舒高 成鵬李 盧曦 唐海云

關(guān)鍵詞：Python語(yǔ)言；圖像預(yù)處理；圖像灰度化；模板匹配

1概述

隨著道路上汽車數(shù)量的增加，人們?cè)絹?lái)越關(guān)注安全問(wèn)題。在校園內(nèi)識(shí)別車牌是邁向構(gòu)建更全面的停車管理系統(tǒng)的一步。該車輛識(shí)別系統(tǒng)的整體架構(gòu)由超分辨率圖像預(yù)處理、圖像灰度、邊緣檢測(cè)、尺寸調(diào)整、車牌插入與處理、字符分割與識(shí)別以及Matlab訓(xùn)練實(shí)踐方法組成。

2汽車車牌號(hào)識(shí)別原理

2.1數(shù)據(jù)預(yù)處理

大多數(shù)情況下，拍攝車牌照片的環(huán)境并不理想。車輛的速度和天氣等因素會(huì)對(duì)圖像產(chǎn)生重大影響，在拍攝照片的過(guò)程中，照片的質(zhì)量會(huì)有輕微的變化，因此需要進(jìn)行某種形式的數(shù)據(jù)預(yù)處理[1-2]。

2.1.1尺寸調(diào)整

將圖像縮放到合適的大小。在這種情況下，為了提高識(shí)別的效率和有效性，直接使用了調(diào)整大小功能。這樣做是為了提高識(shí)別的效率和功效。

代碼如下：

2.1.2圖像灰度化處理

灰度圖像由白色和黑色之間的色調(diào)組成，以一定的順序完成，并劃分為預(yù)定數(shù)量的層次。

2.2目標(biāo)定位

定位包括確定整個(gè)感興趣的區(qū)域，并確定該區(qū)域的確切幀，然后從原始圖像中提取它。如果放置不正確，其余的工作將受到影響，在最壞的情況下，整個(gè)過(guò)程將失敗。為了使計(jì)算機(jī)準(zhǔn)確定位目標(biāo)的輪廓，定位算法準(zhǔn)確識(shí)別對(duì)象最明顯和相關(guān)的屬性是至關(guān)重要的。

3基于Python的識(shí)別系統(tǒng)程序設(shè)計(jì)

3.1字符分割

要進(jìn)行字符分割，必須手動(dòng)從圖片中提取每個(gè)單獨(dú)的圖形。字符分割包括將車牌分割成各個(gè)組成部分，并決定哪些部分與每個(gè)字符相關(guān)，根據(jù)這些特征計(jì)算每個(gè)字符的開(kāi)始和結(jié)束位置，最后從圖像中提取字符。這一步將在一定程度上決定后續(xù)字符識(shí)別的質(zhì)量。

3.2模板匹配識(shí)別字符

這項(xiàng)工作的前提是模板字符和需要識(shí)別的字符都是由黑色背景與白色字符組成的二進(jìn)制圖片。為了生成公共部分imageV，我們將首先對(duì)需要識(shí)別的字符的imageU以及存儲(chǔ)在字符模板庫(kù)中的字符的imageT進(jìn)行預(yù)處理。這將允許我們同時(shí)使用公共部件圖像和需要為“不同或”邏輯操作識(shí)別的字符。計(jì)算每個(gè)模板圖片imageM中出現(xiàn)白色像素的數(shù)量，包含待識(shí)別字符的imageU中出現(xiàn)白色像素的數(shù)量，imageV中出現(xiàn)白色像素的數(shù)量，imageW中出現(xiàn)白色像素的數(shù)量，以及imageX中出現(xiàn)白色像素的數(shù)量。

4車牌號(hào)識(shí)別實(shí)際應(yīng)用

如圖1所示，圖片為在正常情況下拍攝到的汽車圖片。

4.1讀取圖像

利用TensorFlow提供的數(shù)據(jù)集API，它為數(shù)據(jù)集提供了一個(gè)健壯的包裝器，并支持批量加載、預(yù)處理、批量讀取、變換和預(yù)取等操作。其中，預(yù)取操作有內(nèi)存需求，不預(yù)取也可以使用不足的內(nèi)存。由于本實(shí)驗(yàn)后續(xù)的網(wǎng)絡(luò)結(jié)構(gòu)比較深，對(duì)顯存的要求比較高，這里只設(shè)置了30個(gè)批量大小，可以根據(jù)顯存是否充足或不足進(jìn)行調(diào)整。

4.2圖像預(yù)處理

基于確定的輪廓特征識(shí)別和分割車牌的具體位置，對(duì)圖像進(jìn)行縮放及灰度處理，在中間位置濾波，并檢查邊緣。結(jié)果如圖2所示。

在圖像裁剪完成后，將對(duì)板的位置進(jìn)行旋轉(zhuǎn)和修改，并將處理板的方向定位。接下來(lái)需要對(duì)圖片進(jìn)行灰度化和二值化，最終的成品如圖3所示。

4.3車牌號(hào)分割及識(shí)別

由于之前的操作結(jié)果都在允許的范圍內(nèi)，字符分割過(guò)程的結(jié)果使每個(gè)字符異常明顯。車牌號(hào)分割圖像結(jié)果如圖4所示。

圖5是使用模板匹配識(shí)別并處理最終項(xiàng)中的字符后產(chǎn)生的最終輸出圖像。然后在PIL庫(kù)的幫助下，將結(jié)果繪制在原始圖片的頂部。

5結(jié)束語(yǔ)

自動(dòng)車牌閱讀器，或車牌閱讀器輔助，是智能交通系統(tǒng)的一個(gè)組成部分。計(jì)算機(jī)和數(shù)字圖像技術(shù)的迅速發(fā)展，是本項(xiàng)目創(chuàng)建的靈感來(lái)源。車牌識(shí)別技術(shù)可能有幾種不同的應(yīng)用。例如，在下雨、黑暗、昏暗等復(fù)雜情況下，可以實(shí)現(xiàn)車輛進(jìn)出的無(wú)卡、無(wú)人員自動(dòng)化、標(biāo)準(zhǔn)化管理。這可以顯著降低人工費(fèi)用，并提高管理效率。將其應(yīng)用于現(xiàn)場(chǎng)監(jiān)控，在發(fā)生違反車輛識(shí)別的情況下，對(duì)犯罪嫌疑人的身份驗(yàn)證以及夜間、微光下發(fā)生具有挑戰(zhàn)性的現(xiàn)場(chǎng)車輛識(shí)別，都有很大的幫助。車牌識(shí)別系統(tǒng)已經(jīng)在各個(gè)領(lǐng)域得到廣泛應(yīng)用：它的出現(xiàn)是時(shí)代進(jìn)步的必然結(jié)果，同時(shí)對(duì)情報(bào)領(lǐng)域產(chǎn)生了重大影響。