車牌識(shí)別假設(shè)干問題研究

一、概況二、車牌定位三、字符分割四、字符識(shí)別五、總結(jié)一、概要意義國(guó)內(nèi)外研究現(xiàn)狀車牌介紹1、意義2、研究現(xiàn)狀以色列Hi-Tech公司〔See/CarSystem系列〕德國(guó)西門子公司〔ARTEM7S系統(tǒng)〕香港AsiaVisionTechnology公司〔VECON產(chǎn)品〕漢王公司的“漢王眼〞亞洲視覺科技清華大學(xué)人工智能國(guó)家重點(diǎn)實(shí)驗(yàn)室上海交通大學(xué)的計(jì)算機(jī)科學(xué)與工程系3、車牌介紹車牌特征：紋理特征、顏色特征、幾何特征二、車牌定位1、介紹2、基于形態(tài)學(xué)的車牌定位3、基于模板匹配車牌定位4、比照1、介紹目的：在一幅或者一幀圖像精確定位出車牌位置常用的定位算法：基于灰度信息基于彩色信息車牌定位基于紋理基于頻域邊緣區(qū)域模板匹配2、基于模板的車牌定位流程灰度圖像原圖像灰度拉伸圖像差分圖像差分圖像水平投影定位后的車牌3、基于形態(tài)學(xué)的車牌定位流程色彩轉(zhuǎn)換：基于形態(tài)學(xué)的車牌定位灰度拉伸：

設(shè)原圖像f(i,j)灰度值范圍為[0,255]，灰度拉伸后的圖像g(i,j)的灰度值范圍為[a,b],f[i,j]和g[i,j]之間的變換關(guān)系為：水平差分：

也是一種邊緣檢測(cè)算法。由于字符筆畫以豎直方向?yàn)橹?水平差分可以突出字符，減少水平方向干擾區(qū)域?qū)嚺茀^(qū)域的影響。水平差分的算子模板為：[-11]

基于形態(tài)學(xué)的車牌定位形態(tài)學(xué)處理：開運(yùn)算：先腐蝕再膨脹，可消除噪聲閉運(yùn)算：先膨脹再腐蝕，可填補(bǔ)空洞，連接有效目標(biāo)區(qū)域區(qū)域篩選：車牌大?。?40*140〔3.1：1〕對(duì)形態(tài)學(xué)處理后二值圖像進(jìn)行連通域分析，統(tǒng)計(jì)，剔除寬高比小于k的塊

基于形態(tài)學(xué)的車牌定位色彩判定：將車牌候選區(qū)域的顏色由RGB空間轉(zhuǎn)換到HSI空間。H為色度〔Hue〕，S飽和度〔Saturation〕，I為亮度〔Intensity〕?！瞐〕原圖像〔b〕灰度圖像〔c〕灰度拉伸圖像〔d〕水平差分圖像〔e〕差分圖像二值化〔f〕濾波〔g〕X方向形態(tài)學(xué)處理〔h〕Y方向形態(tài)學(xué)處理(i)塊篩選車牌區(qū)域定位比照基于模板匹配的方法簡(jiǎn)單，但是模板大小固定，適應(yīng)性較差，在背景干擾大的情況下，差分投影圖像易出現(xiàn)多峰情況，無法正確定位出車牌。基于形態(tài)學(xué)的方法算法在背景干擾大的情況下也有較高的準(zhǔn)確率，同時(shí)可以進(jìn)行多車牌定位。但是算法相對(duì)復(fù)雜，在DSP上實(shí)現(xiàn)耗時(shí)較長(zhǎng)。三、字符分割目的：從定位后的車牌中把字符逐個(gè)別離開傳統(tǒng)方法：基于垂直投影的分割基于連通域的分割四、字符識(shí)別字符識(shí)別的實(shí)質(zhì)就是對(duì)字形進(jìn)行識(shí)別。常用的方法：

模板匹配

神經(jīng)網(wǎng)絡(luò)(BP)

支持向量機(jī)(SVM)模板匹配

模板匹配標(biāo)準(zhǔn)模板：提取出來的模板：結(jié)果分析就模板而言，存在一些相似的字符(如8B,0D)容易出錯(cuò)，故需要進(jìn)行二次識(shí)別。但是在實(shí)際處理過程中，光照、“臟〞車牌等影響，導(dǎo)致二值化的字符不好，也需要對(duì)字符進(jìn)行二次識(shí)別。0(Q)0(D)S(5)T(7)二次識(shí)別：易識(shí)別錯(cuò)的字符對(duì)有：0DQ;8B;T7Z;5S舉例：模板匹配結(jié)果五、總結(jié)1、實(shí)現(xiàn)了一個(gè)完整的車牌識(shí)別系統(tǒng)2、通過對(duì)原有算法的改進(jìn)可實(shí)現(xiàn)復(fù)雜場(chǎng)景下多車牌的定位；3、通過參加