车牌定位系统设计.docVIP

1. 前言 随着经济发展带来交通便利的同时，道路交通状况日益恶化，几乎所有的大中型城市都会有这统一困惑。为了解决与处理交通拥堵、事故频发等交通难题。从上世纪90年代起，智能交通系统就因此应运而生。目前，交通信息采集设备种类繁多，如：测速雷达、微博探测器、超声波探测器、视频监控器等等。随着数字图像处理技术的发展，基于图像的交通信息采集技术显示出巨大的优势，在未来实时交通信息采集和处理中将占有重要地位。 现如今汽车行业发展迅速，交通运输需要很好的监管。其中最常用的技术之一便是车牌识别（LPR）。。将车牌识别系统安装在重要的路段和交通关口能交单有效地解决各种交通难题。 未来的道路交通发展已经离不开智能交通管理系统。随着高速公路的不断发展和交通管理体制的不断完善，道路上挂满了各种数码监控设备，这使图象场景日益简单化和数字化，为以图象处理为基础的智能交通管理系统进入实际应用领域提供了契机。 车牌自动识别系统正是在此应用背景下被提出的。该系统是在交通监控的基础上，加入数字摄像技术处理与网络传输技术，通过对图象的采集和处理，获得更多的信息，从而达到智能化管理程度。 而车牌识别最核心的技术之一便是车牌定位，因此对车牌定位的研究显得极为重要。近年来我国机动车数量不断增加，由于经济增长，人民生活水平提高及城市道路交通的发展，我国车辆和驾驶人大幅增长，至2013年底，全国机动车数量突破2.5亿辆，机动车驾驶人接近2.8亿。其中，汽车达1.37亿辆，除去报废量，比去年增加1651万辆，增长了13.7%。 蓝底白字 使馆车辆 440*140 黑底白字“使”字 领馆车辆 440*140 黑底白字“领”字 境外车辆 440*140 黑底白字 外籍车辆 440*140 黑底白字 教练车辆 440*140 黄底黑字 试练车辆 440*140 黄底黑字 临时入境车 300*165 白底红字“临时入境” 临时行驶车 440*140 黄底黑字 由上表可看出，多数车牌照大小固定，，由一个汉字和6个大写英文字母或阿拉伯数字组成。其中字符的高度90mm,宽45mm，每个字符间隔为12mm。车辆牌照的这种特征能为车牌准确定位提供依据。但由于个别牌照不统一，增加了定位难度，如：大型车辆的牌照前后大小不一，前车牌为440mm140mm，后车牌440mm220mm，且车牌字符分为上下两行；另外一些特殊机构车辆车牌对比颜色也较为特殊，种类繁多，不同颜色给二值化过程增加了一定的困难。 车牌定位核心是从图像中确定矩形的车牌区域的位置。依据车牌颜色、形状、位置和纹理等特征大致总结出一下几种方法： (1)彩色分割定位法：先将RGB模式图像转化为模式，再用多层感知器网络对彩色图像进行分割，最后通过投影法分割出车牌区域。 (2)小波变换法：小波分析的多分辨率特性使得小波分解系数在不同方向的高频子波系数具有不同特征，利用方向小波能反映出图像在不同分辨率上沿任一方向变化的情形。 (3)基于灰度方差和边缘密度的分割方法：车牌区域内具有在一定范围内灰度方差近似相等及边缘密度近似相等等性质，利用这些性质来增强车牌区域。然后基于车牌区域边缘密度性质的匹配滤波器，从而直接获取车牌图像。 (4)基于遗传算法的定位方法：利用遗传算法对图像进行优化搜索，结合区域特征矢量创建适应度函数，以此寻找车牌区域的最佳定位参量； (5)基于灰度图的车牌定位和分割法，选取适当的阈值，用迭代法得到二值图，再根据车牌汉字笔画的垂直边缘特征做车牌定位； 由于在车牌字符分割中存在光照条件，噪声干扰和车牌旋转等问题，造成分割不准确，甚至分割错误，目前很难找到普遍适用的分割方法，常用的字符分割法主要是基于投影分析的字符分割法、基于连通域分析的字符分割法、基于聚类分析的方法和基于边缘检测的方法等。对于车牌处理各阶段步骤研究总结出流程如图3-1所示 ·· 图3-1 流程图 更具体的识别流程如图3-2所示。 图3-2 具体处理流程 本文采用*.BMP格式。本系统直接使用灰度图像进行试验研究，需要对彩色图形灰度变换－灰度调整－边缘检测－图像二值化－形态学处理－倾斜校正（Hough变换）-定位边框。 图像的预处理过程通常包含图像的灰度化、二值化、滤波去噪等。 通常有4种方法将彩色图像灰度化：分量、最大值法、平均值法加权平均法。分量法将。 f1(i,j)=R(i,j) f2(i,j)=G(i,j)f3(i,j)=B(i,j) 其中fk(i,j)(k=1,2,3)为转换后的灰度图像在（i,j）处的灰度值2.最大值法。 f(i,j)=max(R(i,j),G(i,j),B(i,j)) 3.平均值