模式识别_车牌识别文档.docxVIP

实际环境下汽车牌照识别方法的研究与实现 1 设计要求与准备 本次设计是研究生一年级上学期的模式识别课程的课程设计，设计内容是实际环境下汽车牌照识别方法的研究与实现。设计有两个主要要求：完成对实际环境下的汽车牌照部分图像的抽取；对抽取出来的牌照经过相关处理之后，对其上的字符内容进行识别。 基于课程设计的要求，需要进行实际环境下的汽车牌照识别，由于条件限制，不能用类似于学校门口的牌照硬件获取实际环境下的汽车照片，因此自行采集了一些汽车照片，用它们作为设计时的调试材料。 概述 2.1汽车牌照识别现状 车牌识别技术在实际生产生活中十分常见。在学校或者单位的门口，在停车场门口，经常可以看到摄像头，汽车驶来，系统会自动拍摄汽车的照片，然后将照片中属于汽车牌照的部分提取出来，然后通过相应的处理手段，识别出车牌，然后送到后台处理系统，或与后台数据库进行比对，以查看该车是否属于合法进入，或者记录下该车的入场时间，等离场时进行计费统计等工作。 此外，在交通中车牌识别的应用也有非常重要的意义，例如电子警察，对于违规车辆自动识别记录，或者在罪犯抓捕时，通过车牌识别锁定相关车辆，然后调集警力等。 通过平时在学校门口或者超市停车场的观察，发现现在的车牌识别系统已经达到了非常成熟的程度，几乎可以在无人值守的情况下保持正常、准确的运转。其中牵扯到一系列的硬件、软件的配合，据观察，有些系统是有后台计算机，整个汽车门禁系统相当于一个终端，连接到后台计算机上，但是大多数应该都是基于单片机的系统，也就是在系统中有单片机，运行着车牌识别程序。 国内外有很多研究和工作致力于解决车牌是别中的各种问题，例如车牌区域的选定，例如车牌字符的切割，例如车牌字符的匹配，都有很多相关的工作。 2.2汽车牌照识别用到的技术与准备 在本次设计中，整个程序都是用Matlab完成，因为之前对Matlab不是很熟悉，因此再设计前学习了Matlab的相关内容。 车牌识别可以使用很多Matlab提供的函数，从而大大减轻对于图像处理等操作所耗费的时间和精力。 在本次设计的条件下，很大一部分工作都是对自行拍摄的照片进行处理，因此用到了很多图形图像处理的技术，由于此前图像方面的基础不足，因此也了解了一些图形图像学方面的知识。 除了图像图像学方面的技术，另一个主要的技术就是字符切割与识别技术。这其中需要用到模式识别课程上的分类思想和知识。我们参考了相关文献，虽然没有将一些比较好的想法全部实现，但是开阔了思路，在以后的工作和学习中遇到相关问题的时候，对问题的处理有一定的帮助。 3 基本原理与设计思路 汽车牌照识别主要可以分为4个步骤：首先是汽车图像获取，然后是汽车牌照区域的确定，然后是对车牌区域的处理与字符分割，最后是对分割出来的字符进行识别。大致流程图如图1所示。 开始 输入图像 寻找车牌区域 学习调整重新寻找 区域确定是否合理 否 是 字符切割 学习调整重新切割 切割是否合理 否 识别 是 结束 图1 汽车牌照识别的流程概要 从图1中可以看出，在本次试验要求下，系统的关键组成部分有：（1）汽车牌照区域的确定；（2）汽车牌照字符的切割；（3）切割后字符的识别这三部分。下面是我们对每一重要组成部分的理解。 首先是汽车牌照区域的确定。 我们自行拍摄的照片如图2所示。 图2 自行拍摄的用于试验设计的照片 从这个图片上，很容易想到车牌区域的确定可以按照颜色进行。因此一开始我们想到的方法是，获取一张图片之后，从上往下进行扫描，当某一行的蓝色像素点的个数大于某个阈值之后，那么这部分就可能是车牌区域。扫描过程中，找出蓝色像素数量最大的一行，然后从这一行分别向上、向下扫描，不管向上还是向下扫描，如果蓝色像素的数量小于某一阈值就停止扫描，这就分别确定了车牌区域的上下边界。然后用同样的方法左右扫描，这样就可以找到左右边界，左右边界确定以后，就可以圈定车牌所属的区域了。 但是这种方法对于光照条件较好、没有发生偏色，并且少有蓝色背景干扰的情况下比较有效，如果有蓝色干扰背景，或者车牌区域有偏色的情况下，就不是很理想。例如，对于老师给的如图3所示的照片，这种简单的统计像素点就没有效果。 图3 老师提供的汽车图片 因此，我们继续观察图片，在颜色统计的方法上提出了两种改进方式：第一种方式是统计蓝色像素点之后，再统计同一行（列）上的白色像素点个数，如果这一行（列）上的白色像素点也达到一个阈值，那么说明这个区域可能是车牌区域。第二种方式是，发现照片中汽车会有周围的环境有将强的差别，而蓝色的干扰区域一般是出现在图片的上、左、右三个方位，因此在扫描的时候，可以不从照片最上面和最左边开始扫描