楊劍

摘要：人們的生活水平不斷提高，在對(duì)汽車的擁有數(shù)量也逐漸增加，這對(duì)交通的管理就增加了很大難度。而通過新科技的應(yīng)用，對(duì)車牌識(shí)別系統(tǒng)進(jìn)行應(yīng)用，對(duì)交通的管理就能起到積極作用。本文重點(diǎn)對(duì)車牌識(shí)別系統(tǒng)的設(shè)計(jì)詳細(xì)探究，在此次的理論研究下，希望能有助于實(shí)際系統(tǒng)的設(shè)計(jì)。

關(guān)鍵詞：車牌識(shí)別系統(tǒng)；設(shè)計(jì)；需求

0.引言

伴隨整體經(jīng)濟(jì)體系的高速成長(zhǎng)，各式各樣的車輛數(shù)目持續(xù)提升，對(duì)整體交通體系開展高效管理的需求也隨之提升。智能交通系統(tǒng)（，ITS）屬于當(dāng)前整體管理工作的核心趨勢(shì)之一，其使得先進(jìn)的信息、數(shù)據(jù)以及控制技術(shù)等有效的綜合，使得其能夠高效的運(yùn)用到綜合的交通系統(tǒng)之內(nèi)。

1.車牌識(shí)別的系統(tǒng)主要構(gòu)成及研究現(xiàn)狀分析

1.1車牌識(shí)別系統(tǒng)的主要構(gòu)成分析

目前相對(duì)多見的車牌識(shí)別系統(tǒng)核心為兩方面的基礎(chǔ)模塊，依次屬于對(duì)應(yīng)的數(shù)據(jù)采集以及識(shí)別軟件兩個(gè)方面，而后一類還能夠再度進(jìn)行分割。車牌識(shí)別系統(tǒng)的實(shí)際原理為：在車輛經(jīng)過有關(guān)關(guān)卡之后，傳感器隨之而啟動(dòng)并采集對(duì)應(yīng)的圖像存入到特定的設(shè)備之內(nèi)，而識(shí)別軟件則在存儲(chǔ)設(shè)備之中讀取對(duì)應(yīng)的圖像信息。識(shí)別軟件先是針對(duì)有關(guān)的圖像開展增強(qiáng)、去躁等配套的預(yù)處理操作，之后則屬于具體的定位程序，之后則進(jìn)一步開展配套的字符切分操作，最終則屬于有關(guān)的字符識(shí)別操作[1]。定位模塊的基礎(chǔ)功能，屬于在整體車輛圖像之內(nèi)探尋對(duì)應(yīng)的車牌并且進(jìn)行對(duì)應(yīng)的提取操作，實(shí)際輸入的屬于整體車輛的圖像，而最終輸出的則屬于車牌位置的圖像。字符切分模塊則屬于先針對(duì)圖像開展配套的二值化操作，之后在二值圖像之內(nèi)將字符進(jìn)行對(duì)應(yīng)的分割操作，實(shí)際輸入的屬于車牌圖像，而輸出獲得的則屬于字符圖像。識(shí)別的功能核心屬于針對(duì)字符的配套識(shí)別操作，同時(shí)在其中獲取配套的識(shí)別結(jié)果。

1.2車牌識(shí)別系統(tǒng)的研究現(xiàn)狀分析

當(dāng)前世界范圍內(nèi)實(shí)際開發(fā)得出的經(jīng)典產(chǎn)品包括的系列， 的產(chǎn)品，川大智勝的識(shí)別方案，“漢王眼”，等。此類方案的識(shí)別精準(zhǔn)率都超出95%。實(shí)際定位方式的優(yōu)勢(shì)以及不足，會(huì)對(duì)于綜合體系的識(shí)別率構(gòu)成一定的影響，近些年定位的方式核心為下述幾個(gè)方面：基于形態(tài)學(xué)和邊緣檢測(cè)，基于彩色信息，基于紋理特征的車牌定位算法。字符切分，因?yàn)榈缆翻h(huán)境存在的特殊性，和車牌自身很容易存在無損等特征，使得字符切分的難度也相對(duì)偏高[2]。而目前實(shí)際采用的切分方式，其一為以垂直投影作為核心的方式；其二為以連通域作為核心的處理方案。

2.復(fù)雜背景下車牌定位及SVM的車牌識(shí)別算法

2.1復(fù)雜背景下車牌定位分析

車牌的規(guī)格，參照公安部在年發(fā)布的《中國(guó)人民共和國(guó)機(jī)動(dòng)車號(hào)牌》，中國(guó)現(xiàn)行的車牌制度之中，存在四類牌照，按照底色和字色分別為：藍(lán)白、黃黑、白黑或紅、黑白。而邊框則包括黑、白兩類色彩。國(guó)內(nèi)的車牌體系較為復(fù)雜，但實(shí)際的尺寸、間距等參數(shù)基本一致?；谛螒B(tài)學(xué)和邊緣檢測(cè)的車牌定位方法

針對(duì)車牌開展配套的定位操作，目的是在拍攝獲得的汽車圖像之內(nèi)，識(shí)別具體的車票范圍，同時(shí)將車牌圖像實(shí)現(xiàn)提取操作，以此來實(shí)現(xiàn)之后的切分以及識(shí)別的操作。車牌定位屬于綜合識(shí)別體系的關(guān)鍵構(gòu)成，科學(xué)的判斷具體的車牌范圍，則屬于提升綜合體系識(shí)別率的核心要素。以形態(tài)學(xué)和有關(guān)的邊緣檢測(cè)作為基礎(chǔ)的定位方式，核心為五方面的基礎(chǔ)流程。

2.2SVM的車牌識(shí)別算法

SVM的基本原理支持向量機(jī)，屬于等在90年代發(fā)布的新方案，其屬于以統(tǒng)計(jì)學(xué)方面的VC維理論以及特殊的結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則作為核心，存在相對(duì)理想，有著相對(duì)理想的泛化表現(xiàn)，可以相對(duì)高效的處理小樣本以及過擬合等難題。SVM的核心思路為：特殊的給定樣本屬于完全、近似線性可分的情形之中，為了探尋符合實(shí)際分類操作需求的特殊分割平面，同時(shí)確保其中的樣本點(diǎn)和分割平面的實(shí)際距離需要保持良好的狀態(tài)。

核函數(shù)的選擇，當(dāng)下多用的核函數(shù)是，所以本論文中也用核函數(shù)，主要是考慮到以下幾個(gè)因素（1）核函數(shù)能夠完成非線性映射。（2）所要的培訓(xùn)的參考數(shù)據(jù)比較少，在運(yùn)用分類設(shè)備時(shí)簡(jiǎn)便。多項(xiàng)式的此類函數(shù)所對(duì)應(yīng)的參考數(shù)據(jù)比核函數(shù)多，所以對(duì)分類設(shè)備的工作提出了更高的要求。核函數(shù)和分類設(shè)備的工作效果之間有較為密切的關(guān)系，不過等人在其研究中發(fā)現(xiàn)，其不同和工作的效果沒有太大的關(guān)聯(lián)，而起到重要作用的是因子C和其對(duì)應(yīng)的參數(shù)廠。

核參數(shù)的選擇。就分類設(shè)備而言，需要明確兩個(gè)參考數(shù)據(jù)，即因子C和核函數(shù)的參數(shù)。當(dāng)下一般有兩類的參考數(shù)據(jù)選定方式，其一是智能運(yùn)算，另外一種建立在網(wǎng)格查找的基礎(chǔ)上。第一種方法是結(jié)合遺傳算法、粒子群算法等進(jìn)行參考數(shù)據(jù)的查找。此類方法可以在較短的時(shí)間內(nèi)完成相關(guān)數(shù)據(jù)的查找，不足是在實(shí)際的操作中，有可能被部分最小的數(shù)值干擾，而無法完成既定的查找目標(biāo)。而建立在網(wǎng)格查找的方式是把和，分別取個(gè)和個(gè)值，對(duì)個(gè)、搭配，然后對(duì)應(yīng)的培訓(xùn)分類設(shè)備，接著預(yù)測(cè)其辨認(rèn)率，在所有的可能搭配中，選定辨認(rèn)率最高的一組，這一方法的實(shí)質(zhì)就是列舉所有的可能。

核函數(shù)，映射函數(shù)和有關(guān)的特征空間維持配套的對(duì)應(yīng)狀態(tài)，判斷對(duì)應(yīng)的核函數(shù)K（x，y），則能夠獲得對(duì)應(yīng)的映射函數(shù)以及特征空間F的具體線索。而針對(duì)有關(guān)的線性不可分的設(shè)計(jì)而言，實(shí)際的操作模式屬于以特殊的非線性映射，而將有關(guān)的輸入向量轉(zhuǎn)入到特殊的高維空間，隨后在其中實(shí)現(xiàn)特殊的最優(yōu)分界面，針對(duì)其開展對(duì)應(yīng)的線性分類操作。國(guó)內(nèi)的車牌方案屬于：，X1屬于各個(gè)區(qū)域的簡(jiǎn)稱，31個(gè)屬于對(duì)應(yīng)的省級(jí)區(qū)域的簡(jiǎn)稱，而X2則屬于市級(jí)區(qū)域代號(hào)的英文字母，屬于對(duì)應(yīng)的字母以及數(shù)字，而港澳等地區(qū)存在特殊標(biāo)識(shí)。X2和X3或許存在對(duì)應(yīng)的小圓點(diǎn)。參照車牌的具體特征，能夠設(shè)計(jì)4類分類器而實(shí)現(xiàn)配套的識(shí)別操作。有關(guān)的漢字分類器而實(shí)現(xiàn)對(duì)應(yīng)的漢字識(shí)別操作；同時(shí)以有關(guān)的數(shù)字分類器而實(shí)現(xiàn)10個(gè)數(shù)字的有效識(shí)別。字母分類器方面則處理24個(gè)字母以及對(duì)應(yīng)的字符“0”，總計(jì)25個(gè)字母，對(duì)于車牌而言，數(shù)字“0”和字母“0”不存在差異。數(shù)字和字母的分類器可以有效的識(shí)別對(duì)應(yīng)的34個(gè)字符[3]。在雙牌車牌的情形之中，存在一個(gè)屬于大陸牌的情形，還有一個(gè)屬于港澳車牌。

3.結(jié)語(yǔ)

綜上所述，對(duì)車牌識(shí)別系統(tǒng)的設(shè)計(jì)，從多個(gè)層面進(jìn)行了探究，從車牌識(shí)別定位以及具體的識(shí)別進(jìn)行了論述，希望能通過此次研究，對(duì)系統(tǒng)設(shè)計(jì)的完善性起到積極促進(jìn)作用。

參考文獻(xiàn)：

[1]李佩斌，石景波.基于紋理特征和彩色特征的車牌定位算法[J].交通與計(jì)算機(jī)，24（131）， 2006：80-82.

[2] HONGLIANG B， CHANGPING L. A hybrid license plate extraction method based on edge statistics and morphology [J]. Pattern Recognition， 2004， 2： 831-834.

[3]李波，曾致遠(yuǎn)，周建中.一種自適應(yīng)車牌圖像定位新方法[J].中國(guó)圖象圖形學(xué)報(bào)，14（10），20 09： 1978-1982.