)展現(xiàn)狀、專利申請量、申請人以及專利技術(shù)演進進行了分析，了解了車牌識別技術(shù)的核心算法、發(fā)展脈絡(luò)以及應(yīng)用領(lǐng)域，加深了對車牌識別以及智能交通的認知，為更加細化的智能交通應(yīng)用的研究奠定了基礎(chǔ)。

參考文獻

[1]李志強，李永斌.車牌識別技術(shù)的發(fā)展及研究現(xiàn)狀[J].科技信息，2012，（5）：110.

[2]陳誠，楊星，邱瑞波，等.展望車牌識別技術(shù)發(fā)展的新方向[J].科技創(chuàng)新導(dǎo)報，2015，（15）：46.

（作者單位：國家知識產(chǎn)權(quán)局專利局專利審查協(xié)作天津中心）