一种基于OpenCV的高效车牌识别系统实现.docVIP

一种基于OpenCV的高效车牌识别系统实现 　　【摘要】提出一种基于SVM（支持向量机）和ANN（人工神经网络）的车牌定位与识别算法，并使用OpenCV库有效实现。首先将灰度空间和HVS色度空间进行结合，在Sobel边缘提取基础上，进行自适应阈值下的二值化处理，通过对轮廓外接矩形的面积和长宽比初步定位车牌位置，然后利用SVM线下学习的方法更加精确的定位车牌位置。并采用寻找连通域有效外部轮廓的方法进行字符分割，最后对汉字位置、英文位置、数字位置和英文数字混合位置分别使用ANN方法进行字符识别。实验证明，该方法定位准确率和字符识别率高，可以有效应用于多种场合。 　　【关键词】车牌定位；车牌识别；支持向量机；人工神经网络；机器学习 　　Abstract：A license plate location and recognition algorithms are proposed based on SVM （Support Vector Machine） and ANN （Artificial Neural Network），which are effectively implemented by OpenCV.First，plate region is preliminary located by the contour rectangle area and the aspect ratio，which is acquired by Sobel edge detection and adaptive threshold binarizaion processed by gray and HVS color space.Then the more precise plate region is located by SVM machine learning.And the character is segmented by the connected domain method.Last，the character is recognized by ANN respectively for the position of Chinese characters，English characters，digital characters and the combination of English and digital characters.Experimental results show that plate location and recognition accuracy rate is high，which can be effectively applied to a variety of occasions. 　　Keywords：license plate location；license plate recognition；support vector machine；artificial neural network；machine learning 　　1.绪论 　　车牌识别包括车牌定位、字符分割和字符识别。车牌定位技术有基于纹理特征的方法[1]；基于颜色特征的方法[2]；基于纹理和颜色结合的方法；基于Adaboost等各种分类器的方法；基于曲量场空间的方法[3]； 基于最近邻链的方法[4]。字符分割技术有基于投影的方法[5]；基于连通域的方法[6]；将上述方法与其他技术进行结合[7]；基于聚类方法[8]。字符识别技术有模版匹配法[9]；机器学习训练法[10-13]。 　　事实上，没有一种特别通用的方法可以针对所有不同应用场景的车牌识别。本文所提出的基于OpenCV的车牌识别系统，主要针对车距在2-3米范围内的静态车辆图像，光照可以有一定的模糊，并且允许车牌有轻微角度的倾斜。本文将灰度空间与HVS颜色空间结合来获取垂直边缘，可以获取更加精确的车牌候选区域，并通过SVM（支持向量机）机器学习的方法定位最终车牌区域。由于本应用中，车牌定位区域相对精确，车牌图像也不存在高光、模糊和遮挡等情况，使用连通域方法可以取得较好的字符分割效果。最后根据中国车牌的字符分布特点，不同字符位置使用不同的ANN（人工神经网络）训练，可以获得较高的识别率。 　　2.系统实现 　　2.1 车牌定位 　　2.1.1 自适应二值化 　　（1）颜色空间转换 　　原始图像除了要转为普通的灰度图像，同时要转为HVS色度空间，因为在本文所提的应用中，是近距离的车牌识别，大部分情况下车牌区域在S颜色空间有较为突出的效果。在OpenCV中通过函数cvtColor（src，dst，code）进行颜色转换，对于灰度转换code值