ETC系统中车牌识别技术研究.docVIP

ETC系统中的车牌识别技术研究 　　摘 要：车牌识别技术，识别过程包括车牌定位、字符分割和字符识别3个部分。本文首先根据车牌的水平和垂直投影，找出一个长方形区域，定位出车牌的真实位置；然后将字符二值化为可识别的黑白图像，采用字符间距对车牌号进行字符分割并归一化；最后识别字符，将取出的字符与事先建立的字符模板库做差，为0就表示两者之间完成了匹配。把每一个相减为0的字符保存，也即为所求的车牌。 　　关键词：车牌识别技术 字符分割 字符识别 字符模式匹配 　　中图分类号：TP391 文献标识码：A 文章编号：1672-3791（2018）02（a）-0029-03 　　1 设计原理 　　车牌定位识别系统的目的是获得整个图像区域内的车牌，并能够准确识别出车牌。它能从静态图片或者动态视频中识别出车牌号码来，它是通过对不同颜色区域进行字符划分来识别的。它的硬件部分包括了线圈触发装置、抓拍设备、中央处理机等；而软件部分则包括了车牌区域定位算法、牌照字符分割算法以及光学字符识别算法等。当车辆通过车道检测线圈时，触发车辆检测元件，系统获知有车辆通过，激活图像采集单元开始工作，抓拍到车辆通过时的图像。车牌识别单元开始分析图像，定位出整张图像中的牌照部分，划分出车牌的单个字符，依次识别出车牌号后再重组输出。 　　2 设计步骤 　　2.1 车牌定位 　　在车牌的实际使用中，拍摄有汽车图像的图片背景较复杂，并且光照也不平衡，在这样的环境图像中如何识别出车牌区域来是整个识别过程的关键。在图像的采集过程中需要进行大范围的搜索，选定若干候选区域，逐一对这些区域进行识别，最后将车牌区域定位出来，并将其从整张图像范围中分割出来。 　　2.2 车牌字符分割 　　将车牌区域定位出来以后，把连续的车牌区域划分成单一的字符形式，并依次识别这些字符。我们通常采用对字符区域进行垂直投影的方式进行分割。这种方法是利用多个字符之间做垂直方向上的投影，取每个字符夹缝中的最小值，将得出的范围进行判断，看是否满足车牌规范的字符尺寸、字符格式等条件。 　　2.3 车牌字符识别 　　一般来说，对字符定位识别的方法有两大类：一类是利用神经网络算法来进行识别；另一类是建立模板库，利用模板匹配的方法来进行识别。基于人工神经网络的算法又可以分为两种方法：一种方法是特征提取出待处理的字符，然后使用这些特征对神经网络进行训练，另一种方法是直接利用互联网资源辅助我们来识别字符，通过网络将所筛选出的特征值输入，最后输出识别的结果。车牌的识别率与牌照的当前状况和摄像装置所拍摄图像的清晰程度有关。牌照的当前状况有很多，如车牌生锈、污迹沾染车牌、车牌油漆部分脱落、字符字体模糊、故意遮挡车牌、车牌歪斜等状况；而在具体的使用过程中，环境亮度、摄像装置的好坏、车速等因素也会给拍摄带来影响。这样的各种因素都将影响车牌的识别率，这也是我们要克服的困难。为了提高识别率，虽然现在识别算法不断进步，但也还需要克服自然的光照条件，这样有利于识别收集到的图像。 　　3 详细设计步骤 　　3.1 图像信息的采集与转换 　　通过对我国现行的车牌调查研究，可以发现我国的车牌背景颜色和字符颜色的搭配有不同的形式，一般有5种：分别为蓝底白字、黄底黑字、白底红字、黑底白字和白底黑字。我们要识别字符，需要将字符从背景图像中分离出来。以最常见的蓝底白字牌照为例，在蓝色通道的映衬下，牌照字符在该区域不能很好地区分开来。因为蓝色（255，0，0）和白（255，255，255）在蓝色信道没有太大的区别，而在G、R通道中或是灰度图中就不会出现这样的情况。因此，在识别的时候需要将彩色图像先转换为灰度图，原始彩色车牌图像如图1、图2所示。 　　3.2 边缘提取 　　一个图像的边缘部分边界两端的亮度各不相同，使用边缘信息可以帮助我们提取目标物体的形状特征。我们做图像边缘检测的主要目的是增强图像对比度，主要工作是使车牌显示的更加清晰可见，以便快速选择出车牌区域，然后准确地分割出车牌字符。对图像对比度进行增强主要有两种方法：一种是当灰度值不准确时，对灰度值的校正处理；另一种是当图像的边缘较粗糙时，对图像做平滑处理。 　　3.2.1 灰度校正 　　摄像头在对车牌部分拍摄时会受到周围光线的影响，这会造成图像的灰度值与实际不符；而摄像头所处的位置偏差也可能使得车辆的灰度图不完整。前面得到的这些错误图像信息都会给后续的操作带来影响，为了减弱这些不利因素，我们采用灰度校正的方法对其进行弥补，当灰度值不够时，可增大灰度的层次感，这样可以增图像的对比度；当灰度范围太小时，可扩大灰度值的覆盖范围，可达到提高图像分辨率的作用。 　　3.2.2 平滑处理 　　由于图像存在着噪声，并且噪声多是高频分量。因此，我们采用低通滤波的方式将噪声干扰