汽车牌照定位基本原理与新技术.pdfVIP

◆◆◆科学探究园地 汽车牌照定位基本原理与新技术 ■陈茹雯 （南京工程学院车辆工程系，江苏南京211167） , 公路交通事业的信息化和数字化，使汽车牌照自动识别技术研究受到广泛重视。车牌的准确定位分割是车牌识别的第一步直 摘 要： 接关系到系统的识别速度和识别精度。本文介绍了车牌图像的特点及定位算法的发展现状，存在的不足及若干与现代智能化方法相 结合的车牌定位分割技术。 关键词：汽车牌照 定位 智能化方法 TP391 A 1006- 3315 2008 12- 119- 02 中图分类号： 文献标识码： 文章编号： （ ） 1 引言 分割方法时，由于许多汽车前部散热器产生的垂直边缘和某些牌 我国的公路交通事业正步入信息化、数字化时代。 自动收费 照边框的扭曲或某些汽车牌照没有边框而存在鲁棒性较差的问 系统、违规车辆的自动记录、公安海关车辆管理、封闭区域车辆管 题。因此，这些算法仍然需要做进一步的改进或与其他技术联合 理、城市交通路口监控等都要求识别出具体的车辆。车牌是所有 使用。 车辆独有的标志，因此，汽车车牌识别 (Vehicle License Plate 3 车牌定位算法的若干新技术 R ecognition ，LPR)技术研究受到广泛重视。 针对这些问题，各国科研人员提出了很多与现代智能化方法 汽车牌照识别系统是以特定目标为对象的专用计算机视觉系 相结合的车牌定位分割技术。 统，能从图像中自动提取车牌区域，自动分割字符及对字符进行 一、基于神经网络的车牌定位方法 识别，运用模式识别，人工智能技术，对采集的汽车视频图像实时 基于神经网络的车牌自动定位系统是通过摄像机拍摄、视频 准确地自动识别出车牌的数字、字母及汉字，并直接给出识别结 采集得来的汽车图像，完成车牌目标的自动定位的。首先收集一 果，实现车辆的自动化监控和管理。 定数量的车牌图像样本，归一化后送到BP 神经网络进行训练，达 车牌准确定位分割是车牌识别的第一步，直接影响系统的识 到预先确定的正确率后，训练结束，得到一个对牌照敏感的BP 神 别速度和精度，是整个系统的核心技术。 经网络。利用训练好的神经网络就可以从图像预处理模块送来的 2车牌图像的特点及定位算法的发展现状 图像中搜索车牌区域，定位车牌。为了增强神经网络的泛化性，搜 车牌定位算法分为图像的预处理、车牌的搜索和车牌鉴别定 集的汽车灰度图像中常常包含各种光照条件和底色的车牌图像。 位三部分。图像预处理就是要获得有用的图像的边缘，并将其二 二、基于HSV 颜色空间的一种车牌定位和分割方法 值化；车牌搜索则是搜索整幅图像以得到有可能包含车牌的若干 在基于颜色的数字图像处理中经常用到的颜色模型有R GB 感兴趣区域；车牌定位则是根据车牌的特征对提取出的感兴趣的 和HSV 种模型。 区域进行鉴别和剔除假的车牌, 从而提取到真正的车牌。 R GB 模型中各像素值由红色(R )、绿色(G)和蓝色(B)3 种颜色 相较于车身其他位置，车牌区域有其自身特点，主要有车牌 的亮度值叠加来表示。这3 种颜色的亮度值随光照强度的不同而 底色与车身颜色，字符颜色有较大差异；车牌的矩形区域内存在 改变,因此该模型是受光照条件影响的，而一般汽车图像的光照条 较丰富的边缘，呈现出规则的纹理特征；车牌内字符之间的间隔 件是不定的，所以在R GB 空间中进行识别车牌是十分困难的。 比较均匀，字符和牌照底色在灰度上存在跳变；图像中牌照长宽 HSV 模型分别用色度(H)、饱和度(S)和亮度(V)3 个分量表示每 比的变化有一定范围等。这些都为车牌定位分割提供了