何煒 周保林

摘要：隨著交通管理系統(tǒng)信息智能化的快速發(fā)展，圖像識(shí)別技術(shù)在車牌照識(shí)別中的應(yīng)用越來越廣泛。本文主要針對(duì)當(dāng)前智能交通系統(tǒng)中圖像識(shí)別技術(shù)的運(yùn)用情況，對(duì)車牌照識(shí)別中的車牌識(shí)別算法、圖像預(yù)處理、車牌定位、車牌分割、車牌字符識(shí)別等進(jìn)行研究，并探索圖像識(shí)別技術(shù)在車牌照識(shí)別中運(yùn)用的創(chuàng)新性。

關(guān)鍵詞：智能交通; 車牌照識(shí)別; 圖像識(shí)別技術(shù)

中圖分類號(hào)：TP391.41? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：1672-9129（2020）02-0028-01

Abstract： with the rapid development of traffic management system information intelligence， image recognition technology is more and more widely used in vehicle license plate recognition. This paper mainly focuses on the application of image recognition technology in the current intelligent traffic system， and studies the license plate recognition algorithm， image preprocessing， license plate positioning， license plate segmentation， license plate character recognition， etc.， and explores the innovation of image recognition technology in the application of vehicle license plate recognition.

Key words： Intelligent Transportation; License Plate Recognition; Image Recognition Technology

1? 引言

隨著我國(guó)汽車保有量的不斷提升，對(duì)交通管理智能化的要求越來越高，其中智能識(shí)別技術(shù)（圖像識(shí)別技術(shù)）被廣泛應(yīng)用于各領(lǐng)域，比如交通卡口、停車場(chǎng)、收費(fèi)站、電子警察系統(tǒng)等。圖像識(shí)別技術(shù)在車牌照識(shí)別中運(yùn)用時(shí)，外界復(fù)雜的環(huán)境因素可能會(huì)對(duì)車牌照識(shí)別質(zhì)量造成影響，比如光照、距離、角度等。因此要向獲得準(zhǔn)確率高、圖像質(zhì)量高、耗時(shí)少的車牌照識(shí)別，還需要對(duì)圖像識(shí)別技術(shù)在車牌照識(shí)別中的應(yīng)用進(jìn)行深入的研究和改進(jìn)。

2? 車牌識(shí)別系統(tǒng)構(gòu)成

車牌照識(shí)別是一項(xiàng)綜合性的技術(shù)，車牌照識(shí)別系統(tǒng)主要由圖像識(shí)別、圖像處理、數(shù)據(jù)壓縮、模式識(shí)別等核心技術(shù)構(gòu)成，其中圖像識(shí)別是最為關(guān)鍵的部分。運(yùn)用圖像識(shí)別技術(shù)，從拍攝到的車牌照照片中精確的提取出車牌照信息，并對(duì)車牌照信息精準(zhǔn)的識(shí)別出來。車牌識(shí)別技術(shù)流程包括車牌定位、字符分割、字符識(shí)別三個(gè)環(huán)節(jié)，車牌識(shí)別的具體流程為：目標(biāo)車輛→圖像預(yù)處理→車牌區(qū)域定位→車牌字符分割→車牌字符識(shí)別→輸出車牌信息。

3? 基于圖像識(shí)別技術(shù)的車牌識(shí)別過程

3.1圖像預(yù)處理。車牌照識(shí)別系統(tǒng)獲取的車牌是彩色的，這會(huì)影響系統(tǒng)處理速度和難度，因此在獲得車拍照片后，需要先對(duì)圖像進(jìn)行預(yù)處理。圖像預(yù)處理主要包括三個(gè)環(huán)節(jié)，即灰度值轉(zhuǎn)化、圖像增強(qiáng)與圖像濾波。通過灰度值轉(zhuǎn)化將彩色照片轉(zhuǎn)化為黑白色，并對(duì)圖像進(jìn)行增強(qiáng)，最后在借助圖像濾波將車牌照片中不需要的信息過濾掉，這樣能夠有效提升圖像識(shí)別處理的速度，減小對(duì)數(shù)據(jù)庫(kù)空間的占用。

在灰度值轉(zhuǎn)化中，主要有平均值法、分量法、最大值法、加權(quán)平均值法等灰度化方法，為得到實(shí)際處理用到的圖像，可采用加權(quán)平均值法進(jìn)行圖像灰度化處理。數(shù)碼相機(jī)獲得的原始彩色照片產(chǎn)生許多噪聲，造成強(qiáng)烈視覺反差，影響圖像質(zhì)量，因此需要保持原有圖像特征的基礎(chǔ)上對(duì)圖像進(jìn)行降噪處理，常用方法有均值濾波、中值濾波等，結(jié)合系統(tǒng)實(shí)際可采用中值濾波來獲取最佳圖像。當(dāng)外界環(huán)境不理想或者車牌照有污損等問題時(shí)，獲得的圖像的對(duì)比度可能存在不足，這需要采用灰度變換來增強(qiáng)圖像質(zhì)量，比如可采用灰度拉伸的方法。

3.2車牌定位。在車牌識(shí)別系統(tǒng)中，車牌定位是第一步，車牌定位的算法主要有彩色圖像與紋理結(jié)合法、 基于灰度圖像邊緣檢測(cè)法、基于行掃描的定位法、基于形態(tài)學(xué)特征定位法等，每種方法在具體的運(yùn)用中具有差異化的適用性，各具優(yōu)劣勢(shì)。車牌定位的流程為：圖像灰度化→濾波與均衡化→Sobel y 方向邊緣檢測(cè)→水平差分→水平投影和垂直投影切分→利用車牌特征進(jìn)行精確定位。

為獲得更為精確車牌和定位效果，在獲取原始圖像后，先運(yùn)用加權(quán)平均值法對(duì)圖像進(jìn)行灰度化處理，然后采用直方圖方法對(duì)圖像進(jìn)行均衡化處理，用中值濾波法增強(qiáng)圖像質(zhì)量，運(yùn)用基于Sobel算子對(duì)圖像進(jìn)行邊緣檢測(cè)，獲取很好的水平方向像素，將背景中干擾因素最大限度去除。獲得投影圖后再對(duì)圖像進(jìn)行以下處理：直方圖的均衡化處理、中值濾波處理、Otsu自適應(yīng)二值化處理、Sobel y 方向的邊緣檢測(cè)處理，以及一階水平差分處理。之后采用水平投影和垂直投影獲得處理后的圖像結(jié)果，并最終獲得定位的車牌區(qū)域效果圖。本文這種車牌定位方法相對(duì)于傳統(tǒng)車牌定位方法而言，更加簡(jiǎn)單有效，幾乎去除了其他干擾的背景信息。

3.3車牌字符分割。在實(shí)際生活中，車牌的識(shí)別質(zhì)量存在很大的差異，定位得到的車牌包含了很多外界干擾因素，比如車牌傾斜、被污染、鉚釘及邊框干擾、光照不均等。因此車牌字符分割的關(guān)鍵環(huán)節(jié)，需要針對(duì)外界因素提出適應(yīng)性更好的車牌字符分割技術(shù)。為實(shí)現(xiàn)精準(zhǔn)的車牌字符分割，需先對(duì)圖像進(jìn)行分割前的預(yù)處理，包括灰度直方圖和直方圖規(guī)定化兩部分。字符分割預(yù)處理是將圖像不同的灰度級(jí)分布規(guī)律統(tǒng)計(jì)下來，然后采用函數(shù)算法，選擇性的使某個(gè)范圍內(nèi)灰度值的對(duì)比度增強(qiáng)。在獲得預(yù)處理后的圖像后，采用字符分割主算法，對(duì)車牌上的漢字字符與非漢字字符采用不同方式分別進(jìn)行分割，其中非漢字字符采用連通集進(jìn)行分割，漢字字符則先合并連通集再進(jìn)行分割。在車牌字符切割環(huán)節(jié)，有些車牌存在傾斜情況，這時(shí)需要先對(duì)車牌圖像進(jìn)行傾斜校正，然后在進(jìn)行下一步處理。

3.4車牌字符識(shí)別。當(dāng)對(duì)車牌圖像進(jìn)行一系列的處理后，為了獲得最終的輸出結(jié)果，還需要對(duì)車牌圖像進(jìn)行字符識(shí)別。我國(guó)車牌由漢字、大寫英文字母、阿拉伯?dāng)?shù)字三部分組成，因此車牌字符識(shí)別中，與模板比對(duì)是識(shí)別車牌字符的主要思路。在車牌字符識(shí)別中采用BP神經(jīng)網(wǎng)絡(luò)方法進(jìn)行字符識(shí)別，通過模擬大腦思維模式，對(duì)印刷體模式的車牌字符進(jìn)行存儲(chǔ)，并對(duì)問題產(chǎn)生記憶與聯(lián)想，能有效解決車牌模糊、污染等情況。在雙特征并用中，第一特征篩選可能解，第二特征進(jìn)行精確匹配。經(jīng)過一系列處理，最終獲得車牌結(jié)果的輸出，實(shí)現(xiàn)車牌照識(shí)別。

參考文獻(xiàn)：

[1]王娟.數(shù)字圖像處理應(yīng)用于車輛牌照識(shí)別的研究[J].通訊世界.2016.22

[2]賴特.基于模板匹配及人工神經(jīng)網(wǎng)絡(luò)算法的圖像識(shí)別應(yīng)用——MATLAB實(shí)現(xiàn)機(jī)動(dòng)車牌號(hào)碼辨識(shí)[J].智能建筑與智慧城市.2017.11

[3]李慧兵.圖像識(shí)別技術(shù)在ITS車牌識(shí)別中的應(yīng)用研究[D].吉林大學(xué).2016

[4]朱明秀.基于圖像處理技術(shù)的車牌識(shí)別方法研究[J].信息記錄材料.2019.3