【基于机器视觉的车牌单双号识别系统设计8900字（论文）】

基于机器视觉的车牌单双号识别系统设计目录TOC\o"1-2"\h\u7968第一章绪论 1391.1课题研究背景与意义 2142861.2车牌识别系统国内外研究成果 3254941.3论文主要研究内容 432569第二章车牌识别系统 5188942.1车牌识别系统介绍 5251612.2车牌识别系统应用实例 632278第三章图像处理识别 8207693.1图像预处理 887323.2滤波处理 8226573.3车牌定位 9251553.4字符分割 108623.5字符识别 1211829第四章限行检查 13110504.1限行检查功能 134754.2一键检查功能 1314803总结 14第一章绪论在我们现在生活的二十一世纪，随着国民经济的飞速发展，人民生活消费水平远高于上世纪，汽车的人均占有量也呈爆炸式增长。根据公安部公布出的数据来看，截止至2020年底，虽有受到疫情影响，中国机动车保有量仍高达3.72亿辆，其中汽车占2.82亿辆，成为机动车的组成主体。各个城市的交通系统所承受的如此庞大的交通压力自然来自于这日益增长的汽车量。最近半个世纪以来，机器视觉技术随着科学技术的进步不断发展创新，也取得了长足的进步。美国交通部门于1995年出版发行了“国家智能交通系统项目计划”，此项计划就是智能交通系统的雏形。智能交通系统被广泛面向交通运输领域，是以现在电子信息技术为根基的交通体系。是通过对信息进行采集、处理、发布和交换等步骤按流程运作，实现交通系统的智能化处理，而交通智能化体系与日常生活中常见应用的高度适配性也引领了全球发达国家以及大部分发展中国家的交通管控发展研究热潮。基础设施的建设速度与效率已经在飞速发展的社会进步面前略显疲乏，城市道路的建设也匹配不上不上车辆的增长速度，交通拥堵问题也已经在制约城市的发展，而由于拥堵导致的交通事故也造成了大量的人员伤亡以及数以亿计的财产损失。而如此庞大的的汽车群体所产生的尾气污染更是成为人类对大气污染的罪魁祸首之一，北京、天津等北方一线城市特色的“雾霾”天气也不再只是由工厂废弃导致。虽然近几年大力推广电动新能源汽车的开发与市售，但始终没有重大技术突破，社会接受程度还很低，不能对解决污染问题起到关键作用。智能交通系统是结合了譬如数据处理技术和信息技术以及传感器计算机技术等高新技术的高效便捷的交通运管体系，此系统几乎可以渗透覆盖到城市的所有角落，基本涵盖了城市交通的每一个环节，将整个城市的交通联动起来，统一规划管理，是当前交通管控问题的最优解。车牌识别系统作为其中较为基础的系统环节，是采集图像、预处理、字符分割、字符识别等步骤逐步操作构成的一个完整的系统。如图1.1所示，一个完整的ITS是由公共交通体系、电子收费体系以及交通管理体系等一系列不同系统构成的。1.1课题研究背景与意义自从世界上首辆单缸汽油发动机汽车在十九世纪80年代由KarlBenz发明面世到如今汽车年产量超过九千万台以及新能源汽车井喷式发布的今天，我们生活的时代也已经在人工智能这条路上发展了很久。信息的智能化处理，已经是一些机械科技公司的必修课，并且扎根在到每个人的日常生活中。而车辆在人类生活中扮演的角色也是越来越重要，智能交通管理系统ITS的出现也顺应了科学技术发展走向。其中汽车牌照识别(VehicleLicensePlateRecognition，VLPR)正是陆路公共交通信息技术系统应用到陆路公共交通环节中的主要研究发展方向。国内的陆路交通压力不仅体现在陆路运输环节，更是体现在尾气排放对于环境的污染以及城市的道路通行压力上。国内最早是北京在2008年奥运会期间开始实行单双号限行政策，目的一是减轻奥运期间大量私家车出行导致的交通负担，其二是减少城市中的汽车尾气排放，给世界展示最好的中国首都面貌。至此之后，全国各大城市陆续在交通管制中加入限行规则来减轻城市交通压力。车牌识别系统的实现需要设备与计算机之间的配合来实现。传统的人力监管已经逐渐显露出严重的弊端，不但容易造成人为疏漏，更是占用社会人力资源。整个社会都在向无人化、智能化系统发展，交通管控也不例外，其中车辆管控，道路监控和公共交通这三大部分正是组成智能交通系统的核心。智能交通系统的出现不单是交通发展的新向标，更是解决社会快速进步伴随经济迅速发张导致和基础交通设施搭建不协调问题的最优解。交通拥堵问题看是简单的小问题，但实际上已经制约了各国社会发展的脚步。能够合理并充分的运用车牌识别技术来解决是重中之重，因此世界上很多国家早已开始了车牌识别相关研究。不同于美国的自由随机组合，目前我国国内的车牌位数为七位，规则与日本车牌规则相类似，都是由地名为起始位用汉字来标识，第二位根据所在城市级别按字母排序，剩下五位由0到9共十个阿拉伯数字和除I和O以外24个英文字母共34个独立字符随机组合而成。最常见的为蓝色底色，此外还有白色、黄色或黑色等不同用途特殊底色的车牌。因此，即便国外的识别技术已经相对成熟，我们也不能直接拿来就用，需要开发正真适用于我国车牌规则的车牌识别系统。本文意在设计一种应用于停车场或者住宅小区的出入口的车牌单双号识别系统，基于机器视觉技术并用MATLAB工程软件进行设计，响应号召，帮助实现限行政策，为城市交通压力的缓解贡献一份力量。1.2车牌识别系统国内外研究成果1.2.1国外研究成果对于智能交通系统中车牌识别这一方向的探究，由于社会性质的原因，国外的工业发展起始时间要早于国内，其中对于车牌识别算法的研究大概在二十世纪后期就已经逐步开展，时至今日已经获得了相当丰富的处理经验，为我们提供了一些汽车牌照识别系统的范例。在亚洲国家中，以日本为首的发达国家在此领域已经探寻了很多年，也已经有了很多已经大范围应用到现实生活中并对我们研究有帮助的成果。譬如已经在日本高速公路收费管理系统中发挥作用的车牌识别系统LUIS，其对于车牌的误识率和漏识率基本保持在30%的概率。新加坡作为亚洲的另一个著名发达国家，其国内的亚选公司所开发的被命名为维康VIS的车牌识别系统，其对静态车牌的识别偏差控制在5%左右，已应用于香港地区的车牌规格识别系统。另外，在国际上较为出名的还有以色列Hi-Tech公司推出的See/Car系统，已经被很好地利用在车辆出入控制，停车场管理等日常应用场景中。其是依靠视觉相关传感器来捕获车牌信息从而实现基于视觉处理技术的车牌识别系统。1.2.2国内研究成果国内研究者取得的科研成果以及设计出的产品在数量已经功能性上也是相当可观的，虽然起步相较于国外较晚。在政府和地方大力支持下，针对我国实际情况的车牌识别研究大约在上世纪九十年代开展的。我国现有车牌不仅由含有数字、英文还有汉字这三种字符进行随机组合排列，种类也包含有民用类型、军用类型、警用类型、政府机关部门等多种不同类型。因此我们并不能直接购买国外现成的技术，而要根据中国的特有状况来进行研究并开发真正适合国内的车牌识别技术。国内在1990年左右起始就已经慢慢有了相关车牌识别系统的若干开发研究。国内目前的主要应用实例有国家计委、科技委组织共同开发的SUATS识别系统；还有已经被广泛应用于各地停车场的有成都臻识科技开发的火眼臻睛车牌识别系统以及由厦门宸天自主开发的SupPlateOR车牌识别系统。此外目前国内关于车牌识别的研究也已经走进了校园中，其中比较完善的由昆明理工大学与北京世通鑫宇公司开发并投入使用的大门道闸自动识别系统以及与软杰智能合作的西北工业大学项目等。1.3论文主要研究内容本篇论文旨在设计出一种可以应用于停车场或者住宅小区的识别车牌单双号并判断出是否限行的车牌识别系统，采用mat-lab工程软件进行编写并仿真出结果达到论文研究目的。第二章车牌识别系统2.1车牌识别系统介绍车牌识别技术是一项结合了车牌图像检测、识别处理，提取出车牌信息的综合技术。它有着很广泛的应用场景，可以安置在我们生活中很多环境中，需要机器视觉技术、神经网络技术、信号处理和数字图像识别技术等很多技术相互协作来实现完整运作。对于车牌识别操作，目前常用的分别为IC识别以及图像识别法：IC识别，就是将存有车辆信息的IC识别卡或者可以供识别的条码安装在车辆前挡风玻璃的正上方，通过识别监控设备扫描后获取该车的全部联网信息；图像识别法为本文所采用研究的车牌识别方法，这种方法不需要在车辆上设置任何记录信息的设备，将所有车俩信息汇总为一个可以联网的数据库，依靠设置在路口、收费站或停车场等场景的图像采集设备采集车辆整体图像，经过一系列计算处理，得到所需要的车牌信息，在放到数据库中，与库中车牌数据进行比对，获取当前车辆信息。图像识别法会运用到人工神经网络以及图像处理等技术。车牌识别系统一共有五大步骤，分别为图像采集、图像预处理这两项识别前的准备工作以及车牌定位、字符分割、字符识别等依靠程序实现的技术操作，最终输出结果。首先的图像采集就是利用视觉传感器来实现，例如摄像头，架设在某一可以采集到完整图像的固定视角，通过摄像技术来获取车辆在通过时的完整图像。下一步将采集到的完整图像导入所编写的程序中，进行包括色彩空间转化、图像腐蚀膨胀和边缘检测等一系列预处理。目的是排除图像采集环节受到光照影响或被污渍遮盖等对车牌表面的影响，这一部是整个识别系统的必要准备工作。由于采集到的图像包含由大量的场景部分以及车身部分所以需要进行车牌定位，因此要将车牌区域准确的定位出来，只有将车牌精准的定位出来才能进行正确的识别处理。然后进行车牌分割处理，按照车牌规则，车牌中七个字符的长宽大小都是相同的。因此可以将车牌在保证每一个字符完整性的情况下分割为七个形状大小相同的部分，即分割成七个单独的字符图像，一边接下来的识别处理。其中分割结果的精准与否影响着整个系统的结果，因此为难点。以上所有步骤都是为了字符识别做准备。模板匹配法、神经网络法以及特征统计匹配法是实现字符识别最常见的三种识别方法。因为我国车牌规范较为统一，经过预处理后分割的字符都较为精准，清晰完整，所以更适合应用建立识别数据库的操作较为简单的模板匹配法来进行识别。最后便是将识别的结果进行存储并验证，此步骤代表着一个完整的系统运行周期。五个步骤环环相扣，每一步都影响着接下来步骤的成功率。2.2车牌识别系统应用实例车牌在每辆汽车达到上路标准后就与车辆绑定在了一起，也恰恰是因为车牌是独一无二的，所以每辆车也都都是唯一的。可以说每辆汽车的身份凭证就是挂在车头以及车尾的车牌号码，车牌与相对应汽车之间的匹配关系时受到法律保护的，如果私自更改车辆的车牌号码，是要付相应的法律责任的，情节严重者甚至会受到法律的制裁。如今车牌识别系统相关实用场景的设计已经非常先进，可以在对车辆行驶过程中不造成任何影响的情况下对车辆信息进行自动记录并进行信息的识别核验。首先在日常生活中最常见的就是设置在停车场或者居民住宅小区的车辆出入管理系统。此场景下多为七座及以下的中小型轿车，车身大小不足以影响到图像采集设备的角度问题。在私家车进出停车场或者进出居民住宅小区的时侯就会自动激活触发安装在进出门关卡的车牌识别系统设备。这种设备可以对车辆进行包括车辆自身的颜色、具体外形、车牌信息、进出的准确时间、车辆进出的次数以及车辆进出的数量进行精准的记录，并且可以与出口的放行设备之间形成联动，对识别道德车辆信息与已经存在数据库中的信息进行比对认证，从而实现对于停车场或居民住宅小区的车流管控。正常情况下，如果验证通过系统检查比对即可输出放行指令，抬起道闸，使车辆通过：如果验证识别检查未通过，则不会抬起道闸，阻止车辆的行进。此项系统可以在一定程度上实现无人收费、自动管理等方案，节省人力资源，降低成本，也对车主的财产安全有一定的保障。其次是设置在十字路口或者高架桥等公路交织路口用于车牌登录以及车牌验证的车牌识别系统。此系统可以链接至互联网以及公安或车辆管理所的数据库，每辆汽车路过装置是便会触发图像采集装置，可以直接将采集到的车牌信息与网络数据库中的信息进行匹配验证，如果匹配到有在事故中肇事逃逸被警方通缉或者并未通过综合年检却依然违法上路的车辆以及其它情况时，即可将车辆在此路口通过的时间，以及行驶动向等信息发送给公安部门，为公安部门的执法处理提供便利，可以很好的提升效率。由于是通过机器进行识别，因此可以做到24小时不间断运行，再加上识别率高的优点，可以避免一定程度上的人为疏漏和判断失误，也可以节省人力资源。汽车交通成为主力交通的今天，交通拥堵状况可谓是世界第一大难关，对于整个城市的运转造成相当大的阻挠。司机在驾驶时通常会采用收听交通广播或者用移动网络进行实时导航的方式来规避拥堵路段。最后一个应用场景就是高速公路。在高速公路应用场景中不仅可以在出入收费站实际应用，也可以在高速公路途中进行对超速等违章的车辆进行检测。我国高速公路的修建工程完成速度快，完成质量也非常高，为人们的出行提供了很多便利，但是每日高速的车流量非常巨大，如何有效地实施管控措施成了难题。多数高速为国家或政府贷款进行修建，所以会按照每辆汽车行驶里程来进行阶段式收费。因此在高速收费站的入口和出口设置车牌识别系统装置，对每一辆驶入或驶出高速公路的车辆运行车牌识别系统，记录车辆的信息与通行的时间信息，根据收费规则，收取适当的高速公路通行费用。国内目前比较常见的收费方式有人工收费以及ETC自动扣费，人工收费步骤繁琐需要一定的付费收费时间，是造成高速公路收费站拥堵的主要原因；而ETC设备是通过微波天线或者车载电子标签来进行识别，其设备的安装价格相对较为昂贵，普遍为一个ETC通道搭配四个人为收费窗口。增设车牌识别系统，可以更高效的对车辆信息进行识别，再搭配各大银行的同车扣款功能进行自动缴费，不仅可以避免人为窗口经常出现的逃票、强行闯关的情况发生，更可以减少人力成本，很好的提高收费站车辆的通过效率，加快城市节奏。而设置在高速路段中，可以与雷达测速系统进行系统配合，将探头与识别装置设置在高速路段的隐蔽位置，监测超速车辆并搭配车牌识别获取该车辆的准确信息，为交通警察提供车辆违法信息，使其在收费站出口禁行，再对其实施处罚。此系统可以以防止司机在高速公路上存在侥幸心里，违法超速，降低超速酿成严重车祸的几率。车牌系统已经在很对使用场景下发挥了其优点，便民便公。但是它的劣势在于适配研发以及设备安装成本过高，需要大量的资金以及高性能加算机运行设计软件来加以辅佐。降低成本，使其真正投入到日常使用中，并将此系统简化为更为便捷的纯软件化系统是目前研究人员的研究方向。第三章图像处理识别运用Mat-labappdesigner（版本2018b）进行程序设计并设计可操作图形用户界面（GraphicalUserInterface，简称GUI）。3.1图像预处理3.1.1车牌图像的采集在整个车牌识别系统中获取车辆图像最常见的方式是运用CMOS相机或者CCD相机采集得到图象信息。本文选用CMOS相机，因为其相较于CCD相机功耗更低且可采集高帧率图片，集成性也更强。图像支持.jpg、.bmp、.png以上三种格式。将图像文件导入程序中后，运用imresize函数重构图像大小。本文选用车牌为山西省（晋）以及北京市（京）车牌，同样遵循天津市车牌现行规则。3.2滤波处理滤波是图像处理的重要部分，是修正或增强图像的技术。输出图像的任一个像素值，都是通过输入图像对应像素邻域内的像素值利用一定算法得到的。线性滤波是利用邻域内像素值线性组合算法得到的，而中值滤波是一种非线性滤波技术，其原理是对像素邻域内的灰度进行排序处理，再对中心像素的灰度进行确定。中值滤波处理能够有效的滤除掉在邻域内灰度值差值过大导致的脉冲噪声，特别是在滤除掉噪声的同时，还能保护信号的边缘，使之不像线性滤波技术一样容易被模糊。基于其算法简单且容易操作的特点，也对硬件的实现有一定帮助。想要实现中值滤波需要以下两个步骤：1：将图象中的某个采样窗口中奇数个数据去除后再重新进行排序。2：取排序后的中间值来取代要处理的数据。部分程序设计如下：app.picdata(:,:,1)=medfilt2(app.picdata(:,:,1));app.picdata(:,:,2)=medfilt2(app.picdata(:,:,2));app.picdata(:,:,3)=medfilt2(app.picdata(:,:,3));imshow(app.picdata,'Parent',app.UIAxes)app.UIAxes.Title.String='滤波图像';3.3车牌定位3.3.1通道转换与过滤经常用在车牌定位中的颜色空间有RGB色采空间、YUV色采空间和HSV色采空间共三种。其中RGB模型对光照变化的感知更为灵敏，容易受到光照变化的影响而导致表达出不均匀的颜色；YUV色彩空间虽不像RGB色彩空间那样容易受到光照变化的影响，但这对外界环境的变化的感知效果很差，对接下来需要进行的步骤识别有必然的影响。而相较于以上两种模型，HSV色彩空间有着类似于人类视力的特点，其对于颜色的感知情况相对较均匀，会更加适配于本系统进行处理，有利于车牌定位处理的实现。本程序首先运用unit8(number)函数将RGB色彩空间转至HSV色彩空间。将大于255的部分全数强迫置为255，而小于255的部分则保持原样不进行更改。图3.3为HSV的图象空间，其中H（Hue）代表色相，他的度量单位是角度，由RED部分起始计量，红色、绿色和蓝色的度数分别为0°、120°、240°。它们相对应的补色黄色、青色和紫色的度数分别为60°、180°、300°。S(saturation)代表色彩的饱和程度，表示为色彩的鲜艳程度。V(brightness)代表明度，是指眼睛对光源或物体表面的明暗水平的感知，也指颜色的明暗水平。然后将HSV空间图像，低于50高于204的置为0，实现通道过滤。部分程序书记如下：hv=uint8(rgb2hsv(app.picdata)*255);imgH=ones(size(app.picdata(:,:,1)));imgS=ones(size(app.picdata(:,:,1)));imgV=ones(size(app.picdata(:,:,1)));imgH(find(hv(:,:,1)<50))=0;imgH(find(hv(:,:,1)>204))=0;imgS(find(hv(:,:,2)<80))=0;imgS(find(hv(:,:,2)>244))=0;imgV(find(hv(:,:,3)<40))=0;imgV(find(hv(:,:,3)>220))=0;3.3.2膨胀处理进行形态学处理，首先运用imfill函数来填充图像区域和“空洞”，之后再运用Imdilate函数来对图像进行膨胀处理，将边缘扩大、加粗，为下一步图像处理做准备。膨胀处理步骤可分为如下四步：第一步，取得源图象每行像素的宽度。第二步建立一幅大小与源图像相同，全部像素置黑的目标图象。第三步为避免越界，不处置最左侧、最右侧、最上侧以及最下侧的像素，从第2行、第2列起始搜检源图像中的像素点，如若当前点对应结构元素中为白色的那些点中只要有一个点是白色，则将所选图象中的当前像素点置为白。第四步循环实行第三个步调，直至将源图象全部处理完毕。部分程序设计如下：se=strel('disk',2);mypic=imdilate(mypic,SE)3.3.3连通域处理在车牌图像中，字母和数字这种连续无断裂的字符所组成的连通的区域就被称为连通区域，简称为连通域。膨胀处理后运用regionprops(全称getthepropertiesofregion)函数来判别图像区域属性。通常用来统计被标记的区域内的面积分布情况，显示区域总数。L=bwlabel(BW,n)函数用来找出这个二值图像中的连通区域，对于不同的符合当前筛选条件的连通区域(4连通，8连通)分别用不同的标号加以区分，将结果数据保存在L这个矩阵里。通过连通域的长度宽度之比来判断锁定图像中车牌的位置。我国国内车牌的规格为440毫米×140毫米，长宽比例具体为22：7，但由于采集到的图像可能出现一定的角度偏差，因此需要扩大长宽比的定位范围，根据对采集到的车牌图片进行测量，将长宽比范围定在大于2小于8的范围，即2<长宽比<8。3.3.4裁剪车牌区域运用imcrop函数进行图像裁剪，将长宽比大于2小于8的连通域从图像中裁剪出来。3.4字符分割由于本系统设计为识别单双号限行，因此只需识别车牌的尾号，将尾号从车牌的七个字符中分割出来即可。3.4.1灰度化与二值化灰度图(GrayScaleImage)是对图像进行灰度化处理得到的图像结果，将灰度值映射到一个新的数值范围，又称灰阶图。在MATLAB中使用一个灰度级系统调色板（R=G=B）来显示灰度图像。默认情况下，在24为颜色系统中，调色板包括256个灰度级，在其他系统包含64个或32个灰度级，其基本调用格式为imshow(I)。在这里是利用rgb2gray函数来将RGB图像转换为灰度图像。车牌二值化基于亮度阈值从灰度图、索引图象或RGB图像创建二进制图像。程序中利用im2bw函数进行二值化操作，即将灰度图转换为二值图像。再利用imclearborder函数将与图像边界相连接的像素全部清除掉。部分程序设计如下：graypic=rgb2gray(app.cropplate);level=graythresh(graypic);bwpic=im2bw(graypic,level);pic_blc=bwpic;pic_cln=imclearborder(pic_blc);[rr,cc]=size(pic_cln);wjppic=zeros(size(pic_cln));bw=bwlabel(pic_cln,8);3.4.2连通域处理判断字符长宽以及中心点在车牌的位置，先为连通域编号赋值，在获取其边界值与中心值，去除靠左的连通域以及长度过长的连通域，将其面积赋值为0，并将面积进行降序排序，按照中心点X坐标进行升序排序。框选出车牌中联通的字符区域，获取汉字的位置，最后将尾号分割出来。部分程序设计如下：sortarray(object,1)=object;sortarray(object,2:5)=stats(object).BoundingBox;cen=stats(object).Centroid;leftimg=imcrop(pic_cln,leftrect);app.pic_cln=pic_cln;app.endpic=imcrop(pic_cln,app.platerect(7,:));imshow(app.endpic,'Parent',app.UIAxes)app.UIAxes.Title.String='车牌尾号';3.5字符识别由于只需识别车牌的尾号，仅为一个数字，因此本文采用模板匹配法，模板匹配法比较简单，程序实现也相对其他方法来说也更加便捷，难点在于需要耐心的建立好用于匹配的数据库。模板匹配法对于车牌中有缺损字符的情况有一定的抗干扰能力，并且对车牌小面积污渍遮盖的情况有更高的识别效率。模板匹配法需要先建立一个可以实现自动识别的代码表，它是将每一个独立出来的字符与模板库中已存在的字符之间建立相呼应的联系。当完成字符切割处理后，提取出所需要识别的特征，并将其与添加在模板中的特征字符进行逐一比对，选择出与库中数据相差值最小的单位结果。首先利用char函数建立自动识别字符代码表，生成28*28的图片，将信息按列存储并形成比对序列。再对数字和字母进行处理，部分程序设计如下：tcode3=char(['0':'9''A':'Z']);rc=28;tmppic=imcrop(app.pic_cln,app.platerect(7,:));bw=imresize(tmppic,[rcrc]);bw=im2uint8(bw);xu