车牌信息检测技术
摘 要自进入二十一世纪来，中国国民经济的呈现高速发展，国内高速公路、城市道路和停车场建设量逐步上升，这对交通流的控制、道路安全管理需求日益提高，随之而来的是智能交通管理系统将成为当前中国道路信息技术发展的主要研究课题和方向。智能交通管理系统中行驶车辆牌照自动识别技术是制约道路交通智能化发展的重要一环，它包括三个主要部分，车牌区域定位、车牌中英文字符分割和字符匹配识别。本文首先对获取到的原始车牌图像进行适当的预处理，并且确定车辆牌照在原始图像中的水平、垂直位置，进而定位切割目标车辆牌照区域，局部投影法将在之后进行车牌字符分割中被运用。在字符识别部分中,提出了不同于其他车牌识别提取特征向量的常规方法，采用了归一化待检测字符与模板库遍历做差的判断阈值的车牌字符识别方法。实验结果表明,本文提出的方法确实具有良好的识别性能。随着国内高速公路的快速建设，我国的公路交通系统网络发展迅速，以人力来管理的方式已经不能满足现实的需要，将微电子、信息通信和微电脑技术应用在交通领域，会使交通管理效率得到极大地提高。
目 录
第一章 绪论 1
1.1课题背景 1
1.2国内外研究现状 1
1.3课题的主要研究内容 3
1.4本文内容章节安排 3
第二章 车牌字符识别前的图像处理 4
2.1图像处理概念 4
2.2图像的数字化表示 5
2.3车牌图像灰度化二值化 5
2.4图像增强 7
2.5图像处理中的腐蚀膨胀 8
第三章 指定图像的车牌检测与识别 11
3.1车牌识别匹配库建立 11
3.2车辆车牌区域横纵坐标定位与分割 13
3.2.1图像灰度化二值化 14
3.2.2对图像进行膨胀腐蚀 15
3.2.3车辆车牌区域横纵坐标定位与分割 17
3.3字符分割和归一化 21
3.3.1字符分割 21
3.3.2字符归一化 22
3.4车牌字符区域字符识别 23
第四章 车牌字符识别实验结果以及总结 26
4.1车牌字符识别实验流程 26
*好棒文|www.hbsrm.com +Q: #351916072#
4.2实验结果及其分析 27
4.3实验总结 28
结束语 29
致 谢 30
参考文献 31
第一章 绪论
1.1课题背景
当今社会已经进入信息化时代，随着微处理器技术、信息通讯技术和个人计算机网络技术的发展，信息处理自动化能力和水平不断提高，并且它被广泛应用于社会生活的各个领域，在这种情况下，作为目标信息来源的自动化检测和图像识别技术受到人们越来越大的重视。随着我国国民经济的快速发展，城市道路和停车场建设越来越需要对交通管理、智能交通系统、智能交通系统等方面的研究，当然这也已成为国内外的主要研究领域。当前交通管理的研究发展重心是车牌识别技术，其作为智能交通系统的核心，起着重要的作用，它在公路、城市道路和停车场项目管理中发挥着不可替代的重要作用。
LPR，全称License Plate Recognition，即车辆牌照识别系统，其具有广泛的应用范围，主要应用在:国道省道高速公路收费、监控管理；小区、停车场管理；城市间道路监控、违章管理；车辆登录、验证；车辆统计、安全管理等。
LPR系统在这些中的应用，可以解决通缉车辆的自动稽查问题，可以解决由入口车流瓶颈交通拥堵、停车造成交通高峰期的问题，可以解决由于工作员作弊造成的路桥卡口、高速公路、停车场应收款流失的问题，还可以以最简单的方式完成交通部门的车辆信息联网，解决自动化数据统计，模糊查询的问题。
1.2国内外研究现状
90年代初（1988年）开始，海外的研究人员已经自己开始了车辆牌照自动识别的研究，其主要途径是分析行驶车辆牌照的图像，确定并自动提取行驶车辆车牌信息，保存。车牌信息识别的过程中，出现了有很多方法和技术，其中有模糊的理数的理论，也有运用在互联网上的神经元算法来识别车牌中的字符，由于外部环境的变化、摄像机中的灰尘或季节环境的变化和行驶车辆车牌因车速或者本身问题条件等导致模糊，使得LPR方案系统总是无法解决运行中出现各种各样的问题，而且许多方法需要大量的数值计算，这使得他们无法考虑到不同实时的环境对运算结果的影响。为了解决的获取车辆原始图像恶化的问题，现在国内外的研究机构和公司的企业所运用的方法，只是提高拍摄设备的素质，比如采用红外照相机或者特殊传感器，以此来提升成像质量，提高了图像车牌识别准确率。
国内外的现有的一部分的类似产品，如：以色列的高科技公司的See/Car System一系列产品，香港亚洲视野Technology公司的VECON产品，新加坡Optasia公司的VLPRS产品等，其中VECON和VLPRS产品主要面向的是香港和新加坡的车辆牌照，以色列高科技公司的See/Car System多种多样的产品，可以各自自动适应不同国家的车牌，See/Car Chinese是中国大陆的牌照的识别系统，但同时也大有缺陷，而且不能识别车辆牌照里的汉字，另外日本、加拿大、德国、意大利、英国等各西方发达国家本国的车辆牌照都有适合于本国的识别系统。不同国家的产品不同，但基本上都是在车辆探测器的基础上集成研发的识别系统，设备投资大，而车辆探测器主要有：踏板式探测器，光探测器，地面雷达探测以及压力型探测器，还有通过声波的探测器和红外探测器，电磁感应探测器、速度雷达探测器、磁场探测器和压敏探测器等。
对比下国内做的好的产品主要是中国科学院自动化研究所汉王公司的“汉王眼”，除此之外还有亚洲视觉科技、深圳市吉通电子、中国的信息产业部旗下中智交通电子系统等都有自己的产品，而且西安交通大学的图像处理和识别研究室、上海交通大学计算机科学与工程专业、清华大学人工智能国家重点实验室、浙江大学的自动化系等也做了同样的研究。通常为了处理系统的识别率提高，采也用了一些硬件的探测机和其他辅助设备，如红外照明等，其中“汉王眼”就是自动采用红外照明和光学滤光器在低照度下挽回的无法控制影响，缩减恶劣气候和汽车的照明的影响，另外还要求，高速公路的管理窗口“汉王眼”识别点埋设两个线，一条埋设220伏50赫兹一安培交流输电线路；另一个条埋设触发信号线和汉王眼与管理计算机的通讯线路。
LPR的重要构成之一，字符识别，车牌字符识别属于印刷文字识别的范围，早在五十年代的人们早已认识印刷体字符识别的意义，所以相应的研究也启动了，随后的三十年里不成熟的软件一个一个出现，在80年代后期，计算机硬件资源急速的提高，迅速文字识别成为可能，90年代初，大量的OCR（Optical Character Recognition）方面的论文和系统开始增多，IEEE这个方向也几次召开的会议，极大的推进这一方向上的研究，所有这些的研究为牌照识别在理论上的提供了指导，但现在的科学技术无法揭示了的人认识的机制，脑机能的研究的发展会不断研究出人类的识别的机制，一旦理论被认知到，这个基础上的文字识别的理论和技术会有质的进化。
目前清晰的印刷字符识别问题在OCR产品中具有更好的实现，其核心问题是特征提取和分类器的搭配。车牌字符识别的主要困扰是摄像机性能和其镜头变焦、车牌的洁净水平，光照条件和车辆运动过快车牌字符模糊、出现更严重的缺陷或污染等因素的影响，使得难以成功识别。由于干扰存在的随机性，使的实用算法要具有很好的鲁棒性，应该说OCR产品在清晰字符图像识别处理中表现很好，但是有一个致命的缺陷是OCR产品不能处理图像的倾斜问题，当图像有较大的倾斜角度发生时，现在所有的OCR产品都不能正确的识别出目标字符。字符识别的方法通常可分为基于结构特征和基于统计特征的两类。结构方法是字符识别发展的最早的一种方法，它的基本思想就是把字符图像分割简化为若干的基元，例如笔画、拓扑点、结构突变点等，然后和模板比较，看最重要的基元是否存在，以及不能有的基元是否出现，从而来判定所属的类别。统计方法要比结构方法起步晚，它往往依赖于大量的原始样本和数值计算，统计方法的特征提取是从原始数据中提取与分类最相关的信息，使得类内差距极小化，类间差距极大化，特征对同一个字符类的形变应该尽量保持不变。实际的处理过程中，人们通常都会把结构特征和统计特征结合起来，扬长避短，互为补充，从而达到更好的识别效果，而多个特征的有机结合本身也是一个值得研究的问题。
目 录
第一章 绪论 1
1.1课题背景 1
1.2国内外研究现状 1
1.3课题的主要研究内容 3
1.4本文内容章节安排 3
第二章 车牌字符识别前的图像处理 4
2.1图像处理概念 4
2.2图像的数字化表示 5
2.3车牌图像灰度化二值化 5
2.4图像增强 7
2.5图像处理中的腐蚀膨胀 8
第三章 指定图像的车牌检测与识别 11
3.1车牌识别匹配库建立 11
3.2车辆车牌区域横纵坐标定位与分割 13
3.2.1图像灰度化二值化 14
3.2.2对图像进行膨胀腐蚀 15
3.2.3车辆车牌区域横纵坐标定位与分割 17
3.3字符分割和归一化 21
3.3.1字符分割 21
3.3.2字符归一化 22
3.4车牌字符区域字符识别 23
第四章 车牌字符识别实验结果以及总结 26
4.1车牌字符识别实验流程 26
*好棒文|www.hbsrm.com +Q: #351916072#
4.2实验结果及其分析 27
4.3实验总结 28
结束语 29
致 谢 30
参考文献 31
第一章 绪论
1.1课题背景
当今社会已经进入信息化时代，随着微处理器技术、信息通讯技术和个人计算机网络技术的发展，信息处理自动化能力和水平不断提高，并且它被广泛应用于社会生活的各个领域，在这种情况下，作为目标信息来源的自动化检测和图像识别技术受到人们越来越大的重视。随着我国国民经济的快速发展，城市道路和停车场建设越来越需要对交通管理、智能交通系统、智能交通系统等方面的研究，当然这也已成为国内外的主要研究领域。当前交通管理的研究发展重心是车牌识别技术，其作为智能交通系统的核心，起着重要的作用，它在公路、城市道路和停车场项目管理中发挥着不可替代的重要作用。
LPR，全称License Plate Recognition，即车辆牌照识别系统，其具有广泛的应用范围，主要应用在:国道省道高速公路收费、监控管理；小区、停车场管理；城市间道路监控、违章管理；车辆登录、验证；车辆统计、安全管理等。
LPR系统在这些中的应用，可以解决通缉车辆的自动稽查问题，可以解决由入口车流瓶颈交通拥堵、停车造成交通高峰期的问题，可以解决由于工作员作弊造成的路桥卡口、高速公路、停车场应收款流失的问题，还可以以最简单的方式完成交通部门的车辆信息联网，解决自动化数据统计，模糊查询的问题。
1.2国内外研究现状
90年代初（1988年）开始，海外的研究人员已经自己开始了车辆牌照自动识别的研究，其主要途径是分析行驶车辆牌照的图像，确定并自动提取行驶车辆车牌信息，保存。车牌信息识别的过程中，出现了有很多方法和技术，其中有模糊的理数的理论，也有运用在互联网上的神经元算法来识别车牌中的字符，由于外部环境的变化、摄像机中的灰尘或季节环境的变化和行驶车辆车牌因车速或者本身问题条件等导致模糊，使得LPR方案系统总是无法解决运行中出现各种各样的问题，而且许多方法需要大量的数值计算，这使得他们无法考虑到不同实时的环境对运算结果的影响。为了解决的获取车辆原始图像恶化的问题，现在国内外的研究机构和公司的企业所运用的方法，只是提高拍摄设备的素质，比如采用红外照相机或者特殊传感器，以此来提升成像质量，提高了图像车牌识别准确率。
国内外的现有的一部分的类似产品，如：以色列的高科技公司的See/Car System一系列产品，香港亚洲视野Technology公司的VECON产品，新加坡Optasia公司的VLPRS产品等，其中VECON和VLPRS产品主要面向的是香港和新加坡的车辆牌照，以色列高科技公司的See/Car System多种多样的产品，可以各自自动适应不同国家的车牌，See/Car Chinese是中国大陆的牌照的识别系统，但同时也大有缺陷，而且不能识别车辆牌照里的汉字，另外日本、加拿大、德国、意大利、英国等各西方发达国家本国的车辆牌照都有适合于本国的识别系统。不同国家的产品不同，但基本上都是在车辆探测器的基础上集成研发的识别系统，设备投资大，而车辆探测器主要有：踏板式探测器，光探测器，地面雷达探测以及压力型探测器，还有通过声波的探测器和红外探测器，电磁感应探测器、速度雷达探测器、磁场探测器和压敏探测器等。
对比下国内做的好的产品主要是中国科学院自动化研究所汉王公司的“汉王眼”，除此之外还有亚洲视觉科技、深圳市吉通电子、中国的信息产业部旗下中智交通电子系统等都有自己的产品，而且西安交通大学的图像处理和识别研究室、上海交通大学计算机科学与工程专业、清华大学人工智能国家重点实验室、浙江大学的自动化系等也做了同样的研究。通常为了处理系统的识别率提高，采也用了一些硬件的探测机和其他辅助设备，如红外照明等，其中“汉王眼”就是自动采用红外照明和光学滤光器在低照度下挽回的无法控制影响，缩减恶劣气候和汽车的照明的影响，另外还要求，高速公路的管理窗口“汉王眼”识别点埋设两个线，一条埋设220伏50赫兹一安培交流输电线路；另一个条埋设触发信号线和汉王眼与管理计算机的通讯线路。
LPR的重要构成之一，字符识别，车牌字符识别属于印刷文字识别的范围，早在五十年代的人们早已认识印刷体字符识别的意义，所以相应的研究也启动了，随后的三十年里不成熟的软件一个一个出现，在80年代后期，计算机硬件资源急速的提高，迅速文字识别成为可能，90年代初，大量的OCR（Optical Character Recognition）方面的论文和系统开始增多，IEEE这个方向也几次召开的会议，极大的推进这一方向上的研究，所有这些的研究为牌照识别在理论上的提供了指导，但现在的科学技术无法揭示了的人认识的机制，脑机能的研究的发展会不断研究出人类的识别的机制，一旦理论被认知到，这个基础上的文字识别的理论和技术会有质的进化。
目前清晰的印刷字符识别问题在OCR产品中具有更好的实现，其核心问题是特征提取和分类器的搭配。车牌字符识别的主要困扰是摄像机性能和其镜头变焦、车牌的洁净水平，光照条件和车辆运动过快车牌字符模糊、出现更严重的缺陷或污染等因素的影响，使得难以成功识别。由于干扰存在的随机性，使的实用算法要具有很好的鲁棒性，应该说OCR产品在清晰字符图像识别处理中表现很好，但是有一个致命的缺陷是OCR产品不能处理图像的倾斜问题，当图像有较大的倾斜角度发生时，现在所有的OCR产品都不能正确的识别出目标字符。字符识别的方法通常可分为基于结构特征和基于统计特征的两类。结构方法是字符识别发展的最早的一种方法，它的基本思想就是把字符图像分割简化为若干的基元，例如笔画、拓扑点、结构突变点等，然后和模板比较，看最重要的基元是否存在，以及不能有的基元是否出现，从而来判定所属的类别。统计方法要比结构方法起步晚，它往往依赖于大量的原始样本和数值计算，统计方法的特征提取是从原始数据中提取与分类最相关的信息，使得类内差距极小化，类间差距极大化，特征对同一个字符类的形变应该尽量保持不变。实际的处理过程中，人们通常都会把结构特征和统计特征结合起来，扬长避短，互为补充，从而达到更好的识别效果，而多个特征的有机结合本身也是一个值得研究的问题。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/zdh/2765.html
