汽车牌照自动识别系统是近几年发展起来的计算机视觉和模式识别技术在智能交通领域应用的重要研究课题之一。
车牌识别的目的是对摄像头获取的汽车图像进行预处理,确定车牌位置,提取车牌上的字符串,并对这些字符进行识别处理,用文本的形式显示出来。
车牌自动识别技术在智能交通系统中具有重要的应用价值。
在车牌自动识别系统中,首先要将车牌从所获取的图像中分割出来,这是进行车牌字符识别的重要步骤,定位准确与否直接影响车牌识别率。
本次设计主要对车牌的定位做了比较详细的研究。
汽车牌照自动识别系统作为一种交通信息的获取技术在交通车辆管理、园区车辆管理、停车场管理有着特别重要的应用价值,受到业内人士的普遍关注。
车牌自动识别的处理有三部分组成,其中车牌定位作为最关键的技术,成为重点研究的对象。
车牌定位的成功与否以及定位的准确程度将会直接决定后期能否进行车牌识别以及识别的准确度。
因为在现实中,汽车的车牌图像受到光照、背景、车型等外界干扰因素以及拍摄角度、远近等人为因素的影响,造成图像受光不均匀,车牌区域不明显,给车牌区域的提取带来了较大的困难。
车牌定位的方法有很多种,目前比较经典的定位方法大都在基于灰度图像的基础上。
本次毕业设计就针对灰度图像的定位进行了研究。
针对不同背景和光照条件下的车辆图像,提出了一种基于灰度图像灰度变化特征进行车牌定位的方法。
依据车牌中不同区域的灰度分布,车牌定位时可以首先将彩色车牌进行灰度化然后再进行车牌定位。
第1章绪论
§1.1课题研究的背景
随着21世纪经济全球化的到来,高速度、高效率的生活节奏,使车辆普及成为必然的趋势,交通管理自动化越来越成为亟待解决的问题。
现代智能交通系统(IntelligentTransportationSystem,ITS>中,车辆牌照识别(LicensePlateRecognition,LPR>技术是计算机视觉与模式识别技术在交通领域应用的重要研究课题之一,是实现交通管理能够智能化的重要环节,其任务是分析、处理汽车图像,自动识别汽车牌号。
LPR系统可以广泛应用于电子收费、出入控制、公路流量监控、失窃车辆查询和停车场车辆管理等需要车牌认证的场合;尤其在高速公路收费系统中,实现不停车收费提高公路系统的运行效率,LPR系统更具有不可替代的作用。
因而从事LPR技术的研究具有极其重要的现实意义和巨大的经济价值。
LPR系统中的两个关键子系统是车牌定位系统和车牌字符识别系统。
关于车牌定位系统的研究,国内外学者已经做了大量的工作,但实际效果并不是很理想,比如车牌图像的倾斜、车牌表面的污秽和磨损、光线的干扰等都是影响定位准确度的潜在因素。
为此,近年来不少学者针对车牌本身的特点、车辆拍摄的不良现象及背景复杂状况,先后提出了许多有针对性的定位方法,使车牌定位在技术和方法上都有了很大的改善。
然而现代化交通系统不断提高的快节奏,将对车牌定位的准确率和实时性提出更高的要求,因而进一步加深车牌定位的研究是非常有必要的。
§1.2车牌的特征
车牌的本身具有许多固有特征,这些特征对不同的国家是不同的,我国现在使用的车牌主要根据中华人民共和国机动车牌号GA36-92标准,具有以下特征:
<1)形状特征:
标准的车牌外轮廓尺寸440*140,字符高90,宽45,字符间距12,间隔符宽10。
整个字符的高宽比例近似为3:
1,车牌的边缘是线段围成的有规则的矩形。
主要用在车牌的定位分割。
<2)颜色特征:
现有的字符颜色与车牌底色搭配有四种类型,蓝底白字,黄底黑字,白底黑字,黑底白字。
这部分特征主要用在对彩色图像进行车牌的定位。
<3)字符的特征:
标准的车牌上有7个字符,呈水平排列,待识别的字符模板可以分为一下三类,汉字,英文字母,阿拉伯数字,主要用于对字符匹配识别方面。
<4)其他国家的汽车牌照格式(如汽车牌照的尺寸大小,牌照上的字符排列等>通常只有一种,而我国则根据不同车辆、车型、用途,规定了多种牌照格式(例如分为军车、警车、普通车等>。
<5)我国汽车牌照的规范悬挂位置不唯一。
<6)因为环境、道路或人为因素造成汽车牌照污染严重,这种情况下,国外发达国家不允许上路,而在我国仍可上路行驶。
车牌与汽车的其它区域相比,还有以下主要特征:
<1)车牌区域中的垂直边缘比水平边缘密集,而车身其它部分的水平边缘
明显,垂直边缘较少。
<2)灰度变化特征:
车牌的底色、边缘颜色,车辆外部的颜色都是不同的,
表现在图像中就是灰度级互不相同,这就在车牌边缘形成了灰度突变边界。
实际上,车牌的边缘在灰度上的表现是一种屋脊状边缘。
在车牌区域内部,字符和车牌底的灰度较均匀的呈现波峰波谷。
<3)有相对集中和规则的纹理特征。
因为我国汽车车牌识别的特殊性,这就导致了采用任何单一识别技术都是难以奏效的。
§1.3国内外车辆牌照识别技术现状
目前,国内外有大量关于车牌识别方面的研究报道。
国外在这方面的研究工作开展较早。
在上世纪70年代,英国就在实验室中完成了“实时车牌检测系统”的广域检测和开发。
同时代,诞生了面向被盗车辆的第一个实时自动车牌监测系统。
发展到今日,国外对车牌检测的研究已经取得了一些令人瞩目的成就,如YuntaoCui提出了一种车牌识别系统,在车牌定位以后,利用马尔科夫场对车牌特征进行提取和二值化,对样本的识别达到了较高的识别率。
EunRyung等利用图像中的颜色分量,对车辆照进行定位识别,其中提到了三种方法:
①以Hough变换为基础的边缘检测定位识别;②以灰度值变换为基础的识别算法;③以HLS彩色模式为基础的车牌识别系统,识别率分别为81.25%、85%、91.2%。
日本对车牌图像的获取也做了大量的研究,并为系统产业化做了大量工作。
Luis开发系统应用于公路收费站,全天识别率达到了90%以上,即使在天气不好的情况下也达到了70%。
国外对车牌识别的研究起步早,总体来讲其技术已比较领先,同时因为他们车牌种类单一规范程度较高,易于定位识别。
目前,已经实现了产品化,并在实际的交通系统中得到了广泛的应用。
因为中国车牌的格式与国外有较大差异,所以国外关于识别率的报道只具有参考价值,其在中国的应用效果可能没有在其国内的应用效果好,但其识别系统中采用的很多算法具有很好的借鉴意义。
从车牌识别系统进入中国以来,国内有大量的学者在从事这方面的研究,提出了很多新颖快速的算法。
中国科学院自动化所的刘智勇等开发的系统在一个样本量为3180的样本集中,车牌定位准确率为99.42%,切分准确率为94.52%,这套系统后来应用于汉王公司的车牌识别系统,取得了不错的效果。
南京大学的熊军等提出了基于字符纹理特征的定位算法,准确率达95%。
华中科技大学的陈振学等学者提出了一种新的车牌图像字符分割与识别算法,使用一维循环清零法,通过对垂直投影图进行一次扫描,有效的清除了杂点和间隔符,正确分割率达到了96.8%。
浙江大学的张引、潘云鹤等提出了彩色边缘算子ColorPrewitt和彩色边缘检测与区域生长相结合的牌照定位算法,算法简单,且全面作用在颜色空间的三个分量上,检测出的牌照区域易于与背景剥离。
但是计算量和存储量都比较大,难以满足实时性的要求。
此外,当车辆区域的颜色和附近颜色相近时,定位失误率会增加。
国内还有许多学者都在进行这方面的研究,并且取得了大量的研究成果。
§1.4车牌识别技术的应用情况
车辆牌照识别系统技术能够从一幅车辆图像中准确定位出车牌图像,经过字符切分和识别后实现车辆牌照的自动识别,从而为以上应用提供信息和基础功能。
目前车牌识别系统主要应用于以下领域:
<1)停车场管理系统。
利用车牌识别技术对出入车辆的号牌进行识别和匹配,与停车卡结合实现自动计时、计费的车辆收费管理系统。
<2)高速公路超速自动化管理系统。
以车牌自动识别技术为基础,与其他高科技手段结合,对高速公路交通流状况进行自动监测、自动布控,从而降低交通事故的复发生率,确保交通顺畅。
<3)公路布控。
采用车牌识别技术实现对重点车辆的自动识别,快速报警,既可以有效查找被盗车辆,同时又为公安、检察机关提供了对犯罪嫌疑人的交通工具进行远程跟踪与监查的技术手段。
<4)城市十字交通路口的“电子警察”。
可以对违章车辆进行责任追究,也可以辅助进行交通流量统计,交通监测和疏导。
(5)小区车辆管理系统。
社区保安系统将出入社区的车辆通过车牌识别技术进行记录,将结果与内部车辆列表对比可以实现防盗监管。
§1.5车牌识别技术的发展趋势
车牌识别技术作为智能交通系统中的关键技术,在各国学者的共同努力下,已经得到了长足的发展,并且已经得到了不同程度的实际应用,但目前还存在着种种不足。
对于未来车牌识别产品的技术发展趋势,汉王科技智能交通部总经理乔炬认为,首先,因为市场需求不同,对识别产品的需求也有差异,因此就要求研发针对不同细分市场的车牌识别产品。
其次,随着算法的不断改进,基于视频触发技术的车牌识别产品将得到大范围的应用,但是视频触发技术取代外触发装置尚需时日。
第三,现在的车牌识别系统设备过多,系统集成难度大,系统稳定性差,系统维护是一个让人头疼的问题。
随着技术不断进步,以往多个设备实现的功能可能由一个设备实现。
目前,车牌识别技术和产品性能进入实用阶段的时间还不是很长,随着人工智能以及自动识别技术的进步,未来的技术发展空间还会非常大。
例如,核心算法继续发展,识别率和识别速度进一步改善,图像处理中对模糊图像预处理能力增强,画质改善技术的提高等等
§1.6车牌定位的意义
现在社会已经进入信息时代,随着计算机技术、通信技术和计算机网络技术的法杖,自动化的信息处理能力和水平不算提高,并在人们社会活动和生活的各个领域得到广泛应用。
在这种情况下,作为信息来源的自动检测、图像识别技术越来越受到人们的的重视。
作为现代社会的主要交通工具之一的汽车,在人们的生产、生活的各个领域得到大量使用,对它的信息自动采集和管理在交通车辆管理、园区车辆管理、停车场管理等方面有十分重要的意义,成为信息处理技术的一项重要课题。
第2章MATLAB简介
§2.1MATLAB发展历史
MATLAB是一门计算机编程语言,取名来源于MatrixLaboratory,本意是专门以矩阵的方式来处理计算机数据,它把数值计算和可视化环境集成到一起,非常直观,而且提供了大量的函数,使其越来越受到人们的喜爱,工具箱越来越多,应用范围也越来越广泛。
MATLAB以商品形式出现后,仅短短几年,就以其良好的开放性和运行的可靠性,使原先控制领域里的封闭式软件包<如英国的UMIST,瑞典的LUND和SIMNON,德国的KEDDC)纷纷淘汰,而改以MATLAB为平台加以重建。
在时间进入20世纪九十年代的时候,MATLAB已经成为国际控制界公认的标准计算软件。
到九十年代初期,在国际上30几个数学类科技应用软件中,MATLAB在数值计算方面独占鳌头,而Mathematica和Maple则分居符号计算软件的前两名。
Mathcad因其提供计算、图形、文字处理的统一环境而深受中学生欢迎。
国际学术界,MATLAB已经被确认为准确、可靠的科学计算标准软件。
在许多国际一流学术刊物上,<尤其是信息科学刊物),都可以看到MATLAB的应用。
在设计研究单位和工业部门,MATLAB被认作进行高效研究、开发的首选软件工具。
如美国NationalInstruments公司信号测量、分析软件LabVIEW,Cadence公司信号和通信分析设计软件SPW等,或者直接建筑在MATLAB之上,或者以MATLAB为主要支撑。
又如HP公司的VXI硬件,TM公司的DSP,Gage公司的各种硬卡、仪器等都接受MATLAB的支持。
§2.2MATLAB的语言特点
一种语言之所以能如此迅速地普及,显示出如此旺盛的生命力,是因为它有着不同于其他语言的特点。
正如同FORTRAN和C等高级语言使人们摆脱了需要直接对计算机硬件资源进行操作一样,被称作为第四代计算机语言的MATLAB,利用其丰富的函数资源,使编程人员从繁琐的程序代码中解放出来。
MATLAB的最突出的特点就是简洁。
MATLAB用更直观的、符合人们思维习惯的代码,代替了C和FORTRAN语言的冗长代码。
MATLAB给用户带来的是最直观、最简洁的程序开发环境。
以下简单介绍一下MATLAB的主要特点:
<1)语言简洁紧凑,使用方便灵活,库函数极其丰富。
MATLAB程序书写形式自由,利用其丰富的库函数避开繁杂的子程序编程任务,压缩了一切不必要的编程工作。
因为库函数都由本领域的专家编写,用户不必担心函数的可靠性。
可以说,用MATLAB进行科技开发是站在专家的肩膀上。
<2)运算符丰富。
因为MATLAB是用C语言编写的,MATLAB提供了和C语言几乎一样多的运算符,灵活使用MATLAB的运算符将使程序变得极为简短。
<3)MATLAB既具有结构化的控制语句<如for循环、while循环、break语句和if语句),又有面向对象编程的特性。
<4)语法限制不严格,程序设计自由度大。
例如,在MATLAB里,用户无需对矩阵预定义就可使用。
<5)程序的可移植性很好,基本上不做修改就可以在各种型号的计算机和操作系统上运行。
<6)MATLAB的图形功能强大。
在FORTRAN和C语言里,绘图都很不容易,但在MATLAB里,数据的可视化非常简单。
MATLAB还具有较强的编辑图形界面的能力。
<7)MATLAB的缺点是,它和其他高级程序相比,程序的执行速度较慢。
因为MATLAB的程序不用编译等预处理,也不生成可执行文件,程序为解释执行,所以速度较慢。
<8)功能强劲的工具箱是MATLAB的另一重大特色。
MATLAB包含两个部分:
核心部分和各种可选的工具箱。
核心部分中有数百个核心内部函数。
其工具箱又可分为两类:
功能性工具箱和学科性工具箱。
功能性工具箱主要用来扩充其符号计算功能、图示建模仿真功能、文字处理功能以及与硬件实时交互功能。
功能性工具箱能用于多种学科。
而学科性工具箱是专业性比较强的,如control、toolbox、signalprocessingtoolbox、communicationtoolbox等。
这些工具箱都是由该领域内的学术水平很高的专家编写的,所以用户无需编写自己学科范围内的基础程序,而直接进行高、精、尖的研究。
下表列出了MATLAB的核心部分及其工具箱等产品系列的主要应用领域。
第3章图像预处理
图像预处理是车牌定位的准备工作,以提高车牌图片的适用性。
从采集卡获得的原始图像不仅包括车牌照,而且还有汽车本身和汽车背景图像,因此必须去掉这些非牌照图像的影响,才有可能正确的提取出牌照区域,为以后的车牌字符识别打下基础。
在实际应用中,因为季节的更替、自然光照度的昼夜变化、光照的稳定性与均匀性、车辆自身的运动、观察点(摄像机的角度、位置、观察角度等>、采集图像的设备本身的因素等的影响,图像传感器所获取的图像有时并不令人十分满意,存在各种各样的噪声。
因而必须对图像进行预处理,以改善图像质量,提高字符识别率。
§3.1灰度变换
灰度图是指只包含亮度信息,不包含色彩信息的图像,例如平时看到的亮度连续变化的黑白照片就是一幅灰度图。
灰度化处理就是将一幅彩色图像转化为灰度图像的过程。
彩色图像分为R、G、B三个分量,分别显示出红、绿、蓝等各种颜色,灰度化就是使彩色的R、G、B分量相等的过程。
灰度值大的像素点比较亮<像素值最大为255,为白色),反之比较暗<像素值最小为0,是黑色)。
本次灰度图像变换的实现采用了rgb2gray函数
rgb2gray:
转换RGB图像或颜色映像表为灰度图像
格式:
I=rgb2gray(RGB>
I=rgb2gray(A>
原始图像和灰度图如图3-1、3-2所示:
图3-1原始图像
图3-2灰度图像
§3.2图像增强
对车辆图像进行灰度化处理之后,车牌部分和非车牌部分图像的对比度并不是很高,此时如果直接进行边缘提取,因为车牌界限较为模糊,难以提取出车牌边缘,因而难以准确定位车牌。
为了增强牌照部位图像和其他部位图像的对比度,使其明暗鲜明,有利于提高识别率,需要将车辆图像进行增强。
图像增强的目的是对图像进行加工,以得到对具体应用来说视觉效果更适于计算机识别的图像。
增强图像的方法有很多,如灰度变换、图像平滑处理和线性滤波等,根据处理图像域又可分为空间增强与频域增强。
目前用于车牌图像增强的方法有:
灰度拉伸、直方图均衡、中值滤波、高斯滤波、邻域滤波、图像腐蚀、多图像平均、同态滤波等等。
在本设计中用到运动目标检测—图像开操作,图像的开操作时先腐蚀后膨胀,用来消除小物体、在纤细点处分离物体、平滑较大物体的边缘同时并不明显改变其面积。
<1)对原始图像进行开操作得到背景图像:
s=strel('disk',13>。
%调用strel函数
Bgray=imopen(Sgray,s>。
%对图像进行开运算
figure,imshow(Bgray>。
title('背景图像'>。
输出背景图像,如图3-3所示:
图3-3背景图像
<2)原始灰度图像与背景图像做减法,对图像进行增强处理:
Egray=imsubtract(Sgray,Bgray>。
figure,imshow(Egray>。
title('增强黑白图像'>。
输出黑白图像如图3-4所示:
图3-4增强后的黑白图像
§3.3图像边缘提取及二值化
§3.3.1图像边缘提取
边缘主要存在于目标与目标、目标与背景、区域与区域<包括不同色彩)之间,边缘检测主要是精确定位边缘和抑制噪点,原理是:
因为微分算子具有突出灰度变化的作用,对图像进行微分运算,在图像边缘处及其灰度变化较大,故该处微分计算值较高,可将这些为分支作为相应点的边缘强度,通过阈值判别来提取边缘点,即如果为分支大于阈值,则为边缘点。
其基本步骤是首先利用边缘增强算子,突出图像中的局部边缘,然后定义像素的“边缘强度”,通过设置门限的方法提取边缘点集。
常用的传统边缘检测算子有Robert算子、Sobel算子、Prewitt算子、Laplace算子和Canny算子。
Robets算子:
边缘定位准确,但对噪声敏感,去噪声作用小,适合于边缘明显且噪声较小的图像分割;
Sobel算子:
它是方向性的,在水平和垂直方向上形成了最强烈的边缘。
Sobel算子不仅能检测边缘点,而且能抑制噪声影响,对灰度渐变和噪声较多的图像处理得较好;
Prewitt算子:
与