复杂场景下基于OpenCV的车牌识别算法研究.pdfVIP

摘要 摘 要 车牌是车辆的唯一标识，其特殊性及重要性决定了车牌识别系统成为智能交通管理系 统中不可或缺的重要组成部分。然而，由于场景的复杂化以及对光照适应性要求变高，车 牌识别技术还面临着诸多难题亟待解决。本文应用OpenCV 开源计算机视觉库，针对复杂 场景下的车牌识别展开研究，具体工作如下： （1）常用车牌定位与分割算法。研究了基于色彩与边缘检测两种定位方法，用于对 照基于MSER 的车牌定位方法。基于色彩的定位先将样本图像由RGB 色彩空间转换到HSV 空间，然后通过色彩分量筛选车牌区域并使用Otsu 算法二值化。基于边缘检测定位先将样 本图像进行高斯去噪，然后使用Sobel 边缘检测算法与Otsu 算法二值化。对两种定位方法 获得的二值化图像进行形态学处理、轮廓检测、矩形查找、尺寸筛选获得粗定位的车牌区 域，接着用 SVM 分类器将伪车牌区域去除。最后对获得的车牌区域通过轮廓法分割成单 个车牌字符。 （2 ）复杂场景下车牌的定位与分割算法。本文设计了使用MSER 算法进行车牌区域 的粗定位，SVM 分类器进行精确定位的车牌定位算法。粗定位算法步骤主要分为三步， MSER 区域提取；MSER 区域筛选；MSER 区域合并。接着对合并后的区域通过SVM 分 类器进行精确定位，将伪车牌区域去除。最后对获得的车牌区域通过改进的轮廓法分割成 单个车牌字符。通过与色彩定位算法、边缘检测定位算法对比，本文定位算法表现出极强 的鲁棒性。 （3 ）车牌字符的识别。本文构建了基于弹性BP 神经网络的车牌识别算法，首先通过 粗网格法与HOG 特征法提取车牌字符特征，然后将特征向量通过弹性BP 神经网络进行模 型训练，本文共设计了四类识别模型，分别是汉字模型、英文字符模型、英文字符与阿拉 伯数字混合模型、易混字符模型。最后使用训练得到的四种模型测试车牌字符识别准确度。 关键字：车牌定位，最大极值稳定区域，大津法，支持向量机，BP 神经网络 I Abstract Abstract License plate is the unique identification of the vehicle, and its particularity and importance determine license plate recognition system to be an indispensable important component of the intelligent traffic management. However, due to the complexity of scenes and the increaseing requirement of light suitability, license plate recognition technology is also facing many problems to be solved. Applying OpenCV, this paper focuses on how to achieve license plate recognition in complex scenes. Specific work is as follows: (1)Frequently used license plate location and segmentation algorithm. The research on two location method based on color and edge detection, which is applied to compare with the method for license plate location based on MSER. Location based on colo