（信号与信息处理专业论文）车牌自动识别系统的算法研究与实现.pdf

摘要 摘要 随着我国经济的发展和汽车拥有量的急剧增加，公路交通成为我国重要的交 通运输途径，是国家大力发展的基础建设领域。日益拥堵的城市交通需要更先进、 更有效的交通管理和控制。利用电子信息技术来提高管理效率、交通流量和安全 系数的智能交通系统已经成为当前交通管理发展的主要方向。 智能交通系统通过对道路交通流信息进行实时监测，及时地做出各种交通诱 导控制和管理，使相关的交通设施得到充分合理的运用，而车牌自动识别系统则 是智能交通系统的关键技术。车牌识别系统具有对车辆进行自动化监视、验证、 登记与报警等强大功能，故可应用于高速公路管理系统、停车场收费管理系统、 小区车辆管理系统与电子警察系统等领域当中。 本文完成了车牌自动识别系统的算法研究和设计实现，主要工作由以下几个 部分组成： ( 1 ) 车牌定位算法。把输入的图像划分成若干矩形子图，利用车牌颜色特征 对每幅子图进行局域分析，得到车牌定位模板；使用数学形态学方法去除车牌定 位模板的噪声，得到最终的车牌定位模板；利用车牌定位模板提取出候选车牌区 域，使用h o u g h 变换对具有一定倾斜角度的候选车牌进行矫正；对每个候选区域 运用车牌尺寸和纹理特征进行判断，排除虚假候选车牌区域，实现车牌的精确定 位。 ( 2 ) 车牌字符分割算法。基于区域生长算法提取出二值化车牌图像中的每个 连通区域；利用车牌字符的尺寸特征和字符像素占空比特征对每个连通区域进行 筛选，得到候选字符区域；根据已有候选字符区域估算车牌字符的尺寸，并以此 去除虚假候选字符区域；最后应用车牌字符间隔先验知识，补出遗漏的字符区域， 实现车牌字符的准确分割。 ( 3 ) 车牌自动识别软件系统。搭建了基于c 语言的车牌识别算法演示系统， 该系统集成了本文中的算法研究成果。该系统完全开放，可方便地修改已有算法 或添加新算法，并具有很好的硬件平台无关性。 本文提出的算法已以软件系统的形式实现，并使用从各种实际场景下采集的 摘要 具有代表性的大量车辆图像作为算法测试数据源对算法进行测试，结果证明车牌 定位算法的准确率为9 6 3 ，字符分割算法的准确率为9 6 8 。 关键字：车牌识别系统，车牌定位，字符分割，数学形态学，h o u g h 变换 a b s t r a c t a b s t r a c t w i t ht h ee c o n o m i cd e v e l o p m e n ta n dr a p i di n e a s ei nt h ev e h i c l ea m o u n ti no u r c o u n t r y , r o a dt r a n s p o r th a sb e c o m et h ei m p o r t a n tf o r mo ft r a n s p o r t a t i o na n daf o c u s e d i n f r a s t r u c t u r e c o m t a n t l yb l o c k e dc i t yt r a n s p o r t a t i o nn e e d sm o r ea d v a n c e da n dm o r e e f f e c t i v et r a f f i cm a n a g e m e n ta n dc o n t r 0 1 t h ei n t e l l i g e n tt r a n s p o r t a t i o ns y s t e m ( i t s ) ， w h i c hi m p r o v e se f f i c i e n c ya n ds a f e t yu s i n gd e c t r o n i ci n f o r m a t i o nt e c h n o l o g y , h a s b e c o m et h em a i nd i r e c t i o nf o rt r a n s p o r ta d m i n i s t r a t i o n b ym e a n so fm o n i t o r i n gt h er o a dt r a f f i cf l o wi n f o r m a t i o ni i lr e a l t i m e , t h ei t si s c a p a b l eo fp e r f o r m i n gv a r i o u st r a f f i cc o n t r o la n dm a n a g e m e n tt a s k s ，m a k i n gf u l lu s eo f r e l a t e dt r a n s p o r tf a c i l i t i e s t h el i c e n s ep l a t er e c o g n i t i o n ( l p r ) s y s t e mi st h ek e y c o m p o n e n to fi t s ；i tc a na c c o m p l i s hd i v e r s ef u n c t i o n a l i t y , i n c l u d i n ga u t o m a t e d v e h i d es u p e r v i s i o n , v e r i f i c a t i o n , r e g i s t r a t i o na n da l a r m i n g d u et ot h i s ，l p ri sw i d e l y u s e di n h i g h w a ya d m i n i s t r a t i o n , p a r k i n g - l o tc h a 哂n 舀n e i g h b o r h o o d v e h i c l e m a n a g e m e n ta n de l e c t r o n i cp o l i c i n g t h i st h e s i sp r e s e n t st h ea l g o r i t h ma n ds o f t w a r ed e s i g nf o rc i v i l i a nl i c e n s ep l a t e r e c o g n i t i o n t h em a i nw o r ki sc o m p o s e do f ： ( 1 ) l i c e n s ep l a t el o c a t i o na l g o r i t h m t h es o u r c ei m a g ei sd i v i d e di n t os e v e r a l r e c t a n g l es u b i m a g e sa n dt h el o c a t em a s ki so b t a i n e db ya n a l y z i n ge v e r ys u b i m a g e l o c a l l yi nt h ec o l o rd i m e n s i o n t h e nt h em a s ki sd e n o i s e db ym e a n so fm a t h e m a t i c a l m o 印h o l o # c a lp r o c e s s i n g a f t e rs o m el i c e n s ep l a t ec a n d i d a t ei se x t r a c t e df r o mt h e l o c a t em a s k , h o u g ht r a n s f o r mi sp e r f o r m e dt oc o r r e c tt h ea c c l i v i t o u sl i c e n s ep l a t e t h e ne v e r yc a n d i d a t ei sc h e c k e d a g a i n s tt h es i z ea n dt e x t u r ef e a t u r e so fl i c e n s ep l a t e s a n dt h ef a l s ec a n d i d a t e sa l er e r f l o v e d l i c e n s ep l a t ei sl o c a t e da c c u r a t e l ya n dt h e u n a c c l i v i t o u sl i c e n s ep l a t ei sf o r w a r d e dt ot h en e x ts t a g e ( 2 ) c h a r a c t e rs e g m e n t a t i o na l g o r i t h m e a c hr e c t a n g l er e g i o nc o n t a i n i n ga c o n n e c t e dc o m p o n e n ti nt h eb i n a r yl i c e n s ep l a t ei m a g ei se x t r a c t e db a s e do nt h e r e g i o n g r o w i n ga p p r o a c h t h ec h a r a c t e rs i z ea n dd u t y - r a t i of e a t u r e sa l eu t i l i z e dt o m a b s t r a c t d e t e r m i n ew h e t h e ro rn o ts o m er e g i o ni sar e a s o n a b l ee a n d i d a t e t h e nt h ec h a r a c t e r s p a c i n g c h a r a c t e r i s t i c sa l eu s e dt oe l i m i n a t et h er e g i o n sw h o s ep o s i t i o ni s i n a p p r o p r i a t ea n ds u p p l e m e n tt h er e g i o n sw h i c h a r em i s s i n g ( 3 ) l p rs o f t w a r es y s t e m ac - l a n g u a g e - b a s e dl p rd e m os y s t e mi sb u i l tf r o m s c r a t c h t h ea l g o r i t h m sd e s i g n e di nt h i st h e s i sa r ei n c o r p o r a t e di n t ot h i ss y s t e m t h i s s o f t w a r ei sa v a i l a b l et ot h e p u b l i c ，e a s y t o c h a n g e o ra d df e a t u r e s ，a n d h a r d w a r e i n d e p e n d e n t t h ea l g o r i t h m sp r o p o s e di nt h i st h e s i sh a v eb e e ni m p l e m e n t e da sa ne x e c u t a b l e p r o g r a m al a r g ea m o u n to fr e p r e s e n t a t i v ev e h i c l ei m a g e st a k e nf r o md i v e r s e c o n d i t i o n sa r eu s e da st e s t i n gs o r i c et ov e r i f yo u ra l g o r i t h m s t h er e s u l t si l l u s t r a t et h a t t h es u c c e s sr a t eo fo b l l o c a t i o na l g o r i t h mi s9 6 3 w h i l et h es u c c c s sr a t eo f0 1 1 1 s e g m e n t a t i o na l g o r i t h m9 6 8 k e yw o r d s ：l i c e n s ep l a t er e c o g n i t i o ns y s t e m ，l i c e n s ep l a t el o c a t i o n , c h a r a c t e r s e g m e n t a t i o n ，m a t h e m a t i c a lm o r p h o l o g y , h o u g ht r a n s f o r m i v 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作 及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为 获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与 我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的 说明并表示谢意。 签名：蟹 日期：08 年r 月r 日 关于论文使用授权的说明 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘， 允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全 部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后应遵守此规定) 签名：缝导师签名： 日期： 0g 年，月厂日 第一章绪论 第一章绪论 车辆牌照自动识别系统( l i c e n s ep l a t er e c o g n i t i o n ，简称l p r ) 是把计算 机视觉理论和技术应用于车辆牌照识别的专用系统，是计算机视觉与模式识别在 智能交通领域中的综合应用，同时还涉及到图像处理，人工智能，信息论，通信 技术，工程学等多门学科。l r p 是智能交通系统( i n t e l l i g e n tt r a f f i cs y s t e m ， 简称i t s ) 中的关键技术之一。近年来，随着i t s 在社会生活中的广泛应用，l p r 的发展也非常快，已经逐渐地应用到我们的现实生活中了。由于l p r 具有广阔的 发展前景，它的开发和研制工作在国外均受到极大的关注。 本章首先就本课题开展的背景和意义进行一个阐述，随后比较详细的介绍本 文涉及的车牌识别技术在国内外的现状和特点及车牌识别技术的应用情况，接着 介绍中国汽车牌照的基本特点，并回顾了本人在课题中所完成的工作；最后对本文 的基本结构作了一个说明。 1 1 课题开展的背景与现实意义 自工业革命开始以来，交通运输业得到了飞速的发展，但随着汽车数量的急 剧增加，城市交通系统的负载能力受到了极大的挑战，并由此带来诸如交通堵塞、 交通事故发生率居高不下和环境污染等严重问题。为了解决这一系列问题，早期 人们采用新建或扩建交通枢纽的办法来增加通行能力，这虽然在一定程度上缓解 了交通压力，但是交通状况仍然难以让人满意。为从根本上解决这些问题，人们 开始探索利用新的技术( 如计算机，网络通信，自动化控制) 把车辆、道路和使 用者紧密联系起来，不仅有效地缓解了交通阻塞问题，而且对交通事故的应急处 理、环境的保护和能源的节约都起到了显著的效果。在这个过程中，智能交通系 统应运而生了。 当前，智能交通系统在交通信息统计、路车间通信、停车场管理、免停车收 费等领域应用越来越为广泛。公路和停车场逐渐向自动化、信息化和智能化管理 方向发展，对仪器的智能化程度也提出了更高的要求。近几年来，许多国家开始 试行免停车收费和停车场无人管理系统，主要采用无线通信手段，但是大量未装 电子科技大学硕士学位论文 载通信装置的车辆无法实行，另外还存在无线卡和车辆信息不符的现象。为了解 决这些问题，有的国家使用摄像机录像的方法，采用事后人工观察的手段来进行 识别，造成无人化管理系统反而需要大量人工辅助工作的问题。为了提高工作效 率和实时识别车辆，车牌自动识别技术就成为智能交通系统中的一个重要研究领 域。 作为智能交通系统中的核心功能，车辆牌照自动识别系统随着其实用性的提 高，已逐步应用于现实生活中。目前市场上已经出现了一些车牌识别系统，它们 在系统规定的条件和环境下的识别效果较好，但当条件得不到满足或环境发生较 大变化时，这些系统就会出现识别率迅速下降和拒识等一系列问题，因此鲁棒性 和通用性比较差。因此，研发出一个鲁棒性强，通用性好且快速运行的车牌识别 系统显得十分必要和重要。综上所述，车牌识别技术是智能交通领域中必不可少 的技术，对车牌识别技术进行研究与应用开发具有相当的理论价值和现实意义。 1 2 车牌识别技术的现状 车牌识别技术是现代交通管理中的一个非常重要的研究课题，在此基础上实 现的车辆监控和管理的自动化、智能化是未来智能交通系统的发展趋势，对其发 展具有十分重要的意义。 发达国家在上个世纪就开始了对车牌自动识别系统的研究1 ，取得了很多的 研究成果，并且有些发达国家已经把车牌自动识别系统应用在实际交通系统中。 这不仅仅是因为国外的技术领先，而且还因为国外车牌规格单一，易于识别。而 在我国，由于存在信息技术发展时间短、车牌种类复杂和车牌类别较多等问题， 车牌自动识别系统方面的研发和应用目前还基本停留在实验室阶段。虽然近年来 也先后出现了一些实际应用，但受到一些因素的限制一直未能推广开来。限制我 国车牌识别技术的应用和推广的原因主要有以下三个方面： ( 1 ) 识别实时性较差，对高速交通流无法处理； ( 2 ) 识别率波动较大，只有在较为理想的环境下才能达到较高的准确识别率； ( 3 ) 系统设计的合理性较差，不易于移植和升级，从而造成了实用寿命较短， 最终导致了系统推广和维护代价过大。 到目前为止，国内外的许多专家和学者对车牌自动识别技术进行了广泛的研 2 第一章绪论 究n 3 1 ，先后提出了许多新的、快速的算法，并不断对其进行改进。一类较常见 的方法是基于扫描行的车牌提取方法：它利用车牌区域在逐行扫描时会呈现规律 起伏这一特征，达到定位车牌区域的目的；缺点是对环境要求比较苛刻，限制了 该类算法在实际场景中的应用。还有一类是基于边缘检测的方法：它通过提取图 像的边缘信息进行分析，进而确定车牌所在位置；其缺点是对图像边缘的连续性 要求较高，当图像降质或背景较复杂时定位效果较差。为了解决好车牌自动识别 过程中的处理速度这个“瓶颈一问题，有人提出使用分布式系统进行处理，但这 种方法实现难度大，成本高，离真正实用化还有一段距离。车牌定位是车牌自动 识别系统中的关键和难点，实际图像中的噪声、复杂的背景等干扰都会使定位困 难增加。 对于车牌识别系统而言，以上算法都是针对图像后期处理。国内外的研究表 明，系统前端采集的图像的质量好坏对整个系统的性能具有非常重大的影响。如 果采用精度较高的图像采集设备，使得即使在汽车高速行驶或者分辨率较低的环 境中仍然可以得到比较清晰的图像，那么就为后续的图像处理提供了很好的数据 源。因此，对图像采集装置部分进行精心的设计和研究，有利于提高整个车牌识 别系统的稳定性和鲁棒性，但这样也导致硬件系统复杂化，同时增加了系统成本。 针对这个问题，我们的着眼点放在了开发出具有实时性和鲁棒性的算法和软 件系统，这样既可节省成本，应用也比较方便。近年来，这方面的研究和技术在 国内外发展都很快，许多研究人员纷纷提出了各种不同的和改进的技术，主要包 括空频域转换技术( 如小波变换，离散余弦变换) ，数学形态学和神经网络等。同 时，模糊技术和遗传算法在车牌识别中的使用也取得了一定进展。 1 3 车牌识别技术的应用情况 车辆牌照识别是计算机视觉与模式识别技术在智能交通领域应用的重要研究 课题之一。若能用计算机实时地识别车牌，就可以在车辆不加装其他特殊装置的 情况下实现对车辆的自动监测，从而给交通系统的自动管理提供极大的方便，因 此车辆牌照自动识别系统的实现是推动交通管理智能化的关键技术之一n 纠引。 车牌自动识别系统能将输入的汽车图像通过车牌定位、字符分割和字符识别 等步骤，输出为几个字节大小的车牌字符串，无论在存储空间的占用上还是与管 理数据库相连方面都有无可比拟的优越性。在大型停车场，交通部门的违章监测 电子科技大学硕士学位论文 ( 电子警察) 、高速公路及桥梁的收费站管理等方面，车牌识别系统都有着广泛的 应用前景。 目前车牌识别系统的适用领域主要包括一下几个方面： ( 1 ) 城市道路监控、违章管理方面的应用 车辆的自动检测报警：此项功能针对纳入”黑名单”的车辆，如冲关后或肇事 后逃逸的车辆、被公安部门通缉或挂失的车辆、欠交费的车辆等。只要将其车牌 资料输入数据库，系统就会处于自动检测状态，2 4 d 时不停地对所有经过车辆自 动进行识别、比较和处理，尤其可以使用于城市机动车辆的档案管理工作和特殊 的交通管理工作。同时该系统还可以与1 1 0 指挥中心相连，完成e e - 1 1 0 的监控报警 工作。 车辆身份的后台集中识别：在道路交通监测部门，每天有大量的违规车辆( 如 闯红灯、超速、抢道等) 图片汇集，现在的人工识别车牌及输入方式，工作量大， 容易引起疲劳误判。车牌识别系统能自动进行识别处理，可大量减少人力、减轻 工作强度，从而大幅度提高处理速度和效率。通常用于电子警察系统和道路监控 系统。 ( 2 ) 高速公路收费、监控管理的应用 车辆的自动放行：此项功能针对如特种车辆( 如军车、警车) 、预交费车辆 ( 如办理月、年缴费卡) 以及其他授权免费通行的车辆。系统处于自动检测状态， 一旦发现该类车辆经过，给出的控制信号不是驱动拦截装置，而是驱动放行装置。 系统此时会自动开启道闸，达到车辆不停车过卡和强化内部管理的目的。通常用 于高速公路卡口专用车道。 自动检测出超速车辆：此项功能适用于在高速公路上，对车辆的超速进行监 控。通过在路上拍摄到超速的车辆，传到指挥中心进行实时汽车牌照的识别，方 便交管部门做出相应的处罚。 ( 3 ) 智能小区、智能停车场管理的应用 车牌自动识别技术作为车辆识别的先进技术手段，在智能园区中可用于以下 几个方面： 车辆出、入园识别：园区的业主入住时，将自己的汽车进行登记，其车牌信 息将记录在计算机数据库中。在园区大门处，设有车牌自动识别系统，对进出车 4 第一章绪论 辆自动识别，并根据数据库中的车牌数据判断是否是园区内的车辆，对园区内的 车辆放行并自动记录其出入园时间，以便出现车辆被盗等情况时查询；对园区外 车辆，将要求其登记后方可进入。 停车场管理：在园区停车场出、入口处设置车牌自动识别系统，对进出停车 场的车辆自动识别，并根据数据库中的车牌数据判断是否是已买( 或租) 车位的 车辆，对已买( 或租) 车位的车辆放行，并自动记录其出入停车场时间，以便出 现车辆被盗等情况时查询，对进入停车场的己买( 或租) 车位的车辆自动将其车 位处的挡车器打开，以便车辆停放；对其它车辆，将自动记录其出入停车场的时 间，以便计时收费，对进入停车场的其它车辆自动分配停车位并将其车位处的挡 车器打开，以便车辆停放。 1 4 中国汽车牌照的特点 为了便于对国内汽车的辨认和管理，世界每个国家和政府都为本国的车辆牌照 制定了一个标准。目前我国大量使用的是9 2 式机动车号牌规范( g a 3 9 9 2 ) ，而2 0 0 2 式机动车号牌规范在试用一段时间后由于技术原因而暂停使用，故本文中所提的 车牌均属于9 2 式机动车号牌规范范畴之内n 引。 我国车辆牌照的基本元素包括汉字( 牌照中包括的汉字大约6 0 个) 、英文字母 ( a - z ) 、数字( 0 - 9 ) 和颜色( 蓝、黄、白、黑) 。根据9 2 式机动车号牌规范规定，我 国车牌具有以下几个特点： ( 1 ) 在字符组成和排列方面，我国标准汽车牌照是由汉字、英文字母和阿拉 伯数字组成，一共7 个字符，般按照x 1x 2 x 3x 4x 5x 6x 7 这个格式排列，但 是有一些特殊类型的车牌略有差别。其中x 1 是汉字，一般代表省、直辖市、自治 区的名称或者军队的区域划分，) 【2 为英文大写字母( 不包括i 和0 ，下同) ，代表发 证照及监督机关的代号，x 3x 4x 5x 6x 7 为汽车编码，一般为5 位数字，即从0 0 0 0 1 - - 9 9 9 9 9 。编号超过1 0 万时，就由a 、b 、c 等英文字母代替，其中，第三、四个字符 可能是英文字母，也可能是阿拉伯数字，第五至第七个字符均为阿拉伯数字。 ( 2 ) 在颜色组合方面，汽车牌照的底色和字符颜色通常是对比度较强的两种 颜色。我国汽车牌照底色有蓝、黄、黑、白等，字符颜色有黑、红、自等，一般 车牌颜色搭配是蓝白，黄黑，白红黑等。由此可见，我国车牌的颜色种类众多， 难于统一。 5 电子科技大学硕士学位论文 ( 3 ) 就车牌尺寸而言，车前车牌是4 4 0 r a m 长，1 4 0 n v n 宽；每个字符为4 5 r a m 宽， 9 0 r a m 高；字符之间间隔为l o r e l ，其中第二个字符和第三个字符之间的间隔比较特 殊为1 5 5 m m ，中间还有一个点；最后就是第一个字符和最后一个字符距离边界的 距离为2 5 r a m 。车后牌照则是不同的车辆有不同的规定，一般在车牌识别系统中使 用的车牌皆为车前车牌。如图卜1 所示。 目前国内汽车牌照主要有六种类型：( 1 ) 大型民用汽车所用的黄底黑字牌照； ( 2 ) 小型民用汽车所用的蓝底白字牌照；( 3 ) 军队或武警专用汽车的白底红字、 黑字牌照；( 4 ) 使、领馆等外籍汽车的黑底白字牌照；( 5 ) 试车和临时牌照的白 底红字，且数字前分别有“试”和“临时字标志；( 6 ) 汽车补用牌照是白底黑 字。 依据人眼视觉特性，车牌目标区域具有如下特征： ( 1 ) 车牌有一个边框，位于车牌区域内部的多个字符呈水平排列，故在车牌的 矩形区域内有较为丰富的边缘和色彩变化，具有规则的纹理特征； ( 2 ) 车牌底色往往与车身颜色、车牌字符颜色差别较大，对比度较高； ( 3 ) 不同车辆图像中牌照的大小不固定，但车牌长宽比变化不大，且一般位于 图像的中下部； ( 4 ) 车牌字符间距均匀，字符本身和底色本身的颜色变化较小。 我国根据不同车种、车型以及用途规定了多种牌照格式，例如民用车，军车 和警车等。车辆牌照的悬挂位置也并不固定。此外，道路、天气或人为因素往往 会造成车辆牌照污染或严重缺损。这些特殊性，均加大了我国车辆牌照自动识别 的难度。在全面考虑多种因素的基础上，我们认为，仅依靠单一的识别技术无法 达到实用要求，因此，如何有效地综合应用多种识别技术来提高识别率和识别处 理的实时性，就成为了一个关键的任务。 图卜1 我国典型车牌示例 6 第一章绪论 1 5 本课题完成的主要工作 本课题就车牌识别技术进行了一系列的研究和开发工作。针对车牌识别技术， 在学习和汲取国内外学者已有科研成果的基础上，结合我国车牌的特殊性，开发 出具有实用性的车牌识别算法。本人主要完成的工作包括： ( 1 ) 车牌定位算法。该算法综合利用车牌的颜色，尺寸，纹理和统计特征， 实现了对车牌位置的准确搜索，同时，利用h o u g h 变换对倾斜车牌完成矫正，从 而简化了后续的字符分割和字符识别算法。 ( 2 ) 字符分割算法。首先使用区域生长法分割出车牌图像中的每个连通区 域，再利用车牌字符尺寸和统计规律去除虚假候选字符区域，最后利用车牌字符 间隔先验知识补出遗漏字符，实现车牌字符的精准分割。 ( 3 ) 在p c 平台上开发出车牌识别软件系统。使用标准c 语言实现了本文中 提及的车牌识别算法，并编写出可实际应用的车牌自别识别软件，该系统具有较 好的鲁棒性和可移植性。 1 6 本文的结构 全文共由六章组成，各章的主要内容如下： 第二章车牌自动识别系统，主要介绍车牌识别的基本原理，以及对车牌识别 系统的硬件设计和软件设计进行简要的介绍。 第三章车牌定位，详细介绍了如何综合利用车牌的颜色，纹理和尺寸信息从 一幅车辆图像中定位车牌，并介绍了基于h o u g h 变换进行车牌矫正的方法，最后 给出算法测试结果。 第四章车牌字符分割，详细介绍了一种字符分割算法，该算法基于区域生长 法分割出字符候选区域，再利用字符尺寸、位置和统计信息去除虚假候选字符区 域，并补出遗漏字符区域。 第五章车牌自动识别软件系统的设计与实现，对本课题搭建的车牌自动识别 软件系统进行了简明扼要的介绍。 第六章总结与展望，回顾全文，并对系统今后的进一步改进和应用提出了修 改建议。 7 电子科技大学硕士学位论文 第二章车牌自动识别系统 本章首先对车牌自动识别系统的总体结构进行一个概括的说明，主要分析系 统的硬件部分和软件部分；然后比较详细地介绍车牌识别系统的软件流程；最后 对本章进行总结。 2 1 车牌识别系统的总体结构 一个典型的车牌自动识别系统通常由车辆检测、图像采集、车牌提取、字符 分割和字符识别等部分组成，如图2 1 所示。 图2 1 车牌识别系统的总体流程图 其中，车辆检测模块一般使用地感线圈，它可以检测当前是否有车辆通过。 目前，随着技术的进步，有些系统已经开始使用视频流技术来检测是否有车辆通 过。图像采集部分包括c c d 摄像头和自动光源补足装置，以摄取清晰的车辆图像。 车牌提取、字符分割和字符识别部分在c p u 或d s p 芯片中执行，完成对车牌的识别。 2 1 1 车牌识别系统的硬件部分 车牌识别系统的硬件部分主要包括三个部分： ( 1 ) 图像采集部分 图像采集部分由c c d 彩色摄像机和图像采集卡组成。为了提高系统对天气、环 境、光线等的自适应性，摄像机一般采用自动对焦、自动光圈的一体化机；车辆 检测通常采用车辆传感器，如地感线圈、红外线感应等技术。 第二章车牌自动识别系统 图像采集的工作过程是：首先在摄像机前方检测点设置一传感器，当汽车通过 检测点时，传感器向主机发出信号，系统即自动摄下车辆的图像，并将图像输入 计算机。但是在这样的图像上，由于车辆处于运动状态以及污损等原因，车牌画 面往往不够清晰，难以从中获取需要的信息。为了解决这一问题，一方面我们尽 量采用清晰度更高和更精确的c c d 摄像机，另一方面我们通过一些辅助手段提高证 图像的清晰度，比如说在摄取车牌图像时加强光照，尽量使车牌的位置和摄像机 的距离为最佳等等。采集优质图像可以为后续图像处理减小难度，并提高系统的 精确度以及稳定性。 ( 2 ) 图像处理部分 图像处理部分主要涉及数字图像的处理，一般使用基于d s p 处理芯片的嵌入式 硬件系统。这样的系统安装和使用比较方便，应用范围较广。当然，在特定条件 下这一部分也可以在c p u 处理芯片中完成。 ( 3 ) 结果输出部分 识别出的车牌号码可通过l e d 或监视器显示输出。在需要的情况下，还可将识 别出的车牌号码送到车辆信息数据库，从而进一步获取该车辆的详细信息。 2 1 2 车牌识别系统的软件部分 车牌自动识别系统的软件部分包括车牌提取、字符分割和字符识别等三个步 骤，即首先从含有车牌的背景复杂的图像中提取出车牌图像，然后对提取的车牌 图像进行必要的预处理，分离出单个字符，接着提取字符的特征并与标准字符进 行比对，得到待识别车牌的车牌号码。在下一节我们将对车牌识别算法做比较详 细的说明。 2 2 车牌识别系统的软件流程 车牌识别系统的软件部分实现的功能就是把输入的车牌图像( 由硬件部分采 集的数字图像) 进行处理后，得到该车牌所代表的车牌号码。一般把车牌识别系 统的处理过程分为三个大步骤：( 1 ) 车牌定位；( 2 ) 字符分割；( 3 ) 字符识别。 9 电子科技大学硕士学位论文 2 2 1 车牌定位 车牌定位算法实现的功能就是从一幅复杂背景的数字图像中分割出车牌图 像，要求具有较高的识别率和较强的环境适应性。其一般处理流程图如图2 - 2 所示。 傈 图2 2 车牌提取的一般流程 2 2 1 1 图像的预处理 由于从前端摄像机得到的原始图像是在不同的环境下针对不同的车辆拍下的， 因此在质量上有相当大的差别。如何处理这些质量参差不齐的图像，以得到更适 合后端图像处理的数据，就是图像预处理需要完成的工作。 首先，所得图像可能会受到高斯噪声或热噪声的干扰。因此需要采用恰当的 滤波方法来滤除噪声，提高信噪比。具体使用哪一种滤波方法，应根据应用环境 和系统硬件设备情况而定。 其次，图像的亮度不同。有的图像较暗，有的图像较亮，需要将这些图像转换 为亮度比较接近的图像，这可以用直方图均衡化技术来实现，增强图像的对比度。 2 2 1 2 车牌定位算法 车牌提取是车牌识别中至关重要的一步。作为整个车牌识别的第一步，车牌 的成功分割与否直接影响到后续的步骤，从而决定了系统的速度和识别率。 很多学者都致力于车牌定位算法的研究，也提出了很多切实可行的方法。本 人也提出了一种有效的车牌定位算法，该算法首先把输入的车辆图像分割成若干 矩形子图，针对每幅子图，将其由r g b 颜色空间转换到h s i 颜色空间，然后利用车 牌的饱和度及色度特征初步确定车牌定位模板；接着使用数学形态学算法对车牌 定位模板去噪，以提高车牌定位的准确度；最后，针对车牌模板中确定的每个车 牌候选区域，利用车牌尺寸和纹理特征，排除掉不合理的车牌候选区域，从而实 现车牌的精确定位。这种车牌定位方法在第三章中将会有详细的论述。 1 0 第二章车牌自动识别系统 2 2 1 3 车牌图像的后处理 定位出来的车牌图像还不能完全满足后续处理的需要，还需要做如下两个方 面的处理： 首先，在实际场景条件下，分割得到的某些车牌并不是水平放置的，而是具 有一定的倾斜角度。这种具有一定斜角的车牌，对于后续的字符分割会产生较大 的负面影响，进而影响最终的识别率。因此，需要采用恰当的方法对倾斜车牌进 行矫正。 其次，为方便车牌字符的分割和识别，通常需要将车牌字符像素同车牌底色 像素明显地区分开来。因此，需要使用到图像二值化算法，使字符像素呈白色， 而车牌底色区域呈黑色，再将二值化后的图像送入后续模块进行处理。 2 2 2 车牌字符分割 车牌字符分割是车牌识别的中间环节。能够成功地将字符从车牌图像中分割 出来对于字符识别步骤非常重要。车牌字符分割算法的主要难点在于处理车牌上 存在污损或者裂痕从而导致字符不明显或者出现粘连的情况。我们设计的字符分 割算法的流程图如图2 - 3 所示。 图2 3 字符分割流程图 2 2 2 1 定位字符的位置 一个普通车牌包括七个字符，且字符大小定，皆为9 0 m m 高，4 5 r a m 宽。而且 字符间的间距也存在一定规律的。所以一旦确定一个字符的位置并且知道它是第 几个字符的话，那么其他字符的位置也就能通过推算得到。尽管车牌上字符可能 出现一定的粘连，但是一般来说，还是可以找到一个或者多个与其他字符间隔开 的字符的。 基于以上的认识，本人设计出了一种效果较好的字符定位算法，该方法首先 利用区域生长点法分拆出二值化车牌图像中的连通区域，然后利用字符的尺寸信 电子科技大学硕士学位论文 息去除那些不合理的候选字符区域，最后再利用车牌字符候选区确定出字符的大、 小间隔位置，从而补出先前可能被遗漏的字符区域，实现车牌字符的准确分割。 第四章将详细阐述该字符分割算法。 2 2 2 2 利用得到字符的位置进行字符分割 在得到了字符的准确位置过后，根据这些位置就可以对车牌图像进行分割了， 得到的字符图像必须在此后进行排序，以便在后续步骤中进行识别。 2 2 3 车牌字符识别 光学字符识别技术( o p t i c a lc h a r a c t e rr e c o g n i t i o n ，简称o c r ) 属于模式 识别领域，旨在让计算机知道或理解其所看到的对象。o e r 涉及到模式识别，图像 处理，人工智能，模糊数学，组合论，信息论，语言文字学和心理学等学科，是 一门综合性的技术。 早在1 9 2 9 年，德国的科学家t a u s h e c k 首先提出了o c r 的概念，并且申请了专利。 几年后，美国科学家h a n d e l 也提出了利用技术对文字进行识别的想法。但是这种 梦想直到计算机的诞生才变成了现实。o c r 的意思就演变成为利用光学技术对文字 和字符进行扫描识别。 在2 0 世纪6 0 - 7 0 年代，世界各国相继开始了o c r 的研究，研究的初期多以文字 的识别方法研究为主，且识别的文字仅为0 至9 的阿拉伯数字。以同样拥有方块文 字的日本为例，1 9 6 0 年左右开始研究o c r 的基本识别理论，初期亦以数字为研究对 象，至1 9 6 5 至1 9 7 0 年之间开始有一些简单的产品，如印刷文字的邮政编码识别系 统，识别邮件上的邮政编码，帮助邮局作区域分信的作业，也因此至今邮政编码 一直是各国所倡导的地址书写方式。 在7 0 年代后期，字符识别逐渐朝向较复杂的汉字识别方向发展。1 9 6 6 年，i b m 公司的c a s e y 和n a g y 发表了第一篇关于印刷体汉字识别的论文，在这篇论文中他们 利用简单的模板匹配法识别了i 0 0 0 个印刷体体汉字。 7 0 年代以来，日本学者做了许多工作，其中有代表性的系统有1 9 7 7 年东芝综 合研究所研制的可以识别2 0 0 0 个汉字的单体印刷汉字识别系统；8 0 年代初期，日 本武藏野电气研究所研制的可以识另i 2 3 0 0 个多体汉字的印刷体汉字识别系统，代 表了当时汉字识别的最高水平。 1 2 第二章车牌自动识别系统 国内自7 0 年代才开始对数字、英文字母及符号的识别进行研究。同国外相比， 我国的光学字符识别研究起步较晚，但发展很快。经过了科研人员十多年的辛苦 努力，汉字识别技术已有了长足的进步，从简单的单体识别发展到多体字体混排 的多体识别，从中文印刷材料的识别发展到中英文混排印刷材料的双语识别。各 个系统可以支持简、繁体汉字的识别，解决了多体多字号混排文本的识别问题， 对于简单的版面可以进行有效的定量分析，同时汉字识别率已达到了9 0 以上。 当前，o c r 已经逐渐进入了人们日常学习、生活、工作等各个应用领域。只要 涉及表格、文字方面的信息处理，o c r 就会很好地发挥优势。o c r 广泛地应用到银 行存档，保险公司的报单，超市的进货单，手写输入等方面，带来了很大的经济 效益。 如前所述，字符识别属于模式识别领域，而中国的车牌不仅包含阿拉伯数字 和英文字母，还包括结构复杂的汉字，故而国内的车牌字符识别处理难度很大， 特别是对汉字的识别上。汉字字符内部结果精致复杂，而不少的字符间形体极为 相似，如鲁和晋，京和琼等等，受到噪声干扰后更容易使字符发生变形和信息失 真，从而导致误识。 经过各位研究者的长期研究，目前的车牌字符识别方法基本可分为三类，分 别是模板匹配法，结构特征分析法和神经网络法。 1 模板匹配法【1 8 ，1 9 l 该方法是把输入的字符直接和标准的字符原型进行比较，找到与之最匹配的 模板。模板匹配对噪声和字符的大小位移变化很敏感，而且对字符的字体分割不 具有适应性。在对车牌中的汉字识别中，由于它的汉字只有有限的几个，可以考 虑构建标准字库进行模板匹配。 2 特征分析匹配的方法f 2 0 ，2 1 】 该方法是使用率较高的一类方法。根据所提取特征的类型，特征分析匹配的 方法又可以分为下面几种： ( 1 ) 整体变换分析法：比如k l ( k a r h u n e n - l e e v e ) 变换，f o u r i e r 变换，h a & n a r d 变换，h o u g h 变换，c o s i n e 、s i n e 、g a b o r 变换，投影变换，链码变换以及矩变换 等。这些变换可以减少特征矢量的个数，并且这些特征的提取相对容易，但是通 常都有较大的计算量。如何寻找一个合适的变换来尽可能地反映字符的主要特征 1 3 电子科技大学硕士学位论文 是难点和重点。 ( 2 ) 由点的统计分布得到的特征抽取法：这些特征包括字符的轨迹，交叉点 和距离等。这些特征在某种程度上可以接受字体的变化，速度较高，复杂性也较 小。但是通常这类特征的提取模板的选取比较困难，不同的字符可能需要不同的 特征提取模板。 ( 3 ) 几何和拓扑的方法：这种方法是利用字符的结构，把字符分解成构成它 的元素，主要是获取字符的关键形状特征，比如字符的骨架或轮廓中的端点，连 接点，笔划的交叉点，弧，凹度，凸度等。这个方法首先要把字符进行细化，然 后再从中抽取上述的特征，用拓扑结构来描述，从而把一个字符用拓扑图来表示， 进而识别。这类特征也是允许存在一定的字形变形，该方法可以较高速的处理字 符，但通常特征提取的过程是复杂的，且很难选择特征提取模板。 3 神经网络的识别方法1 2 0 - 2 4 人工神经网络( a n n u a ln e u r a ln e t w o r k ，简称a n n ) 是仿生学的产物，它通过 网络结点间的连接来存储信息并完成分类计算。a n n 分类器通过学习，根据训练样 本集来调整连接的权值，构造出相应的分类曲面。a n n 所具有的学习能力使其能够 在复杂的分布中提取出直观上不易理解的规律，在实际应用中，a n n 表现出优异的 分类性能，并在一定程度上成为检验新特征性能的测试基。 多层感知器( m u l t i - l a y e rp e r c e p t r o ，简称m l p ) 是应用最广泛的前向神经 网络模型。在学习阶段由后向传播算法完成网络参数设定。已证明不限结点和隐 层数量时，m l p 可以从理论上拟合任意连续分类曲面。由研究表明m l p 的输出点大 多使用s i g m o