趙興章

摘要：隨著經(jīng)濟的發(fā)展，人民生活水平的提高，機動車輛的數(shù)量迅速增長，傳統(tǒng)的人工管理系統(tǒng)效率較慢，所以車輛識別成為了人們一個重視的熱點問題，本文重點就車輛識別系統(tǒng)的技術(shù)應(yīng)用與發(fā)展趨勢進行了分析和研究。

關(guān)鍵詞：車輛識別；車輛識別系統(tǒng)；技術(shù)應(yīng)用；發(fā)展趨勢

一、引言

車牌識別技術(shù)作為計算機視頻圖像識別技術(shù)的一種應(yīng)用，已經(jīng)得到越來越多人的重視，其相關(guān)技術(shù)的發(fā)展基本成熟，現(xiàn)已應(yīng)用到許多方面，并且效果顯著。例如，在提高執(zhí)法效率方面，公安人員只需將被通緝、未年檢等違法違規(guī)車輛的車牌號輸入到系統(tǒng)中，一旦車牌識別設(shè)備發(fā)現(xiàn)可疑車輛會立即發(fā)出警報，從而達到監(jiān)測預(yù)警的目的，極大提高了執(zhí)法效率；利用車牌識別技術(shù)可以通過監(jiān)測到車牌號碼來判斷車輛的出入時間，實現(xiàn)自動化計時收費的功能。

二、車輛識別系統(tǒng)的概論

車輛識別系統(tǒng)（Vehicle Licence Plate Recognition，VLPR）是現(xiàn)在智能交通中不可缺少的組成部分，他可以自動抓拍汽車牌照識別出車牌的號碼，以及判斷出車輛類型等信息，車牌識別系統(tǒng)簡單、十分方便，是比較受歡迎的識別系統(tǒng)，車輛識別系統(tǒng)也會受環(huán)境的影響，影響到它的穩(wěn)定度，例如要等待識別的車輛牌照受到一些污染或者損缺等都會影響到識別率，還有就是天氣的原因，例如暴雨、濃霧、冰雹、大風(fēng)的影響都會使識別系統(tǒng)受到破環(huán)，從而影響到車輛識別的效率[7]。

三、車輛識別系統(tǒng)的組成部分

圖像采集可分為自然光和紅外光圖像采集識別技術(shù)，兩者的不同在于前者觀測到的圖像為真彩色圖像，其觀測效果與人眼實際觀察結(jié)果基本一致，后者觀察到的圖像為灰度圖像。圖像預(yù)處理作為車牌識別的一個重要部分，其處理結(jié)果直接影響到結(jié)論的準(zhǔn)確性，現(xiàn)在存在的車牌識別預(yù)處理方法主要包括：灰度圖像的變換和增強、圖像的二值化處理和濾波及形態(tài)學(xué)處理等[2]。

目前車牌定位比較流行的方法有：邊界檢測定位法、區(qū)域檢測定位法、顏色空間定位法等，這些算法雖然可以實現(xiàn)對車牌的基本定位目的，但卻存在一定的局限性，例如：有的是在彩色圖像的情況顯然完全失效；有的是在強光干擾時失效等等[1]。

車牌識別系統(tǒng)的關(guān)鍵是字符識別子系統(tǒng)[3]，字符識別主要包括漢子網(wǎng)絡(luò)識別、英文字符網(wǎng)絡(luò)識別和數(shù)字網(wǎng)絡(luò)識別三部分。然而僅對中國大陸車牌字符中含一位漢字而言其結(jié)構(gòu)復(fù)雜，識別困難，出錯率高[4]。

四、車牌識別系統(tǒng)的應(yīng)用

住宅小區(qū)入口車輛識別技術(shù)的應(yīng)用，它主要記下進出車輛的車牌號碼、車牌的顏色以及進出小區(qū)車輛的時間，這樣更有利于進出車輛的進出管理，主要是節(jié)省了人力、從而提高了工作效率。[8]。

五、國內(nèi)外發(fā)展的現(xiàn)狀

（一） A.S.Johnson等學(xué)者利用數(shù)字圖像處理技術(shù)和模式識別技術(shù)對車牌進行識別。首先對大量的車牌圖像實驗，統(tǒng)計車牌圖像位置對應(yīng)的圖像直方圖閾值；然后利用得到的閾值從采集到的圖像中提取車牌；最后通過對提取出的車牌圖像和標(biāo)準(zhǔn)字符模板進行匹配，從而識別車牌字符。

（二） 耿慶田等人針對車牌二值化和車牌字符識別效率不高的問題，提出了一種基于分形維數(shù)和隱馬爾科夫特征的車牌識別算法，并將字符、英文字母和阿拉伯?dāng)?shù)字的識別率提高到98%、98.5%和98.9%，對各種不同的車牌整體識別的平均識別率提高到90.60%。

六、車牌識別系統(tǒng)的應(yīng)用技術(shù)

（一）深度學(xué)習(xí)作為現(xiàn)在一個正在興起的學(xué)科，現(xiàn)也以應(yīng)用到車牌識別中，其方法大致為：在車牌定位完成后，將候選車牌輸入到 CRNN 網(wǎng)絡(luò)中，訓(xùn)練出分類模型，進行車牌識別，得到識別結(jié)果[5]。

（二）耿慶田等人發(fā)現(xiàn)車牌的圖像包含的信息量少于普通圖像，并且其其圖像的內(nèi)容相關(guān)性符合馬爾可夫性，因此選用隱馬爾科夫特征的算法對圖像的模型進行提取，實現(xiàn)了降維提取。

七、結(jié)論

在交通管理系統(tǒng)中，通過對車牌識別技術(shù)的應(yīng)用可實現(xiàn)對車輛在某條道路的平均行駛時間，指揮中心通過對該參數(shù)的分析來判斷道路的擁堵狀況。車牌識別技術(shù)的發(fā)展對現(xiàn)代智能化的社會發(fā)展起到了一定的推動作用，具有一定的研究意義。

參考文獻：

[1]張家偉.基于圖像內(nèi)容識別和神經(jīng)網(wǎng)絡(luò)的車牌識別方法研究[D].吉林：吉林大學(xué)，2010：5-7

[2]鄧運生.車牌識別預(yù)處理優(yōu)化的研究與實現(xiàn)[J].工業(yè)控制計算機.2011， 12：28-29

[3]Kwasnicka H， Wawrzyniak B. License plate localization and recognition in camera pictures[J].Artificial Intelligence Methods，2002，2（3）：13-15

[4]咼潤華. BP神經(jīng)網(wǎng)絡(luò)聯(lián)合模板匹配的車牌識別系統(tǒng)[J].清華大學(xué)學(xué)報：自然科學(xué)版，2013，9：1221-1226

[5]周凱龍.基于深度學(xué)習(xí)的圖像識別應(yīng)用研究[D].北京：北京工業(yè)大學(xué)，2016

[6] 耿慶田. 基于分形維數(shù)和隱馬爾科夫特征的車牌識別[J].光學(xué)精密工程，2013，21（12）：3198-3204