湖南大学-车牌识别系统的技术研究-张旭

车牌识别系统的技术研究

湖南大学学士学位论文答辩摘要车牌识别系统的发展历程车牌识别系统的应用现状车牌识别技术的理论背景车牌识别技术的难点车牌识别系统的两个关键参数改进的模板匹配法字符多特征提取法基于图像边缘摘要的快速模板匹配法实验结果分析参考文献毕业感言致谢

目录摘要随着中国综合国力的不断提高，人们生活水平的也随之不断提高，汽车成为了越来越的人出行的首选代步工具。在马路上飞驰的汽车越来越多，由此给交通带来的压力势必越来越大，如果能够研究出比较完善的车牌识别系统，对车辆在道路上行驶遇到的关卡缴费，对违规车辆的罚款问题，车牌识别系统都可以大显身手，因为众所周知，汽车牌照是汽车的特定识别点，正常情况下，每一个汽车牌照都只有唯一和它对应的汽车，所以车牌识别系统如果能够更为准确的确定车牌信息，对处理各类交通问题将会大有裨益。本论文简要介绍了车牌识别系统的组成，以及车牌识别系统的技术发展历程。重点对车牌字符的识别进行了研究，在掌握一定的图像处理技术后，在已经完成车牌分割的前提下，建立车牌的字符匹配数据库，然后对车牌字符进行识别，以便完成车牌识别系统的最后步骤。车牌识别系统简介

车牌识别系统的发展历程

车牌识别技术的研究国外起步得较早。早在20世纪80年代，便有一些零零散散的图像处理方法用于车牌识别的某些具体应用。在这个阶段，车牌识别技术的研究还没有形成完整的系统体系，一般采用简单的图像处理方法来解决某些具体问题，并且最终结果通常需要人工干预。进入20世纪90年代后，车牌识别的系统化研究开始起步。典型的如1990年A.S.Johnson等提出车辆牌照的自动识别系统图像分割、特征提取和模板构造、字符识别等三个部分，完成车牌的自动识别。同年R.A.Lotufo使用视觉字符识别技术分析所获得的图像，首先在二值化图像中找到车牌，然后用边界跟踪技术提取字符特征，再利用统计最邻近分类器与字符库中的字符比较，得出一个或几个车牌候选号码，再对这些号码进行核实检查，确定是否为该车牌号码。这个时期的应用在识别正确率方面有所突破，但还没有考虑识别实时性的要求，识别速度有待进一步提高[1]。20世纪90年代后期以后，随着我国汽车数量的急剧增加，车牌识别技术的应用范围也越来越广，车牌识别技术已经成为了一个热门的研究课题，人们对其进行了广泛的研究。目前国内外已有众多的方法，，一些实用的车牌识别技术也开始用于车流监控、出入控制、电子收费、移动稽查、超速检测等场合，但与人们的实际要求还有很大的距离。国内外研究现状

汽车牌照识别技术是一个以特定目标为对象的专用计算机视觉系统，该系统能从一幅图像中自动提取车牌图像，自动分割字符，进而对字符进行识别，它运用模式识别、人工智能识别技术，对采集到的汽车图像进行识别的方法，能够实时准确地自动识别出车牌的数字、字母及汉字字符，并以计算机可直接运行的数据形式给出识别结果，使得车辆的电脑化监控和管理成为现实。车牌识别技术自1988年以来，人们就对它进行了广泛的研究，目前国内外已经有众多的算法，一些实用的LPR技术也开始用于车流监控、出入控制、电子收费、移动稽查等场合。然而，无论是LPR算法还是LPR产品几乎都存在一定的局限性，都需要适应新的要求而不断完善，如现有系统几乎都无法有效解决复杂背景下的多车牌图像分割定位与有效识别的技术障碍，另外也很难适应全天候复杂环境及高速度的要求。车牌识别系统的应用现状

目前市场中车牌识别系统主要功能（1）车辆牌照自动识别，信息包括完整的牌照信息，颜色、字符、汉字、数字。（2）车速的自动检测。

（3）违法黑牌车辆的识别报警。

（4）车辆识别信息与车管所车辆信息的联动控制

（5）车辆行驶方向判断监测目前市场中车牌识别系统主要应用范围（1）交通路口的智能化交通管理

（2）交通信息的自动采集

（3）警方及其它执法机关设立临时稽查站，对车辆实施稽查，优先识别待查车辆

（4）路桥、隧道等卡口的自动收费系统

（5）现代住宅小区、停车场、重要机关单位的汽车出入口管理

（6）道路治安卡口抓拍识别，车流量监测车牌识别技术的理论背景车牌识别技术的任务是处理、分析摄取的视频流中复杂背景的车辆图像，定位分割牌照，最后自动识别汽车牌照上的字符。车牌识别技术所涉及的研究方向较多，主要有数字图像处理、计算机视觉、模式识别等。数字图像处理就是将图像转化为一个数字矩阵存放在计算机中，并采用一定算法对其进行处理。数字图像处理的基础是数学，最主要的任务就是各种算法的设计和实现。目前数字图像处理技术已经在许多不同的领域得到重视，并取得了巨大的成就。根据应用领域的不同要求，可以将数字图像处理技术划分为许多分支，其中比较重要的分支有：图像增强与复原、图像编码、图像分割与特征提取、图像分析、图像隐藏[4]。计算机视觉是研究用计算机来模拟生物外显或宏观视觉功能的科学技术。计算机视觉系统首要目标是用图像创建或恢复现实世界模型，然后认识现实世界。计算机视觉的应用范围非常广泛，从医学图像到遥感图像，从工业检测到文件处理，从毫微米波到多媒体数据库，不一而足。可以说需要人类视觉的场合几乎都需要计算机视觉。应该指出来的是，许多人类视觉无法感知的场合，如精确定量感知、危险场景感知、不可见物体感知等，计算机视觉更突出其优越性。车辆牌照识别技术主要用到计算机视觉的二值图像分析、区域分析、图像预处理、边缘检测、纹理等部分。模式识别是研究用机器人代替人去识别、辨识客观事物的学科。识别的对象可以是文字、声音、图像等具体对象，也可以是状态、程度等抽象对象，这些对象与数字形式的对象相区别。模式识别的方法有两种，一种是统计决策方法，一种是句法方法。几十年来，模式识别研究取得了大量的成果，在很多方面取得了成功的应用。但是，由于模式识别设计到很多的问题，现有的理论和方法对于解决这些问题还有很多不足之处。车牌识别技术的难点车牌识别系统在实验室已经取得了令人满意的效果，但很难应用于实际工程，这是因为实验室的环境是出于理想状的，而在自然环境中，由于受到天气等因素的影响，识别率很难达到要求。大致的把这些因素归纳为三类：（1）汽车牌照本身的特征牌照缺乏统一的标准。根据中华人民共和国公共安全行业标准对机动车辆牌照的有关规定，车牌的规格、颜色和适用范围各有不同。由于缺乏统一的标准，是的车牌识别过程中字符分割的难度较大，缺乏统一的模式规则的指导作用。牌照的质量无法保证。有些牌照被污损，而有些牌照的字符模糊不清，对光线的散射性不好，这些不确定性极大的影响了识别的准确率。车牌附近环境恶劣。车牌附近往往有复杂的外形或挡车器等，不利于车牌的定位和分割。（2）外部环境的特征外界光照条件各不相同，白天和晚上光照不同。光照对图像质量影响很大。不同的光照角度，对车牌光照的不均匀影响也较大。不同时间，不同气候条件，以及背景光、车牌反光程度决定了车牌区域的亮度特征外界背景的复杂程度也影响着车牌的定位准确了。背景中玉车牌区域特征相似区域的大小反映了背景的噪声程度。例如与车牌字符相似的背景远处的广告语容易影响车牌的粗定位。（3）车牌识别系统应用方案的特征不同实际工程其摄像方位和角度不一样。实际工程中摄像方位相对于车辆行驶的方向一般是正上方、左侧和右侧，摄像角度一般在150度~300度之间。相对来说，摄像角度越小，车牌咋平面图像中变形越小，识别效果越好。摄像方位和角度对车牌字符分割影响较大，对车牌校正的方法的校正能力要求也更高了。光线较暗时，不同的人工光照角度、方位和亮度对车牌识别系统的影响也不一样。尽管规范车牌对光的散射能力较强，但人工光照的方位角度不同时，也会影响车牌的亮度。亮度不均匀对车辆牌照二值化算法的适应性提出了更高了要求。不同的实际工程，图像的分辨率要求也不同。分辨率大小影响车牌识别系统的识别速度和字符的识别率。OCR中字符的像素分辨率一般为32ⅹ32，而车牌识别系统字符的分辨率一般在12ⅹ12和24ⅹ24之间。分辨率过高时，整个识别系统的处理时间会明显增多，特别是在车牌分割，车牌二值化的处理中时间会显著增加。分辨率过低，字符识别率会下降，字符中汉字的二值化效果较差，车牌识别系统的识别率会下降[5]。车牌识别系统的两个关键参数（1）识别率车牌识别系统是否实用，最重要的指标是识别率。国际公认的识别率指标要求是24小时全天候全牌正确识别率85%～95%。识别率的统计也分为以下三种方式：

a、自然流量识别率=识别车牌号的总数/实际通过的车辆总数

b、可识别车牌率=人工正确读取的车牌号总数/实际通过的车辆总数

c、全牌识别准确率=全牌正确识别的车牌总数/人工识别读取的车牌号总数

这三个指标决定了车牌识别系统的识别率。（2）识别速