許多 張仕霞

摘 要 針對(duì)惡劣天氣環(huán)境下傳統(tǒng)的自動(dòng)車牌識(shí)別系統(tǒng)存在運(yùn)行時(shí)間長(zhǎng)、輸出車牌信息不準(zhǔn)等問題，本文提出了借助MATLAB的圖像處理功能從圖像去霧、車牌定位、字符識(shí)別三個(gè)模板進(jìn)行自動(dòng)車牌識(shí)別系統(tǒng)的設(shè)計(jì)，并采用暗通道優(yōu)先、支持向量機(jī)、模板匹配三種算法，通過實(shí)驗(yàn)驗(yàn)證了車牌定位和字符識(shí)別的準(zhǔn)確性提高效果良好。

關(guān)鍵詞 車牌識(shí)別 ?暗通道優(yōu)先 ?支持向量機(jī) ?模板匹配

中圖分類號(hào) ?TP3文獻(xiàn)標(biāo)志碼 ?A

引 言

全球汽車的使用越發(fā)呈爆炸式增長(zhǎng)，人類的生活出行更加方便了，但同時(shí)也對(duì)城市交通造成了巨大的壓力。車輛的普及對(duì)交通設(shè)施與交通監(jiān)管部門提出了更高的要求，傳統(tǒng)的人工管理手段和交通基礎(chǔ)已經(jīng)不足以解決日益繁重的車輛管理工作[1]。為了更加智能、高效的交通監(jiān)督與管理，人們基于人工智能技術(shù)的發(fā)展提出了“智慧交通”的概念，通過使用一系列的車輛檢測(cè)和道路實(shí)時(shí)監(jiān)控設(shè)備來(lái)獲取道路交通的各類信息，實(shí)現(xiàn)了交通管理的自動(dòng)化、智能化。

智能交通系統(tǒng)是將傳感器技術(shù)、自動(dòng)控制理論、人工智能等科學(xué)技術(shù)有效結(jié)合并綜合運(yùn)用于現(xiàn)代交通的運(yùn)輸管理體系。車牌作為一輛車的重要信息源，自動(dòng)車牌識(shí)別技術(shù)更是智能交通系統(tǒng)的重要組成部分。

自動(dòng)車牌識(shí)別系統(tǒng)對(duì)當(dāng)今世界的交通工作的處理起到不容忽視的作用[2]。

在惡劣天氣條件下，自動(dòng)車牌識(shí)別系統(tǒng)受到灰塵、煙霧以及污漬遮擋等影響，使得圖像模糊不清、信息不準(zhǔn)等現(xiàn)象，這將大大降低所得圖像的利用價(jià)值[3]。因此，設(shè)計(jì)一種準(zhǔn)確且功能強(qiáng)大的車牌識(shí)別系統(tǒng)非常重要。本文基于MATLAB設(shè)計(jì)能夠在惡劣天氣下使用的自動(dòng)車牌識(shí)別系統(tǒng)。

0 系統(tǒng)結(jié)構(gòu)設(shè)計(jì)

在惡劣天氣環(huán)境下實(shí)現(xiàn)對(duì)車輛車牌的檢測(cè)與識(shí)別，自動(dòng)車牌識(shí)別系統(tǒng)主要從圖像去霧、車牌定位、字符識(shí)別三個(gè)模塊進(jìn)行設(shè)計(jì)[4]，設(shè)計(jì)結(jié)構(gòu)流程如圖1。

3.4 邊緣檢測(cè)

邊緣檢測(cè)能夠標(biāo)出車牌信息的大幅度變化，可以使車牌在沒有背景和車牌字體的情況下進(jìn)行分離，以此防止提取圖像顏色特征值時(shí)周圍出現(xiàn)類似顏色對(duì)過程造成干擾。圖5顯示邊緣檢測(cè)后的車牌圖像。

3.5 支持向量機(jī)定位車牌

找到車牌所在的區(qū)域是識(shí)別車牌信息的重點(diǎn)。通常情況車牌都為矩形，有固定的長(zhǎng)寬比，一般是根據(jù)研究對(duì)象的大小形狀進(jìn)行識(shí)別。

但是如果僅依靠車牌大小尺寸來(lái)定位車牌區(qū)域具有局限性。要解決此類問題，可以使用機(jī)器學(xué)習(xí)中的支持向量機(jī)（SVM）對(duì)車牌區(qū)域進(jìn)行分類[8]。SVM會(huì)從圖像中識(shí)別一些獨(dú)有的特征集，用這樣的功能來(lái)訓(xùn)練SVM再對(duì)其他圖像進(jìn)行測(cè)試。

3 字符識(shí)別

在上述過程中已經(jīng)成功將車牌位置定位，但是依然將面對(duì)在惡劣天氣下，如積雪、泥漬等附著在車牌上導(dǎo)致車牌字符不能正確顯示，從而使系統(tǒng)不能準(zhǔn)確檢測(cè)出車牌的正確信息。本文將采用模板對(duì)比的方法來(lái)解決此類問題，以提高系統(tǒng)檢測(cè)準(zhǔn)確度[9]。

4.1 字符分割

車牌的字符間隔一般比較大，字符與字符間是沒有連接的，所以本文尋找有連續(xù)文字的字符塊，按照字符的寬度來(lái)確定出合適的閾值，假如寬度大于這個(gè)閾值，即說明這一塊是多個(gè)字符的組合，便需要對(duì)這一部分進(jìn)行切割，然后保存剩余部分并且覆蓋住原來(lái)的圖像繼續(xù)進(jìn)行切割，依次執(zhí)行，直到分割出所有字符。當(dāng)所有字符都被分割出后就能夠進(jìn)行下一步的字符識(shí)別。圖6便是此階段分割出來(lái)后的車牌單個(gè)字符。

4.2 光學(xué)字符識(shí)別

目前光學(xué)字符識(shí)別（ORC）對(duì)車牌字符的檢測(cè)主要有兩種算法：一是基于人工神經(jīng)網(wǎng)絡(luò)的算法以及基于模板匹配的算法。本文將采用模板匹配算法來(lái)進(jìn)行車牌字符的識(shí)別。

模板匹配即使用模板圖像和原始圖像進(jìn)行比較，尋找原始圖像中是否存在與該模板圖像相同或相似的區(qū)域，即事先分割好的單個(gè)字符依次與模板圖像作對(duì)比，最為相近的即默認(rèn)輸出為正確結(jié)果。本文使用的測(cè)度方法是誤差平方和。

4.3 輸出車牌字符信息

4 實(shí)驗(yàn)結(jié)果及分析

為驗(yàn)證本文設(shè)計(jì)的系統(tǒng)在精確度和效率上均優(yōu)于傳統(tǒng)的識(shí)別系統(tǒng)，設(shè)計(jì)了驗(yàn)證模型與本文系統(tǒng)進(jìn)行比較。驗(yàn)證模型在圖像去霧時(shí)采用直方圖均衡化算法且車牌定位時(shí)僅依靠車牌大小尺寸不引入支持向量機(jī)進(jìn)行分類，其余過程在與本文設(shè)計(jì)系統(tǒng)過程一致。

通過實(shí)驗(yàn)顯示，驗(yàn)證模型因?yàn)閮H依靠車牌尺寸進(jìn)行定位，所以定位車牌時(shí)的錯(cuò)誤率很大，即使定位出了正確位置，但是輸出的車牌信息卻無(wú)法保證準(zhǔn)確性。

5 系統(tǒng)平臺(tái)搭建

為實(shí)現(xiàn)信息交互，本系統(tǒng)基于MATLAB GUI搭建圖形化操作界面[10]。點(diǎn)擊“輸入圖像按鈕”即可開始預(yù)處理圖像，預(yù)處理的過程即對(duì)輸入圖像進(jìn)行去霧、以及車牌定位功能，成功定位車牌后便可以點(diǎn)擊“檢測(cè)車牌信息”輸出識(shí)別后的字符信息。

6 結(jié)束語(yǔ)

在全球逐漸加劇的惡劣天氣問題下，復(fù)雜環(huán)境下的車牌識(shí)別就顯得尤為重要，要有效獲取車牌的準(zhǔn)確信息比較困難。本文提出了優(yōu)化系統(tǒng)，并通過基于MATLAB對(duì)車牌圖像識(shí)別的模擬研究，對(duì)已有的自動(dòng)車牌識(shí)別系統(tǒng)進(jìn)行了算法的改進(jìn)。通過實(shí)驗(yàn)驗(yàn)證本文的優(yōu)化系統(tǒng)具有有效性。

參 考 文 獻(xiàn)

[1] 鄧嘉誠(chéng)，黃賀聲，楊林，魏亞東.車輛牌照識(shí)別技術(shù)現(xiàn)狀[J].現(xiàn)代信息科技，2019，3（16）：78-83.

[2] 張莉莉，武艷.基于 MATLAB 的車牌識(shí)別系統(tǒng)的設(shè)計(jì)仿真[J].數(shù)字技術(shù)與應(yīng)用，2017（10）：127-128.

作者簡(jiǎn)介：許多，2000年2月，男，漢，出生地：四川巴中，所屬學(xué)校：西南財(cái)經(jīng)大學(xué)天府學(xué)院，所屬部門：智能科技學(xué)院，研究方向：機(jī)器學(xué)習(xí)、圖像處理、生物信息