OpenCV在智能车牌识别系统中的应用研究

来源:用户上传      作者:

　　摘  要：交通监管系统是车辆规范性驾驶的重要保障，通过OpenCV对车牌信息进行采集，然后对图像信息进行精准识别，以记录车辆在监管系统下的各项行驶信息。基于此，文章对智能车牌识别系统特性进行论述，从颜色定位法、纹理定位法对车牌在系统中的定位形式进行监測，并对OpenCV在智能车牌识别系统中的应用进行研究。
　　关键词：OpenCV;车牌识别;智能系统
　　中图分类号：TP391         文献标志码：A         文章编号：2095-2945（2020）06-0172-02
　　Abstract： Traffic supervision system is an important guarantee of vehicle normative driving. The license plate information is collected by OpenCV， and then the image information is accurately identified to record the driving information of the vehicle under the supervision system. Based on this， this paper discusses the characteristics of the intelligent license plate recognition system， monitors the positioning form of the license plate in the system from the color positioning method and texture positioning method， and studies the application of OpenCV in the intelligent license plate recognition system.
　　Keywords： OpenCV; license plate recognition; intelligent system
　　引言
　　近年来，经济结构的发展下，汽车已经成为一种普及化产品，为交通运输行业的发展提供相应的助力。车牌作为汽车的身份象征，其如同人们的身份证一样，是汽车独有的，在交通网络的监察下，可对汽车的各项运行行为进行查看，如汽车压线行驶、闯红灯等行为，均可由交通检测设备所记录，然后由交通部门依法追究责任。在信息化技术、智能化技术的革新下，智慧交通系统也被研发出来，在多维度监管下，交通系统可精准对汽车进行定位，以满足实际监管需求，为交通行业的运行提供基础保障。
　　1 智能车牌识别系统特性论述
　　OpenCV作为一种视觉控制系统，其在智能车牌识别系统中的运用，可实现精准化数据识别，尤其是在5G网络通信技术的应用下，可为信息反馈传输建立一个对接渠道，提升数据传输及系统处理数据的效率与质量。智能车牌识别系统在运行过程中，是以计算机设备为主操控系统，在数字技术、信息反馈技术、智能化技术的应用下，令系统映射到交通体系中，完成对车辆拍照的实时监测。系统与交通系统的融合，可建立全范围监管体系，如红绿灯监控体系、停车场自动识别体系、ETC收费体系等，在车辆有效的监控识别下，可对数据本身进行精确处理，而在当前市场多元化发展态势下，必将扩大智能车牌识别系统的应用范畴。
　　2 车牌定位方法探析
　　2.1 颜色定位法
　　颜色作为车牌的一个重要表现特征，不同车型的车牌颜色也具有较大差别，如蓝白结合、黄黑结合、黑白结合，以及近年来新能源的白绿黑结合等。RGB色度空间法则是在颜色识别中应用较为广泛，其将车辆既定的色彩组建一个颜色格局，当系统接收到颜色特征时，依托于车牌的底色进行识别，如蓝色、黄色、白色等，通过颜色分量加强系统的色度监测值，然后利用系统映射的图像对颜色的阈值进行判定与转换，进而得出相应的二维图形，然后在将二维图像进行数字转换，最终确定车牌颜色。当车辆环境较为复杂时，单一化的颜色判定体系工作效率将降低，针对此种问题，科研人员提出灰度值调测的方法，将系统接收到的彩色图像进行灰度调整，以提升车牌的检测精度。
　　2.2 纹理定位法
　　车牌规格属于定性的框架，利用二值化图像将车牌信息映射到投影系统中，可得出车牌的准确位置。在获取车牌水平基准位置时，系统扫描将呈现出一定的黑白跳变规律，此种规律在运作过程中是由车牌固定的框架而建立的。通过设定一个跳变的阈值，当跳边次数大于阈值基准时，则代表系统在扫描过程中，车牌信息含在其内，此种扫描形式触发的周期较短，可在一定时间内进行多次扫描，当某一周期完成全部扫描时，则将出现可能存在的车牌信息，此时扫描周期所含括的区域就代表着车牌的水平高度。在进行跳变扫描时，只可测定车牌水平之间的距离，即为车牌的高度信息，而对于车牌的宽度信息来讲，则需要通过垂直投影对二值化车牌进行扫描。在车牌的实际测量过程中，水平测量将与垂直测量同步进行，当水平区域的测量在黑白跳变过程中，垂直投影方面将呈现出波峰的特性，进而保证系统在整体测量时可精准地划定出车牌所在区域。从测量方法与测量效率来看，纹理界定的方式较为精准，但此类方法操作较为繁琐，计算时间差较大，如车牌本身不规则，那么将间接加大车牌扫描的范围，进而出现相应的误差。另外，如车牌区域内含有较多杂质时，则将影响系统对图像的采集，间接造成信息确认不完整。
　　3 信息预处理及空间分割
　　3.1 信息预处理
　　在对信息进行定向采集时，一般由传感器对外界环境进行扫描，对车辆牌照信息进行获取，但如果外界环境较为恶劣的话，如光线、暴雨等天气，将会增加车牌定位方法的应用难度，为此，需通过滤波的检测方法对成像内的信息进行二次确认，保证数据信息在系统内传递的精准性。从摄像头摆放位置来看，其一般置于路旁或道路支撑框架的正上方，在实际信息采集时，初始图像将呈现出一定的倾斜性，而此类倾斜的信息将增加后续信息处理难度。信息预处理则是对车牌进行校正，提升车辆牌照的识别率。目前图片预处理技术大多以HOUGH变换法为主，其对图像信息中的几何图形进行扫描识别，然后经由信息转换，对图形信息所含空间的参数极值进行分析，利用函数曲线将信息进行描述。HOUCH在变换校正过程中，一般映射信息所集中的空间节点为峰值点，在空间维度中峰值点将对线条特性进行描述，此时便可进行下一步的切斜角度测量、车牌校正等工作。在特征分析时，系统主要是将外界传递来的信息进行降维处理，并深度挖掘出具有一定价值的信息，此时在向量空间中将形成一个节点，也就是车牌信息所产生数据集在空间中的坐标点，然后再通过最小二乘法对各类数据之间的信息进行计算，得出相应的向量差值，并依据数值之间的误差来确定最终的平方和。例如，在对车牌数字水平基准方向的特征进行解析时，则是以差分法为主，然后以最小二乘法对车牌字符的空间位置进行调控，以此来获取图像基准值，在对垂直方向进行基准叫校正时，则是以车牌为空间坐标，以1°为变换值，然后通过Radon进行角度转换，直至与车牌水平位置呈现出空间维度重合为止。 　　3.2 空间定位分割
　　目前，智能车牌识别系统在对车牌数字进行读取时，一般是对已经设定的字符进行分割，当字符由摄像传感器采集信息映射到系统中时，经二值化的图像将呈现出基于字符周边为形成的波谷。此时，便可将问题处理形式转变为处理波谷图形，即在图像中查找与统计波谷的位置，然后依次按列进行计算，此时如出现波谷最小值时，便可验证字符的右侧边界位置，而此种方法同样可找到左边界。利用此类空间分割的形式，主要是由于内部程序设定简便，响应周期较短，可更加精准的分析出车牌。随着后续分割技术的研发，以二分法为主要的计算程序，可有效解决车牌字符粘接的现象，令系统可精准的分辨出字符。
　　4 车牌识别
　　目前，我国交通对于车牌规格的设定，一般第一位为汉字，代表省份，第二位为字母，代表省份内的具体区域，三位到七位则是由全数字、数字字母结合所组成的，随着汽车数量的逐渐增多，单一化的数字组合已经无法满足车辆的注册数目，为此，绝大多数申请的汽车牌照为数字、字母排列组合的，且字体格式多为黑体。
　　智能车牌识别系统在对车牌进行识别时，如车牌底色不一致时，当图像映射到系统中时，自动进行灰色度处理，将所有车牌的图像信息转变为白色底、黑色字的车牌，但系统在初次接收到图像信息时，字符显示像素较低，此时系统将对字符进行再处理，利用阈值转换的方法，将车牌上的黑色信息进行同比例查驗，当字符所占有的黑色信息呈现出一定的比例时，则可直接印证车牌的底色深。然后再对车牌图像信息进行反色化处理、字符分割截取等，确保车牌信息读取的精确性。将车辆牌照的宽度设定为P值，系统在对图像信息进行扫描时，按照一定的逻辑顺序完成由0到1的顺位扫描，以验证图像内白色像素的值量E，此时阈值为R，如E>R时，则表明该项扫描点为白色列，即车牌无字符部位，而当顺位白色列之间的差值E1>R时，则表明白色列之间含有字符。待检测出字符后，系统再对字符信息进行识别，此时字符所处空间的水平与垂直位置将呈现出一定的边界特性，如字符空间位置与系统图像中所显示的车牌位置重合的话，则系统将对信息进行匹配认证。从规划出相应的数据模板中进行基于像素点阵的组合比对，其中模板库内的数据信息是以人工指令为基准的，其大多包含数字0～9、英文a～z、所有地域的代称，如京、津、冀等，在系统识别时，与预设的模板信息进行匹配，以精准的查验出车牌信息。
　　5 结束语
　　综上所述，在信息技术、传感设备的支持下，交通系统逐渐向智能化方向所转变，尤其是在5G时代的到来下，将为智慧交通网络体系的建构提供重要的技术支持。本文则是对交通体系下的智能车牌识别系统进行分析，对车牌文字的识别机理及验证形式进行研究，期待为相关技术领域的发展提供信息支持。
　　参考文献：
　　[1]王传民，丁湛，赵勇.基于BP神经网络的智能军车车牌识别系统设计与实现[J].国防科技，2019，40（05）：12-22.
　　[2]魏雄.基于OpenCV的车牌识别系统中车牌定位的实现[J].电子世界，2019（03）：113-115.
　　[3]汪国钢，吕务骈，陈流长.智能冗余车牌识别技术在收费公路不停车移动支付系统中的应用[J].中国交通信息化，2017（12）：95-99+120.
　　[4]赵有婷.车牌识别系统评测方法研究及图像库建立[A].第十一届中国智能交通年会大会论文集[C].中国智能交通协会，2016：376-387.
转载注明来源:https://www.xzbu.com/1/view-15119220.htm