汽车牌照技术.docx
《汽车牌照技术.docx》由会员分享，可在线阅读，更多相关《汽车牌照技术.docx（25页珍藏版）》请在冰豆网上搜索。
汽车牌照技术
分类号UDC
单位代码10644
密级公开
四川文理学院
学士学位论文
汽车牌照自动识别技术
Carlicenseplatesrecognitiontechnology
论文作者：
邹小平
作者学号：
2008050215
指导教师：
王益艳
学科专业：
电子科学与技术
研究方向：
模式识别，图像处理
学位授予单位：
四川文理学院
提交论文日期：
2012年4月30日
论文答辩日期：
2012年5月19日
中国达州
摘要
近年来由于中国汽车生产数量和消费数量逐年增长，但是相应的公路停车位
等公用交通设施和燃油供给并没有以相同的速度增加，所以出现了严重的交通拥堵，交通事故也迅速增长，严重威胁了人们的生命和财产安全。
因人们交通需求和安全保障，汽车牌照识别技术在国内得到迅速的发展。
它广泛应用于交通车辆管理、智能交通系统、自动收费系统、区域车辆管理、停车场管理等，并成为信息处理技术的一项重要研究课题。
本文的研究工作主要涉及该系统的图像处理、车牌定位、车牌字符分割、车牌字符识别。
图像处理：
图像识别是汽车识别技术的重要环节，图像处理好坏直接影响该技术的结果。
本文主要讲述应用图像的二值化、颜色、灰度进行图像处理。
车牌定位：
车牌定位是车牌识别技术的关键问题，本文利用水平投影和汽车牌照定位算法对汽车进行定位。
车牌字符分割:
本文着重讲述用图像二值化和投影直方图来实现车牌字符分割。
车牌字符识别：
本文运用模板匹算法和神经网络实现车牌字符识别。
关键字:
模式识别图象处理车牌定位车车牌字符分割车牌字符识别
Abstract
In1990’s,theVehiclePlateRecognitionresearchwassetout.Withthepromotionofcross-sciencefield,theVehiclePlaterecognitiontechnologyhasmaderapidstrides.TheVehiclePlaterecognitiontechnologybelongstothecategoryofpatternrecognitionandisalsocloselyassociatedwithdigitalimageprocessing.TheVehiclePlaterecognitionhasasignificantmeaningfulnessforITS（IntelligenceTransportationSystem）,ETC（electronictollcollection）,regionalvehicleadministrationanddepotvehicleadministration.Itbecomesanimportantresearchsubjectofinformation-processingtechnology.
Inthispaper,wefirstintroducethelicenseplateidentificationtechniqueoftherealizationofthetheoreticalbasis,thispaperintroducesseveralkindsoftypicalautomaticidentificationtechnology,andintroducestheprincipleoftheautomaticidentificationsystem,thelastofthepositioningandthelicensingofkeycharactersegmentisdemonstrated.
Keywords:
PatternRecognition;DigitalImageProcessing;PlateExtraction;PlateCharacterSegmentation;CharacterRecognition;ANN
目录
第一章绪论5
1.1车牌识别的意义及概述5
1.2现状的分析8
1.3本论文的主要内容及结构8
第二章汽车牌照识别的主要应用技术9
2.1IC卡识别技术9
2.2条形码识别技术9
2.3图象处理技术9
2.4传统模式识别技术10
2.5人工神经网络技术10
2.6我国汽车牌照识别的特殊性11
2.7无源型汽车牌照智能识别系统12
2.7.1系统特点12
2.7.2系统关键技术探讨12
第三章汽车自动识别系统14
3.1系统组成原理14
3.2系统中的关键技术15
3.2.1车牌定位与分割15
3.2.2预处理和字符分割16
3.2.3车牌字符识别16
第四章汽车牌照定位与字符分割18
4.1图像预处理18
4.2汽车牌照定位20
4.2.1汽车牌照特征20
4.2.2基于水平投影和垂直投影汽车牌照定位算法21
4.3汽车牌照字符分割23
4.3.1图像二值化23
4.3.2基于投影特征值的垂直分割算法23
第五章总结26
参考文献27
致谢28
第一章绪论
1.1车牌识别的意义及概述
近年来，随着我国经济的快速发展，现代社会己进入信息时代，随着计算机技术、通信技术和计算机网络技术的发展，自动化信息处理能力和水平不断提高，并在人们社会活动和生活的各个领域得到广泛应用。
这种情况下，作为信息来源的自动检测、图象识别技术越来越受到人们的重视。
目前指纹识别、视网膜识别技术己经到了实用阶段;声音识别技术发展也是相当的快。
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对于交通车辆管理、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。
随着交通运输、公共安全、智能管理等行业发展的需要，汽车牌照自动识别技术己经越来越受到人们的重视。
国内高速公路、城市道路建设越来越多，对交通控制、安全管理的要求也日益提高，智能交通系统已成为当前交通管理发展的主要方向，而车牌识别技术作为智能交通系统的核心，起着举足轻重的作用。
车牌号码识别在自动收费系统、追踪逃逸、被盗车辆、公路卡口管理、电子警察等方面都有广泛的应用。
例如仓库活动目标的自动监视、码头自动监视、火车轧道口的自动监视等。
车牌识别技术大致的流程如下图所示:
图1—1
目前，在车牌识别技术中，其关键技术的问题有很多。
例如:
车牌提取、牌照分割、车牌字符识别、图象处理、处理速度、行车速度等。
牌照的标准
本表列出部分车牌（GA36一标准:
摘录，本论文不涉及标准新车牌）
表1—1
标准的车牌字符有7个，首位为省名的缩写（汉字），次位为代表区域或行业的大写字母，后面的汽车编号，一般为5位数字即从00001一99999。
编号超过10万时，就由A、B、C等英文字母代替，即A代表10万，B代表n万，C代表12万，依次类推。
在英文字母中“I”和“O”避而不用，以免和数字中的“1”和“O”混淆。
如下图所示:
图1—2
字符（除去边框）的总长度为409们nn比，其中单个字符的统一宽度为45~，高度为90~，第2、3字符之间间隔为34~（中间的小圆点宽10刀nn匡与2、3字符的间距都为12~），其余的字符间距为12~。
图象处理
图象处理与后续处理密切相关。
光线强弱，天气影响等因素对于识别造成极大的影响，必须要利用图象处理尽量的减小这种影响。
这涉及到数字图象的复原，增强，滤波，去噪等过程。
图象的二值化、颜色、灰度处理以及图象的分割问题是后续处理中的关键步骤。
车牌定位
车牌定位是车牌识别系统的关键性问题之一，也是一大难题。
目前，已经提出了很多种方法，一个共同的出发点是:
通过牌照区域的特征来判断牌照。
各种的车牌定位的技术，在现实中已经有了部分的应用。
但是，由于车牌识别系统的复杂性和许多不确定因素的影响，并不存在一项通用的车牌定位技术。
车牌字符分割
车牌字符分割包括车牌灰度图象的二值化和字符的切分。
为了方便字符识别，须将预处理部分切取下来的牌照灰度图象作二值化处理使其中的字符呈黑色，背景呈白色，通常对于该类问题的解决方法是采用灰度直方图，即对牌照图象的象素作灰度统计，根据统计结果判别图象中字符的灰度范围和背景的灰度范围。
在此基础上，对二值图象进行投影分割。
车牌字符识别
可以说字符识别技术是车牌识别的相对关键技术，这也是个古老问题，解决的方法也很多。
句法模式识别、神经网络、模板匹配和统计分类都有成功的应用。
有许多关于这方面的文献，具有极大的参考价值。
1.2现状的分析
车牌自动识别技术的进展:
从20世纪90年代开始，人们就开始了对汽车牌照自动识别的研究，其主要途径是采用计算机图象处理技术对车牌的图象进行分析，自动提取车牌信息，确定汽车牌号。
在车牌识别过程中，有人使用模糊数学理论判别车牌在图象中的位置和字符，也有用神经元网络的算法识别车牌中的字符。
目前车牌识别的理论比较成熟，离线算法识别率已经达到一定水平，但是离真正的实用还有一定的限制，还有一些问题需要解决。
以下列出了近期发布的几种别系统的识别系统:
[1]
表1—2
1.3本论文的主要内容及结构
第二章汽车牌照识别的主要应用技术
2.1IC卡识别技术
IC卡是一种集微电子技术、通讯技术和计算机技术于一体的高科技产品,利用IC卡技术进行汽车牌照的识别,主要是指在每辆汽车上安装一个微型的电子信号接收和发射装置即IC卡,卡内存储了该车的车牌号码以及其他一些信息,当汽车通过设有车辆检测装置的路口时,IC卡系统将与路口的计算机系统进行对话,使之辨识出该汽车的车牌号码和其他有关内容,从而可以实现监督与管理.然而,尽管IC卡技术识别准确度高,运行可靠,可以全天候作业,但它整套装置价格昂贵,硬件设备十分复杂,不适用于异地作业,且须要制定出全国统一的标准.另外,无法核对车、卡是否相符,也是IC卡技术存在的缺点.
2.2条形码识别技术
条形码技术[2]由于识别速度快、准确度高、可靠性强以及成本较低等优点,目前已广泛应用在商品销售、图书借阅管理、仓库进出货管理、邮政管理等众多领域.而条形码用于汽车牌照的识别方面还是一种新方法[3],它可以通过在车辆的侧面印刷条形码（其中包括地区、车型、车牌号码等基本信息）,当条形码扫描器阅读出这些信息后,就可以完成识别的任务.但是条形码识别技术对于扫描器要求很高,并且同IC卡技术一样,须在全国范围有统一的标准.这给近期短时间内推广造成困难.
2.3图象处理技术
运用图象处理技术解决汽车牌照识别的研究国内外都有,最早出现于80年代,这个阶段的研究并没有形成完整的系统体系,而是就车牌识别中的某一个具体问题进行讨论,并且通常是采用简单的图象处理技术来解决.识别过程是使用工业电视摄像机（IndustrialTVCamera）拍下汽车的正前方图像,然后交给计算机进行简单处理,并且最终仍需要人工干预.例如车辆牌照中省份汉字的识别问题,1988年戴营等利用常见的图像处理技术方法提出汉字识别的分类是在抽取汉字特征的基础上进行的.根据汉字的投影直方图（ProjectionHistogram）,选取浮动阈值,抽取汉字在y方向的峰值,利用树形查表法进行汉字的粗分类;然后根据汉字在x方向的投影直方图,选取适当阈值,进行量化处理后,形成一个变长链码,再用动态规划法,求出与标准模式链码的最小距离,实现细分类,完成汉字省名的自动识别.
2.4传统模式识别技术
传统模式识别技术[4]一般包括模板匹配法,统计特征法等.进入90年代,由于计算机视觉技术（ComputerVisionTechnique）的发展,开始出现汽车牌照识别的系统化研究.1990年A.S.Johnson等[5]运用计算机视觉技术和图象处理技术实现了车辆牌照的自动识别系统.该系统分为图象分割（Imagesegment）、特征提取和模板构造（FeatureExtractionandTemplateFormation）、字符识别（CharacterRecognition）等三个部分.利用不同阈值（Threshold）对应的直方图不同,经过大量统计实验确定出车牌位置的图象直方图的阈值范围,从而根据特定阈值对应的直方图分割出车牌,再利用预先设置的标准字符模板进行模式匹配（PatternMatching）识别出字符.
1990年R.A.Lotufo等[6]使用视觉字符识别技术（OpticalCharacterRecognitionTechniques）分析所获取的图象,首先在二值化图象中找到车牌,然后用边界跟踪技术提取字符特征,利用统计最邻近分类器（AStatisticalNearestNeighborClassifier）与字符库中的字符比较,得出一个或几个车牌号码,对这些号码做核实检查,看是否确实有该车牌号码,从而最终确定出一个实际存在的正确的号码.
总之,这个时期的应用在识别正确率方面有所突破,但还没有考虑到识别实时性的要求,识别的速度有待进一步提高.
2.5人工神经网络技术
近几年以来,计算机及其相关技术发达的一些国家开始探讨用人工神经网络技术解决车牌的自动识别问题.例如1994年M.M.M.FAHMY等就成功地运用了BAM（Bidirectionalassociativememories）神经网络方法对车牌上的字符进行自动识别,BAM神经网络是由相同神经元构成的双向联想式单层网络,每一个字符模板对应着唯一一个BAM矩阵,通过与车牌上的字符比较,识别出正确的车牌号码.这种采用BAM神经网络方法的缺点是无法解决识别系统存储容量和处理速度相矛盾的问题.
由于人工神经网络技术[7]抛开了传统的计算结构和相应的算法,采用了生物神经网络的模型,因此它能较好地实现人类存储知识及处理信息的机能,使系统可以模拟人类思维,对需要处理和解决的问题进行记忆、联想、推理,从而较好地解决了车牌识别中所提出的因字符残缺不完整而无法识别的问题.另外人工神经网络技术应用于车牌识别领域与传统方法相比,还可以避免繁重的数据分析和数学建模工作,可以将信息存储与处理并行起来,大大提高了运行速度,因此越来越受到人们的广泛关注.
2.6我国汽车牌照识别的特殊性
如上所述,国外汽车牌照识别系统研究工作已有一定进展,但并不尽合我国国情,这主要是因为以下五个方面的原因:
（1）我国标准汽车牌照是由汉字、英文字母和阿拉伯数字组成,汉字的识别与字母和数字的识别有很大的不同,从而增加了识别的难度;
（2）国外许多国家汽车牌照的底色和字符颜色通常只有对比度较强的两种颜色（例如韩国,其车牌底色为红色,车牌上的字符为白色）,而我国汽车牌照仅底色就有蓝、黄、黑、白等多种颜色,字符颜色也有黑、红、白等若干种颜色;
（3）其他国家的汽车牌照格式（如汽车牌照的尺寸大小,牌照上字符的排列等）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）;
（4）我国汽车牌照的规范悬挂位置不唯一;
（5）由于环境、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.
由于我国汽车车牌识别的特殊性,采用任何一种单一识别技术均难以奏效.目前正在研制的无源型汽车牌照智能识别系统综合利用了车辆检测技术、计算机视觉（ComputerVision）技术、图象处理技术、人工智能技术和人工神经网络技术等,是一个比较有发展前途的车牌识别系统.
2.7无源型汽车牌照智能识别系统
2.7.1系统特点
该系统融合了多种先进技术,对由数字照相机或数字摄像机采集到的行使中汽车图象进行分析与处理,自动分割出汽车牌照并智能识别出汽车牌照号码.
所谓无源型汽车牌照智能识别系统是指在无任何专用于发送车牌信号的车载发射设备（如:
无线、微波、红外、可见光、超声波等）的情况下,对运动状态车辆或静止状态车辆的车牌号码进行非接触性信息采集并实时智能识别的系统.与传统系统相比,这种系统节省了设备安置及大量资金,从而提高了经济效益.另外,由于采用了最先进的计算机应用技术,所以可提高识别速度,较好地解决实时性问题.
2.7.2系统关键技术探讨
（1）汽车车牌的提取
根据我国标准汽车车牌底色及字符是由固定的几种颜色（白色、蓝色、黄色、黑色、红色）组成,这些颜色信息可帮助牌照的定位,故可以利用人工神经网络技术先检验相关颜色,初步定出一个或几个可能存在车牌的区域,再在这些区域中寻找适当特征的图形,找到车牌位置,从而将完整的汽车车牌分割提取出来.
（2）汽车车牌字符的智能识别
考虑到部分汽车牌照会存在受污损,涂漆脱落,以及对行驶中的汽车进行图象采集时造成的图象扭曲、变形等情况,如果运用以往一些技术方法,可能造成识别错误,因此可以利用人工神经网络方法具有自适应性和记忆特性,对于不完整的汉字同样能够正确识别的特点,对汽车牌照上有限的汉字进行准确快速处理.该系统设想采用人工神经网络技术建立省份简称汉字、英文字母以及阿拉伯数字的标准模板,与汽车车牌上的字符相匹配,自动智能地识别出汽车车牌号码.
第3章汽车自动识别系统
随着社会经济、高速公路的快速发展，以及汽车普及程度的提高，汽车牌照自动识别系统的研究与开发也成为现代化交通发展中倍受关注的问题。
目前，汽车牌照自动识别技术已经广泛应用于高速公路收费、城市道路监控、车辆违章管理等方面，有着广阔的发展前景。
3.1系统组成原理
汽车牌照自动识别系统是应用图像处理技术、模式识别技术和神经网络技术，从复杂背景中准确提取、识别出汽车牌照。
汽车牌照自动识别系统由车体感应器、摄像机、图像采集卡、通用微机、红外车辆检测器和识别软件组成，能自动完成实景下车牌图像的获取、牌照的分割和识别。
该系统的关键技术是图像分割与车牌定位、图像二值化、预处理和字符分割、车牌字符识别等。
车辆图像摄取过程如图1所示，当汽车通过检测点时,位置传感器向主机发出信号,系统即自动摄取车辆正面图像,并把图像大小设定为512×512像素。
汽车牌照的识别系统结构框图如图2所示。
图1车辆图像摄取过程
图2识别系统结构框图
3.2系统中的关键技术
3.2.1车牌定位与分割
目前较为成熟的车牌区域定位算法有如下几种：
（1）自适应边界搜索法：
利用倒L型、水平直线、垂直直线这些结构元素搜索、定位字符，然后找出符合一定格式的字符群，即认为是车牌。
（2）区域生长法：
对边缘图像进行均匀性区域生长，以获得潜在的车牌区域，然后利用车牌的几何特征以及车牌区域内的边缘灰度直方图统计特征删除伪车牌，即得真实车牌。
（3）灰度图像数学形态学运算法：
利用车牌形状特征、字符排列格式特征，对预处理后的灰度图像进行一系列的形态学运算，得到直线与一定数目的字符相邻的区域即认为是车牌。
（4）基于字符串特征增强的分割方法：
釆用一种线性滤波器突出牌照区域的纹理，再釆用取阈值的方法来分割牌照区域。
（5）模糊聚类法：
利用模糊逻辑系统，根据一些分类参量判别由粗分割得到的图像中不确定部分是隶属于背景还是目标，从而分割出车牌。
（6）基于灰度图的车牌定位和分割法：
首先选取适当的阈值用迭代法得到二值图，再根据车牌中文字笔画的垂直边缘特征做车牌定位。
（7）DFT变换法：
先对图像逐行做DFT变换，然后把频率系数逐行累加平均并根据这些平均值做出频谱曲线，根据频谱曲线中的“峰”的起始点位置确定车牌水平位置，对这一水平区域逐行做DFT变换可确定车牌竖直位置。
虽然上述车牌定位算法已在实践中取得成功，但对于车辆实时监控系统来说上述方法所需的时间仍然偏长，
在经过大量实践后找到了基于图像差分投影法，从而将车牌识别时间缩短到一百毫秒以内。
其原理是将车辆灰色图像按水平方向求差分图，然后按垂直方向求差分，最后对差分后的车辆图像分别在水平和垂直方向投影，按照给定的车牌尺寸范围找出可似车牌区域。
3.2.2预处理和字符分割
把分割出来的车牌照图像首先作二值化处理、去噪、字符分割、归一化,使所有的字符图像都变成尺寸大小相等、不含噪声的二值图像。
在此基础上对每一个字符采用一种阴影掩膜技术进行编码,提取字符特征,用BP网络进行字符识别。
采用基于直方图指数平滑的阈值分割法进行二值化,经过分割出的车牌上含有汉字、英文及阿拉伯字母,在对它们进行逐个识别之前,必须把它们归一化到一个标准尺寸上,这样可为字符分割提供更好更便利的条件。
字符分割一般采用垂直投影法。
字符在竖直方向上的投影必然在字符间或字符内的间隙处取得局部最小值，因此字符的正确分割位置应该在上述局部最小值的附近，并且这个位置应满足车牌字符的标准数目、字符尺寸等条件，这样就排除了在复杂环境下车牌定位错误。
在水平方向上从左至右检测各坐标的投影数值，当检测到第一个投影值不为零的坐标可视为首字符的左边界，从该坐标向右检测到的第一个投影值为零的坐标可视为首字符的右边界，其余字符的边界坐标同理可得。
通过字符的平均字宽和两字符左边界之间的平均距离去除可能存在的错误切分。
对于字宽小于平均字宽一定比例（如0.2）的字符可视为无效字符；前后两字符距离小于平均距离且此距离与字宽之和不大于平均距离，则合并之为一个字符；对于字宽大于平均字宽一定比例（如2.4）则视为两字符出现粘连，当字符数量多于或少于车牌可能的字符数时则认为所定位的车牌无效。
利用垂直投影法，对复杂环境下的汽车图像中的字符分割有较好的效果。
3.2.3车牌字符识别
目前我国机动车使用的车牌字符分为汉字、英文字母、数字，共7个字符，字符识别的方法主要有基于模板匹配算法和基于人工神经网络算法。
（1）基于模板匹配算法：
首先把经过二值化的待识别字符的尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，选择最佳的匹配结果。
由于这种算法稳定性较差，花费时间也较长，因此在此基础上，提出了基于关键点的匹配算法，此算法是先对待识别的
字符进行关键点的提取，然后对关键点去噪，再确定字符的分类，其优点是：
提高了识别速度又具有较高的识别率。
（2）基于人工神经网络算法：
一种是先对待识别的字符进行特征提取，用所获得的特征来训练神经网络分类器；另一种方法是直接把待处理的图像输入网络，由网络自动实现特征提取直至识别出结果。
第四章汽车牌照定位与字符分割
本章在参照国内外研究者工作的基础上,基于数字图像处理理论，主要对现有汽车牌照定位与字符分割算法进行了分析研究，实现了一种汽车牌照定位与字符分割算法，并给出了算法的详细描述和对应的实验结果。
4.1图像预处理
由于CCD摄像机采集的图像可以BMP位图图像格式存于微机，为了用于汽车牌照字符的分割与识
别，原始图像应具有适当的宽度，较大的对比度和清晰的汽车牌照图像。
因此需要对原始图像进行预处理。
本文的图像预处理分为三步：
（1）真彩图转换为灰度图真彩图具有信息量大的优点，但同时其数据量也大，汽车牌照图像的灰度图对于汽车牌照识别来说数据量已十分充分，同时数据量小，能提高后面图像处理的运行速度，这对汽车牌照识别这种实时性要求较高的系统是非常必要的。
图像灰度值的转换公式为式
（1）：
其中
升级会员 