《车牌识别技术问题研究（论文）》

视频图像中车牌识别技术研究摘要：车牌识别是智能公安交通系统中不可缺少的一部分。它是通过安装在道路交叉口、小区入口、高速路收费站入口的摄像头，通过图像预处理技术定位车牌区域，然后对定位后的车牌字符进行分割，最后通过识别技术对分割后的字符进行识别，从而有效地获得车牌号。车牌识别技术是智能交通最重要的组成部分，在城市道路监控、电子收费、社区门禁等重要场合发挥着重要作用。本文以视频图像处理理论为基础，深入研究了车牌识别技术的方法，改进了视频图像中车牌识别技术的算法。为公安交通提供一定的参考和借鉴意义。关键词：视频图像；车牌识别；改进引言（一）研究背景随着我国经济水平的不断发展和人民物质生活水平的提高，人们的出行方式发生了翻天覆地的变化，从以前的公交出行转变为现在的汽车出行。据统计，截至2017年底，中国汽车保有量超过3亿辆，其中2亿辆。在给人们生活带来便利的同时，交通堵塞、交通事故和环境问题也相继发生，并日趋严重。如何解决日益严重的交通问题已成为包括我国在内的世界各国政府共同关注的问题，其中智能交通系统已成为各国政府最重要的发展目标。自动检测、图像处理和模式识别技术也越来越受到人们的关注。智能交通系统（IntelligenttransportationSystem）是将先进的信息技术、通信技术、传感器技术、控制技术和计算机技术集成到整个交通管理系统中的实时、准确、高效的综合交通管理系统。它能实时提供某一路段的交通信息，实时采集交通信息，能有效减少交通拥堵和交通事故，为人们出行提供便利，为大家创造一个干净整洁的生活环境。（二）研究意义车牌识别是智能交通系统中不可缺少的一部分。它是通过安装在道路交叉口、小区入口、高速路收费站入口的摄像头，通过图像预处理技术定位车牌区域，然后对定位后的车牌字符进行分割，最后通过识别技术对分割后的字符进行识别，从而有效地获得车牌号。车牌识别系统可应用于收费站不停车收费、高速公路超速、违章驾驶、交通流检测、车辆定位、追逃罪犯、智能小区、停车场无人值守等重要场合。随着科学技术的发展，车牌识别技术在交通管理中发挥着重要的作用。首先从包含车辆关键帧或静态图像的视频中提取车牌图像，然后对车牌图像进行字符分割。最后，采用一定的识别方法完成车牌字符的识别，从而提取出车辆的车牌号。车牌识别系统可广泛应用于高速公路管理、电子收费、车辆定位、车辆防盗管理、交通监控、交通诱导、车辆检测等重要场合。对维护交通安全、提高交通管理服务质量、缓解交通拥堵、实现交通管理自动化等方面具有重要作用，对公安交通管理具有一定的参考意义。（三）国内外研究现状1.国外研究现状国外的车牌识别技术起步于20世纪，是最早的，但还没有系统的研究。直到20世纪90年代计算机技术的飞速发展，智能交通才开始成为研究热点。为了缓解交通拥堵带来的交通问题，美、日、欧等国开始投入大量精力和资金进行智能交通的研究，极大地推动了智能交通的发展向更深、更远的方向发展。由于国外在这方面起步较早，its的研究和开发也相对完善。例如，英国alphatech公司开发的rgus系统、德国西门子公司开发的AREM7S产品、以色列hitech公司开发的see/car系统系列产品、英国IPI公司开发的rtvnpr、新加坡Optasia公司开发的PMPs系统，可以实现全天候的车牌字符识别，精确和实时[F2L]。国外对车牌识别系统的研究不仅限于上述上市公司，而且很多公司都致力于智能交通的研究，这使得车辆的自动管理得到了很大的提高。虽然国外的车牌识别技术已经越来越成熟，但到目前为止，还没有开发出适合世界各国车牌识别的车牌识别系统。2.国内研究现状与国外的车牌识别系统相比，国内的研究起步较晚，技术相对落后于国外。但经过几年的不懈努力，国内许多企业在车牌识别方面取得了良好的成绩。如汉王公司开发的“汉王岩”、上海明图软件有限公司的立方板产品、北京智通视频的lpr-268n车牌识别一体机等。近年来，国内多所知名高校的重点实验室投入了大量科研经费和人员进行了牌照建设车牌识别系统，并在这方面取得了显著的成绩。例如，耿庆田等人。吉林大学的余润华等人提出了一种基于分形维数和隐马尔可夫特征的车牌识别算法，该算法对不同类型的车牌具有较高的识别率。清华大学的牛博雅等人提出了一种基于神经网络联合模板匹配的车牌检测方法，不仅提高了识别精度，而且在每种方法中都起到了一定的作用。北京交通大学采用先粗定位后精识别的方法，利用车牌的先验知识进行粗定位，提取车牌的梯度直方图特征后利用支持向量机实验进行准确识别。该方法不仅具有很高的鲁棒性，而且识别速度和精度均满足实验要求。虽然我们在车牌识别系统中取得了很好的效果，但这些算法都是在实验室理想的环境下实现的，在现实生活中，天气、光线等外界因素都会对车牌图像产生干扰。如何消除这些干扰，开发出适用性强、精度高、稳定性好的车牌识别系统，仍需许多学者的研究。

二、图像预处理数字图像处理技术的应用是在计算机系统中，包括各种输入、输出等硬件设备。其基本原理是：首先将连续模拟图像信号转换为离散数字图像信号，然后根据各种要求建立模型，最后通过编程和控制过程实现。硬件设备、软件设备和必要的科技储备是数字图像处理技术发展的基础。目前，数字处理是图像处理的研究和发展趋势，主要原因有以下几个方面：一是采用数字图像处理方法处理图像时，灰度值多（256级以上），精度高，可以进行复杂的非线性运算，其功能非常完备灵活；二是数字处理技术可以进行复杂的非线性运算。同时，它还具有通用性强、使用简单、存储方便等优点。数字图像处理技术是车牌识别技术的基础。在车牌定位之前，需要进行一系列的图像处理，即预处理。本文采用了基于灰度图像的图像预处理方法。将彩色图像转换成灰度图像进行处理。该方法有效地减小了图像的尺寸，从而降低了对存储容量的要求，减少了计算量，节省了计算时间，从而提高了处理速度，满足了实时系统的要求。彩色图像的预处理包括彩色灰度变换、灰度拉伸处理、二值化、中值滤波、边缘检测等。（一）灰度化一般来说，包含车辆的摄像机图像是24位的真彩色图像，需要转换成灰度图像。原因有两个：一是便于后面更快速地处理图像；二是多颜色车辆牌照统一。本文采用的灰度法是现行的标准平均法，即:g=0.3R+0.59G+0.11B其中，g表示灰度化后的灰度值，R,G,B分别表示原真彩色图中的红、绿、蓝分量。（二）灰度拉伸低对比度是指图像太强（例如，灰度范围为200-255）或太暗（例如，灰度范围为0-63）。主要原因是成像时间太强或不足，即灰度不拉开，全部挤在一起。灰度拉伸的目的是增强对比度，即扩展所需的灰度范围，使该范围内的像素出现两种相反的情况，即亮和暗。灰度图像拉伸后，图像的边缘特征更加明显，因此车牌区域的笔划特征更加明显，更有利于后边缘的边缘检测。（三）二值化阈值的选择是车牌在二值化过程中遇到的难点之一。车牌的二值化方法一般分为全局阈值和局部阈值两大类。全局阈值法有Ostu算法等，局部阈值法有Bersen等。但这两种算法的利弊不同:全局阈值的方法虽然速度较快,但是比较容易造成车辆牌照中笔画的丢失，与此对比，局部阈值的方法可能造成笔画断裂和伪影等现象。本文中用到的阈值选取方法是基于全局阈值化方法的改进,将灰度值小于阈值的像素直接设置为0，而灰度值大于阈值的像素直接设置为255。其中初始化阈值的方法是:式中，是最高灰度值，是最低灰度值。实验证明，利用该方法选取阂值对不同类型的牌照都有一定的适应性，基本可以保证背景设置为0，以突出车牌区域。（四）中值滤波图像中的噪声会导致图像质量的恶化，使图像变得模糊，有的甚至导致图像本身的特征被淹没和改变，给图像的识别和分析带来困难。因此，为了去除噪声，采用了滤波方法。中值滤波是一种非线性滤波，也是一种邻域运算，类似于卷积。中值滤波是根据灰度值对其邻域内的所有像素进行排序，然后取其值组的中间值作为邻域中心像素点的输出值，这不是一个简单的加权和。中间值的选择方法为：如果邻域像素数为奇数，则取像素灰度值排序后的中间值作为输出值；如果邻域像素数为偶数，以排序后中间两像素灰度值的平均值作为输出值。邻里窗可以是圆形、菱形、方形、十字形、线形等不同尺寸和形状。不同形状窗口的过滤效果不同，使用时必须根据图像内容和不同要求进行选择。根据以往的经验，长轮廓的物体图像可以选择正方形或圆形，而交叉窗口有利于尖顶角的图像。利用中值滤波消除噪声的方法有很多种，而且都是灵活多样的。一种方法是利用小尺度邻域进行处理，然后逐步增大邻域的大小。另一种方法是循环使用维数滤波和二维滤波。此外，可以使用迭代运算，即对输入图像重复使用相同的中值滤波器，直到输出图像不再改变。中值滤波的一个突出优点是不仅可以去除噪声，而且可以防止边缘模糊。如果图像中的噪声是很多孤立点，对应的像素点很少，并且图像是由大面积多像素组成的，那么中值滤波的效果会很好。（五）边缘检测边缘是像素的集合，其周围像素的灰度在屋顶或台阶上发生变化。边缘是物体之间、物体与背景之间、图像基元与基元之间的边缘。它是图像分割的一个重要特征。物体的边缘由灰度的不连续来反映。边缘检测局部算子法的步骤如下:第一步是计算某一邻域内每个像素的灰度变化;在第二步中，根据边缘附近的一阶或二阶导数的变化规律，采用一种简单的方法来检测边缘。边缘分为两种：屋顶状边缘和台阶状边缘：前者位于灰度值由增到减的转折点；后者两侧像素灰度值差异显著。边缘检测算子检测每个像素的邻域，量化灰度变化率，包括方向的确定。大多数情况下，基于方向导数的掩模用于卷积。三、总结和展望随着现代交通的智能化，高速公路交通流量的控制，城市路网的监控，交通事故和违章行为的调查处理，交通信息的导航，一些公共交通场所，如城市停车场，高档住宅停车位的导航宿舍、停车费等，都需要车牌识别技术。面对人们日益增长的汽车需求和日益拥堵的交通问题，要解决二者之间的矛盾，必须构建智能交通管理模型。车牌识别系统作为智能交通管理的重要组成部分，已成为现代交通工程领域的重点和热点问题之一。总结本文首先介绍了各国智能交通的发展，总结了近年来我国车牌识别技术的发展，列举了目前流行的一些车牌识别产品，总结了前人的研究成果，本文采用传统的图像处理方法车牌定位、车牌字符分割和车牌字符识别过程的技术和模型识别技术本文系统地讨论了涉及的关键技术，提出了本文所采用的方法。本文首先介绍了车牌定位前的预处理技术，包括图像灰度化、二值化、图像边缘检测和滤波。这些处理可以提高图像质量，突出车牌信息，有利于车牌定位。然后对常用的车牌定位算法进行了研究和分析。最后，提出了一种改进的投影定位方法。实验表明，该方法能快速、准确地定位车牌区域。展望目前，车牌识别技术已经在公安交通领域获得了成功应用，为公安交通路况和违章监控、交通参数提取等提供了新手段和新装置。然而，该技术的发展还处于研究阶段，使得实际应用时出现了可靠性、准确性不能满足要求等问题。给公安行政提供了不少的帮助。在图像采集过程中，可以使用照相机、CMOS芯片直接获取图像，也可以CCD系统获得图像。但是这些系统不仅安装调试不方便，而且在野外长期工作时不稳定。另一方面，成本高、体积庞大、笨重等缺点也给系统推广带来困难。为此，需要开发一种功能强大、工作可靠，便携小巧的图像采集专用系统，使图像采集、处理一体化，而且能够在外界温度、适度、气候、光照等环境变化时可以长期工作。本文只对车牌图像从定位到识别各环节上使用的技术进行了研究，对于车牌识别嵌入式系统，整体软硬件系统还没有深入研究。根据目前我国路网中多个车道的特点，系统还需要在同时定位、识别多个车牌图像上继续探讨，进而提高其使用的价值。对于神经网络在公安车牌识别技术中有很广泛的应用，由于时间的关系，研究还很粗浅，有待今后深入学习。通过对现有的车牌识别技术的学习、探讨，介绍了一系列车牌识别中使用的方法，总的体会是，车牌识别系统是一个复杂、细致的系统，主要是在识别过程中完成每项任务选择使用不同的技术，都会影响到识别结果，每一个细小的环节误差，都会导致结果的失败，这也正是图像处理和模式识别的特点。由于该系统涉及的理论知识、范畴都较广，因此还需要在未来的日子里，更加深入的学习和研究。

参考文献[1]张立志.图像处理技术的车牌识别系统研究[J].电子测试,2020(03):70-71+10.[2]朱凤霞.基于神经网络和图像识别的车牌识别技术[J].电子设计工程,2020,28(02):130-133+138.[3]郝芯,吴翠红,张广杰,张继友.智能监控装置车牌识别技术研究[J].湖北农机化,2019(15):96-97.[4]李红建,李诚.基于蓝牙技术的自动车牌识别停车系统实现[J].电子技术与软件工程,2019(15):256-257.[5]沈得.数字图像处理技术在车牌识别系统中的应用[J].电子制作,2019(12):12-15.[6]陆瑛瑶,杜庆东.基于卷积神经网络的车牌识别技术[J].信息通信,2019(04):55-58.[7]付莉,付秀伟,陈玲玲.基于图像处理的车牌识别技术[J].吉林化工学院学报,2019,36(03):42-46.