智能车牌识别技术

来源:用户上传      作者:

　　[摘要] 本文主要介绍了智能车牌识别系统中车牌定位与识别模块的有关技术。
　　[关键词] 车牌定位车牌识别字符分割字符识别
　　车牌识别技术在公共安全、交通管理、及相关军事部门有着重要的应用价值，目前该技术主要应用于职能交通系统（Intdligent Transportation SystemITS）。一般来讲车牌识别软件系统主要包括三部分，它们是车牌定位、车牌分割和字符识别，车牌定位的任务是给出图像中车牌的位置，车牌分割的主要任务是将定位后的车牌区域中的字符分割出来，字符识别是最后一部分，它的主要任务是将分割出的字符识别出来。有关车牌识别技术国内外有大量的研究报道，在车牌识别系统中，涉及的方法比较多，有的算法简单，速度快，但识别正确率较低；有的算法复杂，正确率高，但速度慢，以下对现有的一些车牌识别技术进行综述比较。
　　
　　一、车牌定位技术
　　
　　车牌定位就是从车牌的图像中提取出车牌区域，它的好坏直接关系到这个系统识别率的高低，并且对识别速度也有很大的影响。由于车牌背景的复杂性与车牌特征的多样性，迄今为止, 仍没有一个完全通用的职能化车牌定位方法。车牌定位算法目前主要有基于彩色的方法、寻找车牌图像上下边界的方法、基于灰度的方法、基于频域或其他变换域的方法等几大类，结合这些基本方法与各种优化算法又派生出许多其他定位算法。
　　1.利用车牌的纹理的几何变化的定位方法
　　对车牌区域检测需要运用车牌区域所特有的属性。按照模式识别原理，应找到车牌区域图像固有的且与图像其他区域不易混淆的属性，并且所有使用的属性在各种环境下摄取的图像具有稳定性。在各种条件下车牌所在的图像区域稳定可靠的信息是它具有丰富的边缘，因此涉及了对边缘纹理信息分析为基础的算法。
　　这类算法的流程可以分为三个步骤:(1)预处理，将彩色图像转换成灰度图并进行图像边界增强;(2)利用根据牌照特点设计的变换公式进行变换;(3)对变换后的图像进行分析，利用牌照的几何特点进行定位。
　　2.利用图像信息差进行车牌定位的方法
　　这种方法是利用两帧或两场车牌图片之间的信息差，进行车牌的定位，所以这种方法也叫基于互相关矢量图的车牌定位算法。该算法已于车牌字符笔画两个边缘互相关值最大的原理，由原始图像构造两幅图像，用类似粒子图像测速互相关方法求出“位移矢量图”，再从中依据先验知识进行车牌定位的算法。该算法的特点是可在车牌两倍大小范围内自适应车牌大小，同时还可以得到对后续处理非常有用的信息。
　　3.利用颜色的车牌定位的方法
　　利用颜色的车牌定位方法不同于大多数的车牌定位方法，由于对车牌的大小、汽车在图像中的位置以及图像背景的限制很少，而且综合特征定位要比单一特征定位更符合人的视觉要求，因而定位效果更好，应用范围更广。有关车牌的模型化，根据机动车牌号标准，中国车牌照主要有蓝底白字、黄底黑字、黑底白字、和白底黑字4种类型，根据车牌底色，利用颜色空间距离及相似度计算，就可以从图像中分割出想要的颜色区域，再采用投影法来找到该颜色区域。
　　4.投影法进行车牌定位
　　在所有的车牌定位算法中，利用投影法进行牌照区域与背景的分割，是一种非常常用的方法，也是非常实用的方法。其实在上面提到的几种定位放法中，在完成特征计算后，都采用了投影的方法进行切分。投影法定位有牌照水平方向的定位算法和垂直方向的定位算法两种。
　　
　　二、字符分割技术
　　
　　在经过车牌定位后，为了方便后面的识别环节，应首先对字符进行分割，并进行归一化，分割质量的好坏和正确与否将直接影响后面的识别结论是否正确。它的主要任务是:确定车牌字符的上下边界，两条直线;将车牌中的字符一一分割出来;将分割出来的字符归一化到一个固定的大小。在这一过程中涉及到的技术主要有二值化、寻找精确字符边界、字符分割。
　　1.图像的二值化
　　二值化是车牌识别中的重要处理手段，它可以被用在车牌定位也可以用在车牌的分割中。图像的二值化就是把灰度图像变成黑白图像。选取一个阀值，当灰度值大于该阀值时令其位白点，否则位黑点。根据阀值选取的不同，二值化的算法分为固定阀值和自适应阀值。一般来说，不同的图像采用同一个阀值的效果也会大不一样，所以自适应阀值的灵活性比固定阀值的处理效果要好。但在默写特定的情况下，由于处理的是一组相似的图像，因此也可以选择一个固定的阀值来进行处理。自适应阀值的缺点是可能会产生许多噪声点，如果车牌系统应用范围很窄，则可以选择一个适当的固定点做阀值。
　　2.寻找边界
　　二值化后需要寻找车牌字符的边框，一边更精确地定位车牌。根据在字符区域与背景区域的交界处，前景象素的个数会发生突变。从区域的中间点出发，依次寻找上、下、左、右边界。经过上面的车牌定位，可以认为该块区域的中心点位于字符区域内。统计每一行和每一列的白点（即前景点颜色）个数，当发生冲突的时候就认为有可能到达边界了，排除一些噪音干扰，就可以得到字符区域的边界。
　　3.字符分割
　　经过牌照字符图像的分割与二值化，得到的是一个只包含牌照字符的水平条区域，为了进行字符识别，需要将牌照字符从图像中分割出来。投影法进行图像字符分割是最简便快捷的方法，其思想是根据车平均字符的特点，把车牌图像进行垂直方向的投影，音字符区域黑色像素点比较多且集中，且每个车牌字符之间有一定的空隙间隔隔开。这样投影下来得到的投影图应该有几个相对集中的投影峰值群，只需要根据峰值群的特点进行分割，就可以得到车牌的字符。
　　车牌图像字符定位分割的具体算法如下:(1)对车牌图像进行垂直投影，定位出每个字符的左右边界，并保存在数组中;(2)把每个字符分割出来，再进行水平投影，定位出字符具体的上下边界，并保存再数组里;(3)根据每个字符的边界，把字符信息保存再数字里，并在图像中显示定位情况。
　　
　　三、字符识别
　　
　　字符识别是车牌识别的最后一步，也是计算量较大的部分。对于单个的字符，最直接的识别方法就是模板匹配方法，由于牌照字符有限且位确定的字体，因此，如果前面的步骤完成的质量较高，则用这种方法的识别效率也会很高，但是如果牌照校正得步规范或字符切割得不够精确，则识别率就会大大降低，因此在实际中，通常都是利用字符的各种特征来进行识别。
　　1.字符的特征
　　车牌识别中可利用的字符特征很多，大致可以分为结构特征、象素分布特征及其他特征。
　　(1)结构特征，结构特征充分利用了字符本身的特点，由于车牌字符通常都是较规范的印刷体，因此可以较容易地从字符图像上得到它的字符的笔画信息，并可根据这些信息来判别字符。
　　(2)象素分布特征，象素分布特征的提取方法很多，常见的有水平/垂直投影的特征、微结构特征和周边特征等。水平/垂直投影的特征是计算字符图像在水平和垂直方向上的象素值的多少，以此作为特征。微结构法将图像分为几个小块，统计每个小块的象素分布。周边特征则计算从边界到字符的距离。
　　2.字符识别方法
　　(1)模板匹配字符识别。模板匹配是字符识别的最基本的方法之一，该方法是将要识别的字符与实现构造好了的模板尽心比较，根据与模板的相似度大小来确定最终的识别结果。基本思想是：首先根据切割下来的字符大小，确定一幅带有加权因子的骨架模板，然后，将切割下来的字符按照模板的大小进行归一化，包括大小的归一化和灰度的归一化，归一化后的字符图像与创建的模板进行匹配。
　　(2)基于过线数特征的识别方法。该方法是为了提高识别速度，它也是模板匹配的一种，是对模板的算法进行的优化，从模板中提取一些有用的特征，可以使识别速度大大提高。单一特征抽取构成的识别系统通常难以满足要求。车牌识别系统的字符识别，其实也是一种印刷体字符识别，根据印刷体的结构抽取特征，比如数字识别为例，可以抽取四种特征：横线特征、竖线特征、水平方向过线数、垂直方向过线数。然后就可以利用这四种特征和编码器组合的方法实现对印刷体数字的识别。
　　(3)基于左右轮廓特征的印刷体数字识别。基于左右轮廓特征提取的方法其实质也是一种特征提取的方法。由于印刷体数字的形状相对固定，而且其左右轮廓基本上反映了字符的特征，将数字的左右轮廓特征经归一化处理后得到多个特征值。
　　一个完整的车牌识别系统包括图像采集、图像处理、车牌定位、字符识别、近端或远端数据库、网络支持等模块。本文主要介绍了车牌定位与识别等关键技术，其他不再一一赘述。
　　本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。

转载注明来源:https://www.xzbu.com/3/view-1501027.htm