基于MATLAB的车辆识别研究.docVIP

基于MATLAB的车牌识别研究 摘要 随着我国公路事业的发展，人工管理方式已经不能满足如今实际的需要。车牌识别技术是计算机视频图像识别技术在车辆牌照识别中的一种应用，是现代智能交通系统（Intelligent Traffic System，简称ITS（vehicle license plate recognition system，简称LPR对于交通管理、治安处罚等工作的智能化起着十分重要的作用。它可广泛应用于交通流量检测，交通控制诱导，机场港口小区的车辆管理，不停车自动收费，闯红灯等违章车辆监控以及车辆安全防盗等领域，具有广阔的应用前景。牌照机动车辆管理的唯一标识符号，车辆牌照识别系统的研究在机动车管理方面具有重要的实际意义。image_2.jpg中牌照信息肉眼可识别为渝B?PY287，但本算法未将汉字识别，未将数字完整识别； image_3.jpg中牌照信息肉眼可识别为渝B?XW192，但本算法未能识别； 问题2： image_4.jpg中牌照信息肉眼可识别为渝B?SU298，但本算法未能识别； image_5.jpg中牌照信息未能识别； 问题3： video.avi中肇事车辆牌照信息未能识别。 关键词：Matlab ；牌照识别； 图像预处理；车牌定位；字符分割神经网络 车辆牌照识别系统是一个基于数字图像处理和字符识别的智能化交通管理系统，该先系统通过视频采集接口采集摄像头摄入包含车牌的视频图像，再对动态采集到的图像进行处理以克服图像干扰，改善识别效果，接着在动态采集到的图像中自动找到车牌的位置也就是边缘检测，并分割出单个字符的矩形区域，然后对车牌进行二值化，最后把规整好的字符输入字符识别系统进行识别。 1.2问题 问题一：对于清晰车牌图像进行号码识别，并提取相应车牌号码，测试图像文件见image_1, image_2, image_3； 问题二：对于低质量车牌图像进行号码识别，并提取相应车牌号码，测试图像文件见image_4, image_5； 问题三：针对视频中的肇事车辆，请提取肇事车辆的车牌号码，视频文件见video.avi： 二、模型假设及符号说明 2.1模型假设 （1）假设拍摄牌照时，光线较充足。 （2）假设拍摄牌照时，光路中无较大灰尘、颗粒。 （3）假设车辆牌照无人为或意外而被污染、模糊视线。 （4）假设获取图像的工具可正常使用，可得到当时所处环境下最大限度的原始图像信息。 2.2符号说明 此处未说明的符号将在下述文章中一一阐明。 三、问题分析 3.1 背景概述 当今社会发展迅猛，经济水平稳步增长，人们的生活水平与生活质量也在逐渐提高，伴随而来的私有车辆数量每年都在不断增多，城市交通的压力扩大车辆检测技术计算机视觉人工智能技术 四、基本模型 4.1 图像预处理模块 成像系统获取的图像(原始图像)由于受到种种条件限制和随机干扰，如光照明暗程度以及设备性能的优劣等，往往存在有噪声，对比度不够等缺点。 4.1.1 图像采集以及灰度化 输入的彩色图像包含大量颜色信息，会占用较多的存储空间，且处理时也会降低系统的执行速度，因此对图像进行识别等处理时，常将彩色图像转换为灰度图像，以加快处理速度。现今中国的车辆牌照一般可分为蓝底白字、黄底黑字、白底红字、绿底白字和黑底白字等几种类型，我们可以利用不同的色彩通道来区分区域和背景，即对于蓝底白字的牌照，采用蓝色B通道，此时牌照区域中字符并不呈现，因为蓝色与白色在B通道中并无区分，而在G、R通道中则不然。对于白底黑字则可用R通道，绿底黑字的牌照则可用G通道明显显示出牌照区域位置以便后续处理。将彩色图像转化成灰度化图像时，其灰度值可由以下公式计算得到： G=0.110B+0.588G+0.302R (1) G=(B+G+R)/3 (2)由本算法得到的灰度图像（以下均以image_1.jpg所得图像示例）： 4.1.2 图像边缘提取 边缘是指图像局部亮度变化显著的部分，是图像风、纹理特征提取和形状特征提取等图像分析的重要基础。图象增强处理对图象牌照的可辩认度的改善和简化后续的牌照字符定位和分割的难度都是很有必要的。因此我们需要对图像进行边缘检测。增强图象对比度度的方法有：灰度线性变换、图象平滑处理等。 （1）灰度化处理 由于牌照图象在拍摄时受到种种条件的限制和干扰，图象的灰度值往往与实际景物不完全匹配，这直接影响到图象的后续处理。当导致这一结果的原因为：被摄物体的远近不同，使得图象中央区域和边缘区域的灰度失衡，或是由于摄像头在扫描时各点的灵敏度有