1、文獻(xiàn)綜述、八、1前言近幾年來(lái)，隨著汽車的數(shù)量猛增，智能型交通體系一一便成為未來(lái)交通監(jiān)管系統(tǒng)的主要發(fā)展趨勢(shì)，所謂智能交通系統(tǒng)是在較完善的基礎(chǔ)設(shè)施（包括道路、港口、機(jī)場(chǎng)和通信）之上將先進(jìn)的信息技術(shù)、通信技術(shù)、控制技術(shù)、傳感器、計(jì)算機(jī)技術(shù)和系統(tǒng)綜合技術(shù)有效的集成，并應(yīng)用于地面運(yùn)輸系統(tǒng)，從而建立起在大范圍內(nèi)發(fā)揮作用的，實(shí)時(shí)、準(zhǔn)確、高效的運(yùn)輸系統(tǒng)。行駛車輛的車牌實(shí)時(shí)識(shí)別尤其是智能運(yùn)輸系統(tǒng)研究的重要組成部分。車牌識(shí)別系統(tǒng)是對(duì)公路上配置的攝像頭拍攝的照片進(jìn)行數(shù)字圖像處理與分析，綜合應(yīng)用大量的圖像處理最新成果和數(shù)學(xué)形態(tài)學(xué)方法對(duì)汽車圖像進(jìn)行平滑、二值化、模糊處理、邊緣檢測(cè)、圖像分割、開(kāi)運(yùn)算、比運(yùn)算、區(qū)域標(biāo)識(shí)等，

2、利用多種手段以提取車牌區(qū)域，進(jìn)而達(dá)到對(duì)汽車牌照的精確定位并最終完成對(duì)汽車牌照的識(shí)別。車牌識(shí)別系統(tǒng)的用途很多，如高速公路電子收費(fèi)站、公路流量控制、公路稽查、失竊車輛查詢、監(jiān)測(cè)黑牌機(jī)動(dòng)車、監(jiān)控違章車輛的電子警察等公路監(jiān)管場(chǎng)合，以及停車場(chǎng)車輛管理、出入控制等需要車牌認(rèn)證的場(chǎng)合都要應(yīng)用車牌識(shí)別系統(tǒng)，尤其在高速公路收費(fèi)系統(tǒng)中，實(shí)現(xiàn)不停車收費(fèi)技術(shù)可提高公路系統(tǒng)的運(yùn)行效率，由此可見(jiàn)車牌識(shí)別系統(tǒng)具有不可替代的作用，因此對(duì)車牌識(shí)別技術(shù)的研究和應(yīng)用系統(tǒng)的開(kāi)發(fā)具有重要的現(xiàn)實(shí)意義。2車牌識(shí)別技術(shù)研究現(xiàn)狀車牌識(shí)別系統(tǒng)要綜合應(yīng)用多種手段提取車牌區(qū)域，對(duì)汽車牌照的精確定位并最終完成對(duì)汽車牌照的識(shí)別。因此車牌識(shí)別系統(tǒng)要應(yīng)對(duì)多

3、種復(fù)雜環(huán)境，如車流量高峰期、照射反光、車牌污染等。利用模擬人腦智能，在識(shí)別車牌時(shí)能進(jìn)行聯(lián)想記憶與推理，能夠較好地解決字符殘缺不完整而無(wú)法識(shí)別的問(wèn)題。2.1車牌識(shí)別方法的研究車牌識(shí)別系統(tǒng)主要包括車牌定位、字符分割、字符識(shí)別等工作模塊，同時(shí)系統(tǒng)自身具有良好的維護(hù)性和擴(kuò)展性，可在無(wú)需為車輛加裝其他特殊裝置情況下實(shí)現(xiàn)對(duì)車輛的自動(dòng)檢測(cè)3。2.2車牌定位方法的研究車牌定位就是把車牌區(qū)域完整的從一副具有復(fù)雜背景的車輛圖像中分割出來(lái)，它是解決圖像處理中的實(shí)際問(wèn)題，其方法多種多樣，當(dāng)前最常見(jiàn)的定位技術(shù)主要有：基于邊緣檢測(cè)的方法、基于彩色分割的方法、基于小波變換的方法、遺傳算法和人工神經(jīng)網(wǎng)絡(luò)技術(shù)等?；谶吘墮z測(cè)的

4、車牌定位方法：在對(duì)車牌進(jìn)行定位前，先將汽車圖像通過(guò)灰度變換、直方圖均衡化等增強(qiáng)預(yù)處理，再經(jīng)二值化，最后利用邊緣檢測(cè)算子對(duì)圖像進(jìn)行邊緣檢測(cè)。檢測(cè)到邊緣后在進(jìn)行區(qū)域膨脹，腐蝕去無(wú)關(guān)的小物件，這時(shí)圖像會(huì)呈現(xiàn)出多個(gè)連通的判斷區(qū)域，最后找出所有連通域中最可能是車牌的那一個(gè)便可4。5基于色彩分割的車牌定位方法：主要由彩色分割和目標(biāo)定位等模塊組成，在進(jìn)行色彩分割前，要先將原始圖像從色彩空間轉(zhuǎn)換到空間，再在空間內(nèi)進(jìn)行色彩分析。具體的分割運(yùn)算：依次將四種車牌底色中一種為基準(zhǔn)，對(duì)圖像中每一像素先對(duì)照表1進(jìn)行色彩分量比較，對(duì)超出基準(zhǔn)色限定范圍的像素直接設(shè)置為背景色（白色），否則統(tǒng)計(jì)所有落在該區(qū)間內(nèi)的像素三分量的均值

5、，作為分割計(jì)算的顏色中心，再對(duì)所有區(qū)間范圍內(nèi)的像素計(jì)算其與顏色中心的色彩距離，若距離大于閾值，則設(shè)置為背景色，否則設(shè)置為目標(biāo)色（黑色）。對(duì)大量圖片的色彩分析得出的四種色彩所限定的區(qū)間范圍值如表所示：表三分量范圍一表示該值不予考慮藍(lán)黃白黑J由于圖像背景的復(fù)雜性，色彩過(guò)濾后的圖像仍然可能包含多個(gè)可能的目標(biāo)區(qū)域，需進(jìn)一步使用車牌體態(tài)比特征對(duì)多個(gè)目標(biāo)區(qū)域進(jìn)行過(guò)濾?；谛〔ㄗ儞Q的車牌定位方法：先將車輛圖像轉(zhuǎn)換成索引圖像，然后對(duì)索引圖像作用小波變換，獲取圖像在不同子帶的小波系數(shù)車牌特征提取就是基于汽車圖像在小波變換后的高頻子帶，根據(jù)圖像中車牌區(qū)域的小波系數(shù)幅值大、密度高的特點(diǎn)，可以通過(guò)作用一個(gè)閾值來(lái)濾掉非

6、牌照候選區(qū)域的小波系數(shù)。通過(guò)小波尺度分解提出紋理清晰且具有不同空間分辨率、不同方向的邊緣子圖；再利用車牌目標(biāo)區(qū)域具有水平方向低頻、垂直方向高頻的特點(diǎn)實(shí)現(xiàn)子圖提取，最后用數(shù)學(xué)形態(tài)學(xué)方法對(duì)小波分解后的細(xì)節(jié)圖像進(jìn)行一系列的形態(tài)運(yùn)算，進(jìn)一步消除無(wú)用信息和噪聲，以確定車牌位置?；谶z傳算法的車牌定位方法：車牌目標(biāo)區(qū)域的主要特點(diǎn)有車牌底色往往與車身顏色、字符顏色有較大差異；另外牌照的長(zhǎng)度比變化有一定范圍，存在一個(gè)最大和最小長(zhǎng)寬比。根據(jù)這些特點(diǎn)，可以在灰度圖像的基礎(chǔ)上提取相應(yīng)的特征。還有車牌內(nèi)字符之間的間隔比較均勻，字符和牌照底色在灰度值上存在跳變，而字符本身與牌照底的內(nèi)部都有較均勻灰度。又由于車牌有一個(gè)連

7、續(xù)或由于磨損而不連續(xù)的邊框，車牌內(nèi)字符有多個(gè)，基本呈水平排列，所以在牌照的矩形區(qū)域內(nèi)存在較豐富的邊緣，呈現(xiàn)出規(guī)則的紋理特征，因此在實(shí)際中我們只要先對(duì)彩色圖像進(jìn)行灰度化和二值化處理，采用反映不同疏密度的一維濾波器組在水平方向上對(duì)二值圖像進(jìn)行濾波便可獲得車牌圖像的紋理特征向量，再對(duì)待定局部區(qū)域圖像進(jìn)行濾波處理獲得其特征向量，將其與車牌特征描述向量進(jìn)行比較就能得到該區(qū)域作為車牌區(qū)的可能性91。0采用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)車牌定位算法：可采用對(duì)灰度圖像直接感知的方法實(shí)現(xiàn)，即使用一個(gè)滑動(dòng)窗口作為采樣窗口（可根據(jù)車牌特征選擇長(zhǎng)條形或狹長(zhǎng)形滑動(dòng)窗口），在灰度圖像上依次移動(dòng)，將窗口覆蓋下的圖像塊作為神經(jīng)網(wǎng)絡(luò)的輸入，所采

8、用的網(wǎng)絡(luò)是層全連接前饋網(wǎng)絡(luò)，其輸入層神經(jīng)元數(shù)目為滑動(dòng)窗口的尺寸，其輸出層神經(jīng)元數(shù)目為。當(dāng)輸出接近時(shí)，表示滑動(dòng)窗口下的圖像塊屬于車牌區(qū)域;當(dāng)輸出接近1/時(shí)2，表示滑動(dòng)窗口下的圖像塊屬于背景區(qū)域。此算法的樣本集的選擇和搜索策略都是很重要的，這都會(huì)對(duì)定位效果有影響，因此首先要對(duì)車牌和北京交替反復(fù)采樣，并且要在所選圖像中盡量包括各種不同光照條件、背景復(fù)雜度和牌照顏色，以有利于網(wǎng)絡(luò)實(shí)現(xiàn)泛化，這樣可以加強(qiáng)網(wǎng)絡(luò)的容錯(cuò)性；而對(duì)于搜索策略而言，由于車牌一般位于圖像的中下方，因此一般采取自下而上遍歷，這樣不容易誤將車型標(biāo)志處定位為車牌區(qū)域，并且當(dāng)遍歷圖像后出現(xiàn)不止一個(gè)候選車牌區(qū)域的時(shí)候，也應(yīng)優(yōu)先考慮最下的候選車牌

9、區(qū)域。另外，由于神經(jīng)網(wǎng)絡(luò)具有一定的容錯(cuò)性，對(duì)于傾斜角度較大的車牌，要在神經(jīng)網(wǎng)絡(luò)處理之前先進(jìn)行水平校正11。2.3國(guó)內(nèi)外研究現(xiàn)狀現(xiàn)在一些實(shí)用的車牌識(shí)別技術(shù)已經(jīng)開(kāi)始用于各種車牌監(jiān)控場(chǎng)合，如以色列的公司、公司，新加坡的公司都研制出了較為成熟的車牌識(shí)別系統(tǒng)。我國(guó)的車牌識(shí)別研究也取得了相當(dāng)?shù)某晒?，許多識(shí)別算法也已經(jīng)應(yīng)用于實(shí)踐當(dāng)中。如北京漢王科技的“漢王眼”采用了嵌入式一體化結(jié)構(gòu)，可在本地進(jìn)行數(shù)據(jù)采集、識(shí)別、存儲(chǔ)，根據(jù)系統(tǒng)需求上傳相關(guān)數(shù)據(jù)，大大減少了數(shù)據(jù)傳輸量，提高了系統(tǒng)的實(shí)時(shí)性；昆明利普視覺(jué)提供的車牌識(shí)別通用軟件模塊，不依賴于特定的硬件設(shè)備，可由用戶或系統(tǒng)集成商自行采購(gòu)，成本較低，在國(guó)內(nèi)應(yīng)用廣泛。這些車

10、牌識(shí)別系統(tǒng)大大提高了智能交通的管理效率，可以針對(duì)超速以及被盜車輛和交通肇事逃逸車輛實(shí)現(xiàn)實(shí)時(shí)報(bào)警，并上傳相關(guān)信息，對(duì)公安、交警破案具有極大的實(shí)際意義3。3總結(jié)綜上所述，可見(jiàn)車牌識(shí)別技術(shù)在智能交通系統(tǒng)發(fā)展中所占的重要地位，而隨著社會(huì)經(jīng)濟(jì)的快速持續(xù)發(fā)展，車輛數(shù)目增長(zhǎng)迅猛，道路交通運(yùn)輸日益繁忙，使得交通擁堵和交通事故成為城市交通中頗受困擾的突出難題，日益嚴(yán)重的交通狀況更讓人們重視道路交通運(yùn)輸系統(tǒng)的管理和監(jiān)控技術(shù)的開(kāi)發(fā)，車牌字符識(shí)別技術(shù)便越來(lái)越受到人們的關(guān)注?，F(xiàn)在車牌字符識(shí)別的研究在技術(shù)上已經(jīng)取得了很大的突破，但是距離實(shí)用化要求還有一定的距離，許多新方法還僅停留在理論上或者受到約束限定，車牌字符識(shí)別的研

11、究仍然有很長(zhǎng)的路要走。參考文獻(xiàn)遲鐵軍高鵬國(guó)外智能交通系統(tǒng)發(fā)展?fàn)顩r分析及對(duì)我國(guó)的啟示黑龍江交通科技郭紅兵智能交通系統(tǒng)在城市道路交叉口中的應(yīng)用現(xiàn)狀與發(fā)展展望陜西交通職業(yè)技術(shù)學(xué)院學(xué)報(bào),2009,2(1):1317楊忠秀宋加濤等車牌定位算法研究實(shí)用設(shè)計(jì)梅林劉鋒基于邊緣檢測(cè)與垂直投影相結(jié)合的車牌定位方法甘肅科技楊家輝王建英基于色彩分割與體態(tài)紋理分析的車牌定位方法計(jì)算機(jī)與現(xiàn)代化范蕤潘永惠基于小波變換的車牌定位算法研究通化師范學(xué)院學(xué)報(bào)張玲劉勇何偉自適應(yīng)遺傳算法在車牌定位中的應(yīng)用計(jì)算機(jī)應(yīng)用譚熙黃樟燦基于自適應(yīng)性的車牌定位新方法計(jì)算機(jī)技術(shù)與自動(dòng)化,2008,27(3):陸恩誕陸鋒袁曉輝用神經(jīng)網(wǎng)絡(luò)進(jìn)行車牌定位的研究南京理工大學(xué)學(xué)報(bào)范瑋琦穆長(zhǎng)江一種基于漢字結(jié)構(gòu)特征的車牌照字符分割方法儀器儀表學(xué)報(bào),胡小峰趙輝圖像處理與識(shí)別北京人民郵電出版社李文舉梁德群質(zhì)量退化的車牌字符分割方法計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)eladaptivmeloagpipcraloafadcedharactiemragesegmentationJ.PatternRecognition,2005,38(11):19611975魏志軒基于神經(jīng)網(wǎng)絡(luò)的車牌自動(dòng)識(shí)別算法黑龍江科技學(xué)院學(xué)報(bào)魏武王明俊王起森等一種基于模板匹配的車牌識(shí)別方法中國(guó)公路學(xué)報(bào),2002,18謝劍斌,劉通等.基于多特征和加權(quán)模式相似性測(cè)