车牌识别系统技术阐述资料.pptVIP

文安车牌识别系统技术阐述 北京文安科技发展有限公司 前言 计算机视觉是通过对所拍摄的动态视频信号进行图像分析，提取有关的几何，运动，检测，和识别的信息，从而达到对图像与视频的理解 本公司通过开发和应用当今国际上最新的计算机视觉技术,已达到技术上的不断创新及在行业内的优势 768*288(576), 720*576(288) 130-160(卡口) , 1/6-1/5, (0.55, 3.5) 100-280(路侧) 视频输入管理模块 DirectX 9.0的DirectShow技术，支持目前市面上的大多数WDM驱动程序的视频采集卡、1394及USB连接的DV设备等。 DaHeng 采集卡（CG，QP系列） 外部触发模块（线圈触发） 系统通过IO卡读取地感线圈信号，当线圈检测到有物体通过时，触发车牌识别模块和车辆跟踪模块，当线圈没有信号时，停止车牌识别和车辆跟踪，输出最后结果。 自动与视频触发切换 车辆捕获技术(1) 运动物体捕获技术 先进的背景分析和运动估计算法 抗干扰性强 有阴影 车灯眩光 摄像头抖动等情况 车辆捕获技术(2) 车辆跟踪,稳定结果 运动物体捕获时利用车牌等车辆信息,系统可以在下面情况稳定运行 车流量大 车行缓慢 车辆检测跟踪模块 当车牌污损或者车辆无车牌时，车牌识别模块得不到车牌识别结果，为此本系统加入了车辆检测跟踪模块，当线圈检测到信号时，启动该模块，对捕获的图像进行分析，判断其中车辆的位置，对图像中的物体进行跟踪，并在物体位置最佳的时刻，记录该物体的特写图片，由于加入了跟踪模块，本系统能够很好的克服各种外界的干扰，得到更加合理的识别结果。 车牌定位 车牌定位的方法特点: 基于学习机理 多种特征融合 利用车牌文字的结构化分布特点 检测率高 错误率低（公交车） 检测速度快 车牌定位 车牌定位模块是一个十分重要的环节，是后续环节的基础，其准确性对整体系统性能的影响巨大。以往的车牌识别系统，通常经验性地使用一些直观的特征（如颜色、边缘信息等），再利用简单的分类器（如经验性的阈值等）进行车牌定位。本系统完全摒弃了以往的算法思路，实现了一种完全基于学习的多种特征融合的车牌定位新算法。该算法依据车牌文字的结构化分布特点，利用大量的学习样本，从海量特征中提取出车牌内部最不同于其他事物的特征，并采用最新的分类器算法，训练出快速而又鲁棒的车牌检测器，适用于各种复杂的背景环境和不同的摄像角度。由于该算法是一种完全基于学习的算法，只要有足够的学习样本，可以快速训练出针对不同车牌类型的新的检测模型。 车牌矫正及精定位模块 通过车牌定位模块得到的车牌位置并不会十分精确，由于拍摄条件的限制，图像中的车牌总不可避免的存在一定的倾斜，这就需要一个矫正和精定位环节来进一步改善车牌图像的质量，为下面的切分和识别模块做准备。该系统使用独创的精心设计的快速图像处理滤波器，直接利用车牌的灰度图像进行多重图像处理，通过中间结果的分析计算出车牌的水平和垂直倾斜角度。该算法不仅计算快速，而且利用的是车牌的整体信息，避免了局部噪声带来的影响。使用该算法的另一个优点就是通过对多个中间结果的分析还可以对车牌进行精定位，进一步减小非车牌区域的影响。 车牌字符切分 充分利用各种车牌信息 车牌文字的灰度 颜色 纹理 车牌整体信息 … 不受噪声影响 能容忍一定倾斜角度的车牌 车牌字符切分 本系统实现了一个十分鲁棒的车牌切分模块。在以往的车牌识别系统中，通常假定车牌精定位环节已准确定出车牌外围轮廓，并且已做好水平和垂直矫正，然而通过大量现场测试我们发现，车牌矫正及精定位环节仅能保证水平矫正的正确性，垂直矫正的准确率较低；对有宽边的车牌以及上方有螺丝钉的情况并不能完全消除，而且也不能处理车牌部分污损和遮挡的情况。而本系统使用的方法十分鲁棒，利用了车牌文字的灰度、颜色、边缘分布等各种特征，能较好地抑制车牌周围其他噪声的影响，并能容忍一定倾斜角度的车牌。这一算法有利于类似移动式稽查这种车牌图像噪声较大的应用。 字符识别 局部图像增强算法 多种识别模型：近邻法、主成分法、神经网络… 分类器融合框架 综合了多帧图像中的信息（智能跟踪） 优点，可以解决下面类型的问题 光照 污损 模糊 识别率高 8B, ODQ, 汉字:所有省份, 字符识别 在车牌识别模块中，本系统采用了多种识别模型相结合的方法，构建了一种层次化的字符识别流程，这些识别模型包括神经元网络、向量支持机、隐马尔科夫模型等。不同的识别模型针对不同类别数、不同复杂性的字符类进行单独训练，而层次化的识别结构又将各个识别模型的优点有机结合，有效地提高了字符识别的正确率。由于这一模块也采用完全基于学习的算法，当需要识别新的字符时，需要通过学习样本快速训练出识别模型。由于采用的是基于学习的分类算法，训练样本的多少直