1、車牌識(shí)別系統(tǒng)的技術(shù)研究 湖南大學(xué)學(xué)士學(xué)位論文答辯摘要車牌識(shí)別系統(tǒng)的發(fā)展歷程車牌識(shí)別系統(tǒng)的應(yīng)用現(xiàn)狀 車牌識(shí)別技術(shù)的理論背景車牌識(shí)別技術(shù)的難點(diǎn)車牌識(shí)別系統(tǒng)的兩個(gè)關(guān)鍵參數(shù)改進(jìn)的模板匹配法字符多特征提取法基于圖像邊緣摘要的快速模板匹配法實(shí)驗(yàn)結(jié)果分析參考文獻(xiàn)畢業(yè)感言致謝 目 錄摘要 隨著中國(guó)綜合國(guó)力的不斷提高，人們生活水平的也隨之不斷提高，汽車成為了越來(lái)越的人出行的首選代步工具。在馬路上飛馳的汽車越來(lái)越多，由此給交通帶來(lái)的壓力勢(shì)必越來(lái)越大，如果能夠研究出比較完善的車牌識(shí)別系統(tǒng)，對(duì)車輛在道路上行駛遇到的關(guān)卡繳費(fèi)，對(duì)違規(guī)車輛的罰款問(wèn)題，車牌識(shí)別系統(tǒng)都可以大顯身手，因?yàn)楸娝苤?，汽車牌照是汽車的特定識(shí)別點(diǎn)，正

2、常情況下，每一個(gè)汽車牌照都只有唯一和它對(duì)應(yīng)的汽車，所以車牌識(shí)別系統(tǒng)如果能夠更為準(zhǔn)確的確定車牌信息，對(duì)處理各類交通問(wèn)題將會(huì)大有裨益。 本論文簡(jiǎn)要介紹了車牌識(shí)別系統(tǒng)的組成，以及車牌識(shí)別系統(tǒng)的技術(shù)發(fā)展歷程。重點(diǎn)對(duì)車牌字符的識(shí)別進(jìn)行了研究，在掌握一定的圖像處理技術(shù)后，在已經(jīng)完成車牌分割的前提下，建立車牌的字符匹配數(shù)據(jù)庫(kù)，然后對(duì)車牌字符進(jìn)行識(shí)別，以便完成車牌識(shí)別系統(tǒng)的最后步驟。車牌識(shí)別系統(tǒng)簡(jiǎn)介 車牌識(shí)別系統(tǒng)的發(fā)展歷程 車牌識(shí)別技術(shù)的研究國(guó)外起步得較早。早在20世紀(jì)80年代，便有一些零零散散的圖像處理方法用于車牌識(shí)別的某些具體應(yīng)用。在這個(gè)階段，車牌識(shí)別技術(shù)的研究還沒(méi)有形成完整的系統(tǒng)體系，一般采用簡(jiǎn)單的圖像

3、處理方法來(lái)解決某些具體問(wèn)題，并且最終結(jié)果通常需要人工干預(yù)。進(jìn)入20世紀(jì)90年代后，車牌識(shí)別的系統(tǒng)化研究開(kāi)始起步。典型的如1990年A.S.Johnson等提出車輛牌照的自動(dòng)識(shí)別系統(tǒng)圖像分割、特征提取和模板構(gòu)造、字符識(shí)別等三個(gè)部分，完成車牌的自動(dòng)識(shí)別。同年R.A.Lotufo使用視覺(jué)字符識(shí)別技術(shù)分析所獲得的圖像，首先在二值化圖像中找到車牌，然后用邊界跟蹤技術(shù)提取字符特征，再利用統(tǒng)計(jì)最鄰近分類器與字符庫(kù)中的字符比較，得出一個(gè)或幾個(gè)車牌候選號(hào)碼，再對(duì)這些號(hào)碼進(jìn)行核實(shí)檢查，確定是否為該車牌號(hào)碼。這個(gè)時(shí)期的應(yīng)用在識(shí)別正確率方面有所突破，但還沒(méi)有考慮識(shí)別實(shí)時(shí)性的要求，識(shí)別速度有待進(jìn)一步提高1。 20世紀(jì)9

4、0年代后期以后，隨著我國(guó)汽車數(shù)量的急劇增加，車牌識(shí)別技術(shù)的應(yīng)用范圍也越來(lái)越廣，車牌識(shí)別技術(shù)已經(jīng)成為了一個(gè)熱門(mén)的研究課題，人們對(duì)其進(jìn)行了廣泛的研究。目前國(guó)內(nèi)外已有眾多的方法，一些實(shí)用的車牌識(shí)別技術(shù)也開(kāi)始用于車流監(jiān)控、出入控制、電子收費(fèi)、移動(dòng)稽查、超速檢測(cè)等場(chǎng)合，但與人們的實(shí)際要求還有很大的距離。國(guó)內(nèi)外研究現(xiàn)狀 汽車牌照識(shí)別技術(shù)是一個(gè)以特定目標(biāo)為對(duì)象的專用計(jì)算機(jī)視覺(jué)系統(tǒng)，該系統(tǒng)能從一幅圖像中自動(dòng)提取車牌圖像，自動(dòng)分割字符，進(jìn)而對(duì)字符進(jìn)行識(shí)別，它運(yùn)用模式識(shí)別、人工智能識(shí)別技術(shù)，對(duì)采集到的汽車圖像進(jìn)行識(shí)別的方法，能夠?qū)崟r(shí)準(zhǔn)確地自動(dòng)識(shí)別出車牌的數(shù)字、字母及漢字字符，并以計(jì)算機(jī)可直接運(yùn)行的數(shù)據(jù)形式給出識(shí)別

5、結(jié)果，使得車輛的電腦化監(jiān)控和管理成為現(xiàn)實(shí)。車牌識(shí)別技術(shù)自1988年以來(lái)，人們就對(duì)它進(jìn)行了廣泛的研究，目前國(guó)內(nèi)外已經(jīng)有眾多的算法，一些實(shí)用的LPR技術(shù)也開(kāi)始用于車流監(jiān)控、出入控制、電子收費(fèi)、移動(dòng)稽查等場(chǎng)合。然而，無(wú)論是LPR算法還是LPR產(chǎn)品幾乎都存在一定的局限性，都需要適應(yīng)新的要求而不斷完善，如現(xiàn)有系統(tǒng)幾乎都無(wú)法有效解決復(fù)雜背景下的多車牌圖像分割定位與有效識(shí)別的技術(shù)障礙，另外也很難適應(yīng)全天候復(fù)雜環(huán)境及高速度的要求。車牌識(shí)別技術(shù)的理論背景 車牌識(shí)別技術(shù)的任務(wù)是處理、分析攝取的視頻流中復(fù)雜背景的車輛圖像，定位分割牌照，最后自動(dòng)識(shí)別汽車牌照上的字符。車牌識(shí)別技術(shù)所涉及的研究方向較多，主要有數(shù)字圖像處

6、理、計(jì)算機(jī)視覺(jué)、模式識(shí)別等。 數(shù)字圖像處理就是將圖像轉(zhuǎn)化為一個(gè)數(shù)字矩陣存放在計(jì)算機(jī)中，并采用一定算法對(duì)其進(jìn)行處理。數(shù)字圖像處理的基礎(chǔ)是數(shù)學(xué)，最主要的任務(wù)就是各種算法的設(shè)計(jì)和實(shí)現(xiàn)。目前數(shù)字圖像處理技術(shù)已經(jīng)在許多不同的領(lǐng)域得到重視，并取得了巨大的成就。根據(jù)應(yīng)用領(lǐng)域的不同要求，可以將數(shù)字圖像處理技術(shù)劃分為許多分支，其中比較重要的分支有：圖像增強(qiáng)與復(fù)原、圖像編碼、圖像分割與特征提取、圖像分析、圖像隱藏4。 計(jì)算機(jī)視覺(jué)是研究用計(jì)算機(jī)來(lái)模擬生物外顯或宏觀視覺(jué)功能的科學(xué)技術(shù)。計(jì)算機(jī)視覺(jué)系統(tǒng)首要目標(biāo)是用圖像創(chuàng)建或恢復(fù)現(xiàn)實(shí)世界模型，然后認(rèn)識(shí)現(xiàn)實(shí)世界。計(jì)算機(jī)視覺(jué)的應(yīng)用范圍非常廣泛，從醫(yī)學(xué)圖像到遙感圖像，從工業(yè)檢測(cè)

7、到文件處理，從毫微米波到多媒體數(shù)據(jù)庫(kù)，不一而足。可以說(shuō)需要人類視覺(jué)的場(chǎng)合幾乎都需要計(jì)算機(jī)視覺(jué)。應(yīng)該指出來(lái)的是，許多人類視覺(jué)無(wú)法感知的場(chǎng)合，如精確定量感知、危險(xiǎn)場(chǎng)景感知、不可見(jiàn)物體感知等，計(jì)算機(jī)視覺(jué)更突出其優(yōu)越性。車輛牌照識(shí)別技術(shù)主要用到計(jì)算機(jī)視覺(jué)的二值圖像分析、區(qū)域分析、圖像預(yù)處理、邊緣檢測(cè)、紋理等部分。 模式識(shí)別是研究用機(jī)器人代替人去識(shí)別、辨識(shí)客觀事物的學(xué)科。識(shí)別的對(duì)象可以是文字、聲音、圖像等具體對(duì)象，也可以是狀態(tài)、程度等抽象對(duì)象，這些對(duì)象與數(shù)字形式的對(duì)象相區(qū)別。模式識(shí)別的方法有兩種，一種是統(tǒng)計(jì)決策方法，一種是句法方法。幾十年來(lái)，模式識(shí)別研究取得了大量的成果，在很多方面取得了成功的應(yīng)用。但是

8、，由于模式識(shí)別設(shè)計(jì)到很多的問(wèn)題，現(xiàn)有的理論和方法對(duì)于解決這些問(wèn)題還有很多不足之處。車牌識(shí)別技術(shù)的難點(diǎn) 車牌識(shí)別系統(tǒng)在實(shí)驗(yàn)室已經(jīng)取得了令人滿意的效果，但很難應(yīng)用于實(shí)際工程，這是因?yàn)閷?shí)驗(yàn)室的環(huán)境是出于理想狀的，而在自然環(huán)境中，由于受到天氣等因素的影響，識(shí)別率很難達(dá)到要求。大致的把這些因素歸納為三類：（1） 汽車牌照本身的特征 牌照缺乏統(tǒng)一的標(biāo)準(zhǔn)。根據(jù)中華人民共和國(guó)公共安全行業(yè)標(biāo)準(zhǔn)對(duì)機(jī)動(dòng)車輛牌照的有關(guān)規(guī)定，車牌的規(guī)格、顏色和適用范圍各有不同。由于缺乏統(tǒng)一的標(biāo)準(zhǔn)，是的車牌識(shí)別過(guò)程中字符分割的難度較大，缺乏統(tǒng)一的模式規(guī)則的指導(dǎo)作用。 牌照的質(zhì)量無(wú)法保證。有些牌照被污損，而有些牌照的字符模糊不清，對(duì)光線的

9、散射性不好，這些不確定性極大的影響了識(shí)別的準(zhǔn)確率。 車牌附近環(huán)境惡劣。車牌附近往往有復(fù)雜的外形或擋車器等，不利于車牌的定位和分割。（2） 外部環(huán)境的特征 外界光照條件各不相同，白天和晚上光照不同。光照對(duì)圖像質(zhì)量影響很大。不同的光照角度，對(duì)車牌光照的不均勻影響也較大。不同時(shí)間，不同氣候條件，以及背景光、車牌反光程度決定了車牌區(qū)域的亮度特征 外界背景的復(fù)雜程度也影響著車牌的定位準(zhǔn)確了。背景中玉車牌區(qū)域特征相似區(qū)域的大小反映了背景的噪聲程度。例如與車牌字符相似的背景遠(yuǎn)處的廣告語(yǔ)容易影響車牌的粗定位。（3） 車牌識(shí)別系統(tǒng)應(yīng)用方案的特征 不同實(shí)際工程其攝像方位和角度不一樣。實(shí)際工程中攝像方位相對(duì)于車輛行

10、駛的方向一般是正上方、左側(cè)和右側(cè)，攝像角度一般在150度300度之間。相對(duì)來(lái)說(shuō)，攝像角度越小，車牌咋平面圖像中變形越小，識(shí)別效果越好。攝像方位和角度對(duì)車牌字符分割影響較大，對(duì)車牌校正的方法的校正能力要求也更高了。 光線較暗時(shí)，不同的人工光照角度、方位和亮度對(duì)車牌識(shí)別系統(tǒng)的影響也不一樣。盡管規(guī)范車牌對(duì)光的散射能力較強(qiáng)，但人工光照的方位角度不同時(shí)，也會(huì)影響車牌的亮度。亮度不均勻?qū)囕v牌照二值化算法的適應(yīng)性提出了更高了要求。 不同的實(shí)際工程，圖像的分辨率要求也不同。分辨率大小影響車牌識(shí)別系統(tǒng)的識(shí)別速度和字符的識(shí)別率。OCR中字符的像素分辨率一般為3232，而車牌識(shí)別系統(tǒng)字符的分辨率一般在1212和2

11、424之間。分辨率過(guò)高時(shí)，整個(gè)識(shí)別系統(tǒng)的處理時(shí)間會(huì)明顯增多，特別是在車牌分割，車牌二值化的處理中時(shí)間會(huì)顯著增加。分辨率過(guò)低，字符識(shí)別率會(huì)下降，字符中漢字的二值化效果較差，車牌識(shí)別系統(tǒng)的識(shí)別率會(huì)下降5。改進(jìn)的模板匹配法根據(jù)中國(guó)普通汽車牌照的字符排列特定，汽車牌照識(shí)別待分類的類別少，只有50多個(gè)漢字、10個(gè)數(shù)字及24個(gè)英文字母，所以適合用模板匹配法。但是，由于牌照中的某些字符如O，B及D非常相似，很容易發(fā)生誤判，同時(shí)加上有些牌子污漬遮掩了一部分字符，使車牌字符識(shí)別率相對(duì)較低。為解決此問(wèn)題，本論文在提出模板匹配法的基礎(chǔ)上增加了字符多特征提取法和基于邊緣摘要的快速匹配法，將這三種方法結(jié)合起來(lái)，構(gòu)成了一

12、種新的改進(jìn)的模板匹配法。字符多特征提取法 特征提取是字符識(shí)別的關(guān)鍵，本文提出一種字符多特征提取的方法，在細(xì)化后的字符基礎(chǔ)上，通過(guò)對(duì)字符四個(gè)側(cè)面掃描字符骨骼累積特征，包括筆畫(huà)斜率累積特征，拐點(diǎn)幅度累積特征，輪廓深度累積特征；最后通過(guò)固定粗網(wǎng)格提取字符內(nèi)部像素特征。具體的統(tǒng)計(jì)方法如下：筆畫(huà)斜率累積特征的提取筆畫(huà)是字符的非常具有代表性的特征，不同字符在筆畫(huà)數(shù)量，筆畫(huà)長(zhǎng)短，筆畫(huà)形態(tài)上是不同的。因此，對(duì)字符筆畫(huà)的斜率累積特征進(jìn)行了提取。首選，將筆畫(huà)斜率定義為正斜率，負(fù)斜率和零斜率，分別統(tǒng)計(jì)正斜率和負(fù)斜率的斜率累積值和零斜率點(diǎn)的數(shù)量。這種方法可以較好地表征字符的骨架筆畫(huà)形態(tài)和筆畫(huà)長(zhǎng)短的特性。首選定義筆畫(huà)斜

13、率特征統(tǒng)計(jì)點(diǎn)，當(dāng)且僅當(dāng)當(dāng)前掃描點(diǎn)為像素點(diǎn)并且前一掃描行檢測(cè)到像素點(diǎn)，則當(dāng)前掃描點(diǎn)位斜率特征統(tǒng)計(jì)點(diǎn)。假設(shè)當(dāng)前掃描點(diǎn)為斜率統(tǒng)計(jì)點(diǎn)，前一掃描行檢測(cè)到的像素點(diǎn)是，那么點(diǎn)的斜率計(jì)算得到。分別提取了字符4個(gè)側(cè)面的筆畫(huà)斜率累積特征，可以獲得12個(gè)特征向量。 基于圖像邊緣摘要的快速模板匹配法 圖像邊緣摘要的核心思想是多邊形對(duì)曲線邊緣具有良好的描述能力，通過(guò)調(diào)整多邊形的相鄰邊長(zhǎng)之間的轉(zhuǎn)向角等參數(shù)，多邊形可以任意精度比較一條曲線。基于多邊形逼近和形狀簽名的思想，利用鏈碼表達(dá)圖像邊緣，進(jìn)而生成圖像邊緣摘要，最后使用圖像摘要代替原始圖像進(jìn)行模板匹配，在一定程度上減少了計(jì)算量并提高了系統(tǒng)對(duì)噪聲的魯棒性。系統(tǒng)框架如下圖所

14、示： 結(jié) 論 在寫(xiě)該論文以前，我對(duì)車牌識(shí)別系統(tǒng)并沒(méi)有很清晰的概念，但通過(guò)完成車牌識(shí)別系統(tǒng)的技術(shù)研究論文，我對(duì)車牌識(shí)別系統(tǒng)有了一定程度的了解，因?yàn)樵趯?xiě)論文的過(guò)程中，我查閱了大量相關(guān)資料，借鑒了許多優(yōu)秀的相關(guān)論文，在遇到疑難之處時(shí)也得到了黃老師的幫助與指導(dǎo)。由于論文涉及到了大量的圖像處理知識(shí)，所以在寫(xiě)論文時(shí)，我對(duì)圖像處理的書(shū)籍進(jìn)行了復(fù)習(xí)，重新深入的學(xué)習(xí)了圖像處理知識(shí)。并且由于論文需要的實(shí)驗(yàn)結(jié)果需要通過(guò)MATLAB進(jìn)行分析與仿真，使我對(duì)MATLAB這款優(yōu)秀的軟件更為熟悉，為將來(lái)有可能的進(jìn)一步研究工作打下了良好的基礎(chǔ)。本論文著重對(duì)車牌字符的識(shí)別進(jìn)行了個(gè)人的一些研究，實(shí)現(xiàn)了比較準(zhǔn)確的字符識(shí)別率。完成論文

15、后，也有了自己的體會(huì)與收獲。 車牌識(shí)別字符的難點(diǎn)在于其識(shí)別的準(zhǔn)確率，而影響準(zhǔn)確率的原因有以下三個(gè)。 第一，我國(guó)汽車牌照自身特征的復(fù)雜性。漢字、字母、數(shù)字混合。我國(guó)的車牌不單有英文字母和阿拉伯?dāng)?shù)字，還有漢字。由于漢字的復(fù)雜性，在識(shí)別方面難度遠(yuǎn)遠(yuǎn)大于字母和數(shù)字。 第二，顏色種類多。國(guó)外的車牌顏色種類相對(duì)于國(guó)內(nèi)較少一些，我國(guó)的車牌顏色種類較多。大致可以分為四種：黃底黑字，藍(lán)底白字，白底黑字和黑字白字。 第三，車牌格式多。我國(guó)的車牌格式很多，包括：民用車牌、公安警察車牌、武警車牌、軍車車牌、外交車牌、特種車牌、消防車牌等。 第四，懸掛方式多樣化。我國(guó)汽車車牌的懸掛方式不唯一，由于不同汽車公司出產(chǎn)的汽車

16、型號(hào)和外形各有不同，導(dǎo)致了車牌的懸掛位置不唯一。 第五，是汽車牌照的衛(wèi)生狀況，干凈，沒(méi)有污漬等的汽車牌照比較容易準(zhǔn)確的識(shí)別。反之，如果汽車牌照有污漬，并且遮蓋了車牌字符的某一部分就容易導(dǎo)致較低的準(zhǔn)確率。所以建議汽車駕駛員在駕駛車輛之前對(duì)汽車牌照進(jìn)行清潔工作，這樣將在一定程度上提高整個(gè)車牌識(shí)別系統(tǒng)的準(zhǔn)確率，從而促進(jìn)車牌識(shí)別系統(tǒng)的廣泛應(yīng)用，使人們的出行更為順暢，并且能夠?yàn)閲?guó)家節(jié)省在交通管理方面的人力資源。 第六，是模板的制作，清晰簡(jiǎn)單的模板更容易得到較高的識(shí)別的準(zhǔn)確率。所以建立更精確的車牌字符模板對(duì)提高車牌字符識(shí)別的準(zhǔn)確率有非常重要的影響。 最后，是用于車牌字符識(shí)別的算法。本論文采用的是基于模板匹

17、配并加以改進(jìn)的算法。在汽車牌照干凈整潔的狀態(tài)下，達(dá)到了較高的準(zhǔn)確率，當(dāng)然由于整個(gè)系統(tǒng)本身存在著些許不足之處，仍未達(dá)到理想狀態(tài)，需要更多的相關(guān)人員去研究與探索。 總而言之，我堅(jiān)信，隨著日益加劇的交通壓力，市場(chǎng)對(duì)車牌識(shí)別系統(tǒng)的需要會(huì)越來(lái)越大，從而促進(jìn)車牌識(shí)別系統(tǒng)的完善，使其能夠更廣泛的應(yīng)用于交通管理各個(gè)方面。參 考 文 獻(xiàn)1 張超平.汽車牌照識(shí)別技術(shù)研究D.武漢:武漢理工大學(xué),2006. 2 葉晨洲,楊杰,宣國(guó)榮.車輛牌照字符識(shí)別J.上海交通大學(xué)學(xué)報(bào),2000,34(5):672-675. 3 葉晨洲,廖金洲,梅帆.車輛牌照字符識(shí)別系統(tǒng)J.計(jì)算機(jī)應(yīng)用與研究,1999(7):85-87.4 戴琰.基

18、于網(wǎng)絡(luò)數(shù)據(jù)庫(kù)的汽車牌照自動(dòng)識(shí)別系統(tǒng)D.杭州:浙江大學(xué)信息學(xué)院,2002.5 張洪剛,陳光,郭軍.圖像處理與識(shí)別M.北京:北京郵電大學(xué)出版社,2006.6 胡學(xué)龍.數(shù)字圖像處理M.北京.電子工業(yè)出版社,2011:139-156.7 劉惟一,盛益強(qiáng),喬輝,方志良.特征點(diǎn)匹配法實(shí)現(xiàn)汽車牌照的快速識(shí)別J.光電光,2002,13(3):274-276.8 沈會(huì)良,李志能.基于矩陣和小波變換的數(shù)字字母字符識(shí)別研究J.中國(guó)圖像圖形報(bào),2000,5(3):249-252.9 李朝輝,張弘.數(shù)字圖像處理及應(yīng)用M.北京:機(jī)械工業(yè)出版社,2004:29-32.10 林純青,徐立亞,戚飛虎.汽車圖像中字符目標(biāo)的提取算法N.上海交通大學(xué)學(xué)報(bào),1998,32(10):1-3.11 劉富強(qiáng),王新紅,宋春林.數(shù)字視頻圖像處理與通信M.北京:機(jī)械工業(yè)出版社,2010:143-149.12 J.Barroso,A.Rafael,et al. Number plate reading using computer vision. In Proc. IEEE International Symposium on Industrial Electronicics(ISIE). Portugal