車牌識(shí)別技術(shù)論文

　　車牌識(shí)別技術(shù)問(wèn)題是近年來(lái)智能交通系統(tǒng)技術(shù)研究的熱點(diǎn)問(wèn)題，這是學(xué)習(xí)啦小編為大家整理的車牌識(shí)別技術(shù)論文，僅供參考!

　　車牌識(shí)別技術(shù)論文篇一

　　車牌識(shí)別技術(shù)研究

　　摘 要：車牌識(shí)別技術(shù)問(wèn)題是近年來(lái)智能交通系統(tǒng)技術(shù)研究的熱點(diǎn)問(wèn)題，車牌識(shí)別技術(shù)主要包含三個(gè)部分：圖像預(yù)處理、車牌定位及校正、車牌文字識(shí)別。本文介紹了復(fù)雜背景下車牌識(shí)別系統(tǒng)的實(shí)現(xiàn)方法。

　　關(guān)鍵詞：車牌識(shí)別技術(shù);智能交通;Mean Shit算法

　　中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9599 (2013) 09-0000-02

　　隨著汽車在人們的工作、生產(chǎn)和生活中扮演著越來(lái)越重要的角色，汽車的保有量也在急速增加。由此帶來(lái)的交通管理問(wèn)題也變得越來(lái)越復(fù)雜，智能交通系統(tǒng)的建立是最好的解決問(wèn)題的方法。而車牌識(shí)別技術(shù)在智能交通系統(tǒng)中占有十分重要的地位。停車廠、收費(fèi)站、生產(chǎn)企業(yè)的門禁管理都有車牌識(shí)別技術(shù)的身影。

　　在車輛車牌識(shí)別技術(shù)中的圖像提取、字符分割起、字符識(shí)別過(guò)程中，數(shù)字圖像處理技術(shù)起到了重要作用。但由于圖像提取現(xiàn)場(chǎng)可能存在因時(shí)間、光線、天氣的變化而造成的干擾使車牌成像效果較差的問(wèn)題。所以目前現(xiàn)有的車牌識(shí)別系統(tǒng)都存在因環(huán)境變化而產(chǎn)生的識(shí)別率變化的問(wèn)題。

　　1 車牌圖像預(yù)處理技術(shù)

　　車牌圖像預(yù)處理技術(shù)一般包括通過(guò)濾波技術(shù)、灰度化、圖像增強(qiáng)、數(shù)學(xué)形態(tài)學(xué)等。

　　1.1 濾波技術(shù)

　　在實(shí)際工作場(chǎng)景中采集到的數(shù)字圖像通常會(huì)因?yàn)橥饨绛h(huán)境、攝像設(shè)備、傳輸線路或保存精度等方面的原因，使其在進(jìn)行預(yù)處理前受到各種噪聲的污染。并且在圖像處理過(guò)程中也可能會(huì)對(duì)圖像產(chǎn)生噪聲。噪聲與我們想要處理的圖像沒(méi)有任何關(guān)聯(lián)，還會(huì)對(duì)我們的處理產(chǎn)生不好的影響。所以，一般情況下我們會(huì)在進(jìn)行圖像處理前對(duì)圖像采用濾波技術(shù)進(jìn)行處理，常用的濾波方法有：中值濾波、均值濾波、高斯濾波等。

　　1.2 圖像增強(qiáng)算法

　　圖像的對(duì)比度不足是圖像處理的過(guò)程中經(jīng)常會(huì)遇到的問(wèn)題。主要的原因是在獲取車牌圖像時(shí)受外界環(huán)境的影響。對(duì)比度不足的圖像會(huì)影響到圖像的后續(xù)處理效果，所以，一般情況下，在進(jìn)行圖像處理前會(huì)使用灰度變換的方法來(lái)對(duì)圖像進(jìn)行對(duì)比度增強(qiáng)處理，以達(dá)到改善視覺(jué)效果的目的。

　　1.3 數(shù)學(xué)形態(tài)學(xué)

　　數(shù)學(xué)形態(tài)學(xué)[1]是在1964年由法國(guó)巴黎礦業(yè)學(xué)院博士生賽拉(J. Serra)和導(dǎo)師馬瑟榮，在從事鐵礦核的定量巖石學(xué)分析及預(yù)測(cè)其開(kāi)采價(jià)值的研究中提出的。數(shù)學(xué)形態(tài)學(xué)的數(shù)學(xué)基礎(chǔ)和所用語(yǔ)言是集合論，因此它具有完備的數(shù)學(xué)基礎(chǔ)，這為形態(tài)學(xué)用于圖像分析和處理、形態(tài)濾波器的特性分析和系統(tǒng)設(shè)計(jì)奠定了堅(jiān)實(shí)的基礎(chǔ)?；痉椒ㄊ抢靡粋€(gè)擁有一定形狀的結(jié)構(gòu)元素來(lái)檢測(cè)圖像的形狀和結(jié)構(gòu)。

　　1.4 Mean Shift算法

　　Mean Shift這個(gè)概念最早是1975年在一篇關(guān)于概率密度梯度函數(shù)的估計(jì)的文章中由Fukunaga等人提出來(lái)的，它的意思是偏移的均值向機(jī)構(gòu)量。一般是指一個(gè)迭代的步驟，即先算出當(dāng)前點(diǎn)的偏移均值，移動(dòng)該點(diǎn)到其偏移均值，然后以此為新的起始點(diǎn)，繼續(xù)移動(dòng)，直到滿足一定的條件結(jié)束。目前，Mean Shift算法較多地應(yīng)用到圖像聚類方面。

　　2 車牌的定位與校正

　　本章主要描述的是對(duì)已有車牌定位方法的研究，了解它們的算法原理及其優(yōu)缺點(diǎn)，并提出了一種效果更好適用范圍更廣的車牌識(shí)別系統(tǒng)方法，即將Mean Shift算法運(yùn)用到車牌識(shí)別系統(tǒng)，然后在此基礎(chǔ)上對(duì)車牌進(jìn)行校正。

　　2.1 車牌定位

　　車牌定位是指根據(jù)車牌圖像的區(qū)域特征來(lái)將車牌在圖像中的部分從背景圖像中分離開(kāi)來(lái)，由于車牌區(qū)域在圖像特征主要包括顏色和形狀，車牌區(qū)域的顏色一般為藍(lán)色、黃色或白色，它們與圖像的背景顏色存在較大的差異。車牌的形狀一般為矩形。而車牌號(hào)在外形和排列上都存在規(guī)律性。車牌定位技術(shù)就是將上述特征經(jīng)過(guò)一定的變換與處理后，使之能作為車牌定位的依據(jù)。

　　常用的車牌定位的方法有基于顏色的方法、基于紋理特征的方法、基于數(shù)學(xué)形態(tài)學(xué)的方法、基于小波變換的方法等。這些車牌定位方法，都各自具有不同的局限性。使用Mean Shift算法進(jìn)行車牌定位可以獲得比較好的效果。對(duì)于圖像空間的所有像素點(diǎn)，在經(jīng)過(guò)Mean Shift算法迭代后，如果最終收斂于同一點(diǎn)，則停止迭代。用同樣的方法對(duì)圖像空間中的所有像素點(diǎn)進(jìn)行迭代遍歷，得出的結(jié)果根據(jù)收斂點(diǎn)的不同可以把整個(gè)空間分成幾個(gè)區(qū)域。這些區(qū)域即為可能的車牌區(qū)域，再通過(guò)上述特征在可能的車牌區(qū)域中進(jìn)行對(duì)照分析，就可以得到車牌區(qū)域。

　　2.2 車牌校正

　　車牌校正是為了解決拍攝的車牌圖像因?yàn)榻嵌葐?wèn)題，導(dǎo)致定位后的車牌傾斜，而傾斜的車牌會(huì)給車牌識(shí)別系統(tǒng)的后繼步驟增添麻煩，車牌校正是必須的。車牌校正是利用車牌區(qū)域的矩形序列分布同組成車牌號(hào)的字母、數(shù)字位置的分布基本一致的特征，找到了矩形序列中矩形左上角像素點(diǎn)排列的近似斜率，從而找出車牌區(qū)域的偏轉(zhuǎn)角度，完成車牌圖像區(qū)域的校正。

　　3 車牌的字符分割與字符識(shí)別

　　3.1 車牌字符分割

　　車牌字符分割主要后面的字符識(shí)別做準(zhǔn)備，它是把車牌圖像區(qū)域中的字符和數(shù)字一一地分割開(kāi)，以便于后續(xù)處理中對(duì)單個(gè)字符進(jìn)行識(shí)別。字符分割的方法[2]主要有：基于連通域標(biāo)記的字符分割算法、灰度垂直投影分割的方法等。

　　灰度垂直投影分割的方法是車牌字符分割處理中比較熱門的技術(shù)。李文舉[3]等在《種新的面向字符分割的車牌圖像預(yù)處理方法》一文中提出的算法步驟是：字符上下邊界的確定采用的是由中點(diǎn)到兩端搜索的方法;運(yùn)用一維循環(huán)清零法對(duì)分離出的車牌號(hào)圖像區(qū)域進(jìn)行垂直分割，從而得到車牌的單個(gè)字符;再對(duì)二值圖像進(jìn)行垂直投影，若垂線上有亮點(diǎn)則將對(duì)應(yīng)的投影值設(shè)為1，否則為0，得到垂直投影矩陣。如果是車牌字符的話，則在生成的垂直投影矩陣上應(yīng)該是連續(xù)的1。如果是字符之間的間隔的話，則應(yīng)該是連續(xù)的0值，噪聲點(diǎn)可能會(huì)出現(xiàn)單個(gè)的1和0值。在對(duì)矩陣進(jìn)行掃描后，就可以識(shí)別出字符區(qū)和間隔區(qū)。

　　3.2 車牌的字符識(shí)別

　　車牌字符識(shí)別是將分割開(kāi)的單個(gè)字符進(jìn)行匹配判斷。常用的車牌字符識(shí)別方法主要有：基于模板的識(shí)別算法、基于BP神經(jīng)網(wǎng)絡(luò)的識(shí)別算法等。

　　基于模板的識(shí)別算法由于其處理速度快、識(shí)別率高的特點(diǎn)為大多數(shù)設(shè)計(jì)所采用。它是把分割后的單個(gè)字符區(qū)域與預(yù)置的標(biāo)準(zhǔn)字符集進(jìn)行匹配處理，取標(biāo)準(zhǔn)字符集中相似度最大的字符作為識(shí)別結(jié)果。這種算法的處理步驟是：將單個(gè)字符圖像區(qū)域進(jìn)行二值化并改變字符大小，使之與字符集中的字符大小相同，然后再進(jìn)行匹配操作，篩選出相似首先需要有字符模板庫(kù)，將待識(shí)別的字符進(jìn)行二值化后，將其大小變成字符模板庫(kù)中字符大小，然后與庫(kù)中的字符進(jìn)行匹配，以相似度最高的字符為最終結(jié)果。因?yàn)樗惴ê?jiǎn)單所以算法的速度較快，只要在前期的預(yù)處理中降噪做得比較好，這種算法的識(shí)別率也相對(duì)較高，是一種簡(jiǎn)單、快速、有效的字符識(shí)別技術(shù)，商用價(jià)值較高。

　　從目前研究情況盾來(lái)，由于車牌圖像拍攝環(huán)境的復(fù)雜性和多變性，在選擇及判斷識(shí)別技術(shù)的好壞時(shí)具有一定的難度，現(xiàn)有的一些方法也存在不足。而智能化交通系統(tǒng)對(duì)車牌識(shí)別技術(shù)的需求卻十分急迫。因此，需要我們進(jìn)一步深入研究更有效的車牌識(shí)別技術(shù)，以使車牌識(shí)別系統(tǒng)更加完善。

　　參考文獻(xiàn)：

　　[1]戴青云，余英林.數(shù)學(xué)形態(tài)學(xué)在圖像處理中的應(yīng)用進(jìn)展[J].控制理淪與應(yīng)用，2001，1，18(4)：478-482.

　　[2]左望霞.復(fù)雜背景下多車牌圖像分割技術(shù)研究[D].電子科技大學(xué)碩士學(xué)位論文，2006.

　　[3]李文舉，梁德群，崔連延，畢勝.一種新的面向字符分割的車牌圖像預(yù)處理方法[J].計(jì)算機(jī)應(yīng)用研究，2004(7)：258-260.

　　[作者簡(jiǎn)介]王超(1973.8-)，男，重慶江津人，講師，研究方向：智能算法，軟件工程。

　　車牌識(shí)別技術(shù)論文篇二

　　高速公路車牌識(shí)別技術(shù)

　　摘 要：隨著社會(huì)的發(fā)展進(jìn)步，車牌識(shí)別已經(jīng)逐漸的發(fā)展成為智能交通系統(tǒng)中較為重要的組成部分，也是收費(fèi)系統(tǒng)防止作弊的重要手段，更是高速系統(tǒng)自動(dòng)化收費(fèi)系統(tǒng)必須解決的關(guān)鍵問(wèn)題，主要的目的是可以從圖像中自動(dòng)提取出車牌的圖像，分割字符圖像，實(shí)現(xiàn)對(duì)車牌信息的識(shí)別和比對(duì)。它不僅僅是計(jì)算機(jī)視覺(jué)與模式識(shí)別技術(shù)重要的研究話題，更是交通管理智能化的關(guān)鍵技術(shù)之一。目前，國(guó)內(nèi)外都致力于這方面的研究，如模版匹配，神經(jīng)網(wǎng)絡(luò)，小波變換等，也都取得了較好的研究成果。

　　關(guān)鍵字：車牌識(shí)別,模版匹配，神經(jīng)網(wǎng)絡(luò)，小波變換

　　Abstract:With the development of society progress,License plate recognition has gradually become the development of intelligent transportation system an important part, also is the charging system to prevent an important means of cheating, but also high speed system automatic charging system must solve the key problem, the main purpose is to extract image automatic license plate image, segmentation character image, realize on license information recognition and matching. It is not only a computer vision and pattern recognition technology important research topic, but also intelligent traffic management one of the key technologies. At present, the home and abroad have devoted to the research of this aspect, such as template matching, neural network, wavelet transform and so on, have achieved good results.

　　Keywords:License plate recognition, template matching, neural network, wavelet transform

　　中圖分類號(hào)：U412.36+6 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：

　　1 引言

　　隨著高速公路系統(tǒng)新技術(shù)的高速發(fā)展，車牌識(shí)別技術(shù)已經(jīng)成為交通應(yīng)用方面的重要組成部分，切社會(huì)對(duì)其的應(yīng)用也十分廣泛，它不但在高速，隧道，橋梁等方面被廣泛應(yīng)用，而且也逐漸的被應(yīng)用于小區(qū)，停車場(chǎng)等方面，也在電子警察和違章拍照方面做出較大貢獻(xiàn)，介于車牌識(shí)別技術(shù)的廣泛應(yīng)用，越來(lái)越過(guò)的國(guó)家也都致力于對(duì)其的研究，同時(shí)也提出了一些較好的辦法。但是，單方面而言其流程大概一致，關(guān)鍵差別在于前端采集系統(tǒng)圖像的精度，和后端的算法處理。

　　2車牌識(shí)別系統(tǒng)的介紹

　　汽車牌照自動(dòng)識(shí)別系統(tǒng) 是智能交通系統(tǒng)的重要組成部分，是高科技的公路交通監(jiān)控管理系統(tǒng)的主要功能模塊之一。它在傳統(tǒng)的交通監(jiān)控技術(shù)的基礎(chǔ)上，引入了數(shù)字?jǐn)z像技術(shù)和計(jì)算機(jī)信息管理技術(shù)，采用先進(jìn)的圖像處理、模式識(shí)別和人工智能技術(shù)，通過(guò)對(duì)車輛圖像的采集和處理，獲得車輛的數(shù)字化信息，從而達(dá)到更高的智能化管理水平。它運(yùn)用車牌是車輛身份的唯一標(biāo)識(shí)的思想概念來(lái)智能識(shí)別和統(tǒng)計(jì)車輛，涉及圖像的捕捉、處理、理解和記錄等技術(shù)。其中車牌識(shí)別又可以依據(jù)針對(duì)的方向不同可以分為車輛圖片識(shí)別，和視頻車牌號(hào)識(shí)別，其中車輛圖片識(shí)別主要針對(duì)單張圖片進(jìn)行抓拍處理，識(shí)別圖片中的車牌號(hào)碼，而視頻車牌號(hào)識(shí)別則主要應(yīng)用于高速公路收費(fèi)，交通治安，闖紅燈系統(tǒng)，小區(qū)或是停車場(chǎng)的監(jiān)控系統(tǒng)中，兩項(xiàng)程序都可以清晰的捕捉圖像，并適用于win98,2000,XP,等系統(tǒng)，適用較為方便快捷，下圖是車牌識(shí)別系統(tǒng)流程。

　　圖1 車牌識(shí)別系統(tǒng)流程

　　Fig 1 License plate recognition system process

　　3圖像字符分割

　　在車牌識(shí)別的整個(gè)過(guò)程中，為了達(dá)到字符識(shí)別的目標(biāo)從提取的車牌圖像中分割出字符的工作室必不可少的，閥值分割，目標(biāo)與背景區(qū)別，車牌字符傾斜校正，單個(gè)字符切割以及字符的歸一化都是圖像字符分割的主要工作。

　　車牌圖像閥值分割：閥值分割主要是基于像素的一種圖像分割方法，主要目的是選擇一個(gè)合適的灰度值T將圖像所有的灰度值相比較，大于T和小于T的分別歸類，在識(shí)別系統(tǒng)中圖像經(jīng)過(guò)預(yù)處理，質(zhì)量有所提高，且背景干擾不嚴(yán)重我們通常使用最大類間方差法(Otsu法)進(jìn)行分割其方法原理如下：

　　設(shè)數(shù)字圖像的灰度級(jí)(G=1,2，…，L)處在灰度級(jí)i的所有像素用i表示，總的像素N可表示為：

　　設(shè)Pi表示圖像中灰度級(jí)為i出現(xiàn)的概率，且定義為：

　　將圖像中的像素按灰度級(jí)用閥值T劃分為兩類C0和C1，則兩類出現(xiàn)的概率分布為：

　　有時(shí)，由于存在一些背景的干擾，用Otsu方法求得的閥值進(jìn)行分割不能最好的起到保留車牌字符的效果所以根據(jù)調(diào)差發(fā)現(xiàn)對(duì)于車牌的定位，當(dāng)在1.02~1.20時(shí)的分割效果比較好。

　　4 結(jié)論

　　該技術(shù)已經(jīng)越來(lái)越多的被應(yīng)用在不同的場(chǎng)合，越來(lái)越體現(xiàn)出該技術(shù)在高速公路監(jiān)控等系統(tǒng)中的重要地位，也是國(guó)內(nèi)為很多公司都致力于這項(xiàng)技術(shù)的原因，目前對(duì)于車牌識(shí)別技術(shù)仍存在諸多問(wèn)題，如：預(yù)處理過(guò)程中產(chǎn)生的誤差，車牌定位及字符的分割及識(shí)別，沒(méi)有用到車牌原有的顏色特征，都需要在研究的過(guò)程中進(jìn)一步的加以改進(jìn)。

　　參考文獻(xiàn)

　　[1] 高速公路機(jī)電系統(tǒng)新技術(shù)及應(yīng)用