【正文】 在智能交通領(lǐng)域結(jié)合應(yīng)用的重要研究課題之一，是實(shí)現(xiàn)交通管理智能化的重要環(huán)節(jié)。車(chē)牌識(shí)別系統(tǒng)(License Plate Recognition，簡(jiǎn)稱 LPR)具有廣泛的應(yīng)用范圍，主要應(yīng)用于 ： 高速公路收費(fèi)、道路交通監(jiān)控管理、交通事故現(xiàn)場(chǎng)勘察、違章管理 ； 小區(qū)、停車(chē)場(chǎng)管理 ； 車(chē)輛登錄、驗(yàn)證 ； 車(chē)輛統(tǒng)計(jì)、 安全管理 [2]。對(duì)提高這些場(chǎng)所交通系統(tǒng)的管理第 1 章 引 言 2 水平和自動(dòng)化程 度具有重要的意義和巨大的經(jīng)濟(jì)價(jià)值。 車(chē)輛牌照?qǐng)D像識(shí)別也是計(jì)算機(jī)智能化的關(guān)鍵技術(shù)之一，涉及到模式識(shí)別、圖像處理、人工智能、信息論、計(jì)算機(jī)等多個(gè)學(xué)科，同時(shí)也與語(yǔ)言文字學(xué)和心理學(xué)等學(xué)科相關(guān)，是一 門(mén) 綜合的技術(shù)，有著重要理論意義和實(shí)際應(yīng)用價(jià)值。 國(guó)內(nèi)外研究現(xiàn)狀 汽車(chē)牌照識(shí)別國(guó)內(nèi)外研究現(xiàn)狀 從 20 世紀(jì) 90 年代初 (1988 年 )，國(guó)外的研究人員就己經(jīng)開(kāi)始了對(duì)車(chē)牌自動(dòng)識(shí)別的研究，其主要途徑就是對(duì)車(chē)牌的圖像進(jìn)行分析，自動(dòng)提取車(chē)牌信息，確定汽車(chē)牌號(hào)。在車(chē)牌識(shí)別過(guò)程 中，也出現(xiàn)了很多的技術(shù)方法，有人使用模糊數(shù)學(xué)理論，也有人用神經(jīng)元 網(wǎng)絡(luò)的算法 來(lái)識(shí)別車(chē)牌中的字符，但由于 外界環(huán)境光線變化、光路中有灰塵、季節(jié)環(huán)境變化，以及車(chē)牌本身比較模糊等條件的限制和影響，使得 LPR 系統(tǒng)一直以 來(lái)都是一個(gè)不能很好解決的問(wèn)題， 而且 很多的方法都需要大量的數(shù)值計(jì)算，并沒(méi)有考慮到實(shí)時(shí)處理的環(huán)境。為了解決圖像惡化的問(wèn)題，目前國(guó)內(nèi)外的研究機(jī)構(gòu)或公司企業(yè)采取的辦法是采用主動(dòng)紅外照明攝像或使用特殊的傳感器來(lái)提高圖像的質(zhì)量，繼 而 提高識(shí)別率。 國(guó)內(nèi)外現(xiàn)有的一些類(lèi)似產(chǎn)品主要有 ： 以色列 Hi Tech 公司的 See/Car System系列產(chǎn)品，香港 Asia Vision Technology 公司的 VECON 產(chǎn)品，新加坡 Optasia 公司的 VLPRS 產(chǎn)品等，其中 VECON 和 VLPRS 產(chǎn)品主要適合于 香港和新加坡的車(chē)牌， Hi Tech 公司的 See/Car System有多種的變形產(chǎn)品來(lái)分別適應(yīng)某一個(gè)國(guó)家的車(chē)牌， See/Car Chinese 系統(tǒng)可以對(duì)中國(guó)大陸的車(chē)牌進(jìn)行識(shí)別，但也有很大的缺陷， 而且 不能識(shí)別車(chē)牌中的漢字，另外日 本、加 拿大、德國(guó)、意大利、英國(guó)等各個(gè)西方發(fā)達(dá)國(guó)家都有適合于 本國(guó)車(chē)牌的識(shí)別系統(tǒng)。各個(gè)國(guó) 家的產(chǎn)品雖然不同，但基本上都是基于 車(chē)輛探測(cè)器的系統(tǒng)，設(shè)備投資較大，其 中的車(chē)輛探測(cè)器主要有 ：踏板式探測(cè)器、光探測(cè)器、微波雷達(dá)通過(guò)型探測(cè)器、壓力探測(cè)器、聲控探測(cè)器、紅外探測(cè)器、電磁感應(yīng)環(huán)探測(cè)器、測(cè)速雷達(dá)探測(cè)器、磁強(qiáng)探測(cè)器和壓敏探測(cè)器等。 國(guó)內(nèi)做得較好的產(chǎn)品主要有中科院自動(dòng)化研究所漢王公司的“漢王 眼”，北京信路威， 昆明利普視覺(jué)，沈陽(yáng)聚德。除此之外國(guó)內(nèi)的亞 洲視覺(jué)科技有限公司、四川理工學(xué)院本科畢業(yè)（設(shè)計(jì)）論文 3 深圳市吉通電子有限公司、中國(guó)信息產(chǎn)業(yè)部下屬的中智交通電子系統(tǒng)有限公司等也都有自己的產(chǎn)品。另外西安交通大學(xué)的圖像處理與識(shí)別研究室、上海交通大學(xué)的計(jì)算機(jī)科學(xué)與工程系、清華大學(xué)人工智能?chē)?guó)家重點(diǎn)實(shí)驗(yàn)室、浙江大學(xué)的自動(dòng)化系等也都做過(guò)類(lèi)似的研究。通常處理時(shí)為了提高系統(tǒng)的識(shí)別率， 都采用了一些硬件的探測(cè)器和其它的輔助設(shè)備如紅外照明等，其中“漢王 眼”就是采用主動(dòng)紅外照明和光學(xué)濾波器來(lái)減弱可見(jiàn)光的不可控制的影響，減小惡劣氣候和汽車(chē)大小燈光的影響。 邊緣檢測(cè)算法國(guó)內(nèi)外研究現(xiàn)狀 由于邊緣是圖像最基本的特征，邊緣信息是一種圖像的緊描述，所包含的往往是圖像中最重要的信息。對(duì)圖像提取邊緣能極大地降低我們要處理的數(shù)據(jù)量。所以，本課題的一個(gè)重要方向就是邊緣提取算法的研究及改進(jìn)。 邊緣檢測(cè)技術(shù)的研究一直就是計(jì)算機(jī)視覺(jué) 圖像 分析和檢測(cè)領(lǐng)域的研究熱點(diǎn)，經(jīng)過(guò)幾十年的研究已經(jīng)形成了許多成熟的邊緣檢測(cè)技術(shù)，并取得了很好的應(yīng)用，而隨著一些新理論新方法的出現(xiàn)，也進(jìn)一步推動(dòng)了邊緣檢測(cè)技術(shù)的發(fā)展。圖像邊緣檢測(cè)方法主要包括以下幾類(lèi) ： (1)微分算子法 ： 這種方法主要從邊緣點(diǎn) (通常對(duì)應(yīng)于 一階微分幅度值大的點(diǎn) )，同時(shí)也從二階微分的零交叉點(diǎn)出發(fā)，設(shè)計(jì)一 些一階或二階微分算子，求得其梯度或二階導(dǎo)數(shù)過(guò)零點(diǎn)，再選擇一定的閾 值提取邊界。如 Roberts 算子、 Sobel算子、 canny 算子、 Prewitt 算子、 Laplacian 算子等。另外還有基于 曲面擬合 的各種邊緣檢測(cè)算法，它們的基本思想是用一個(gè)平滑的曲面和待測(cè)點(diǎn)周?chē)愁I(lǐng)域內(nèi)像素的灰度值進(jìn)行擬合，然后計(jì)算此曲線的一階或二階導(dǎo)數(shù) [3]。 (2)最優(yōu)算子法 ： 這類(lèi)方法的目的是根據(jù)信噪比求得檢測(cè)邊緣的最優(yōu)濾波器。Marr_Hildreth 算子是 Marr 和 Hildreth 應(yīng)用 Gauss 函數(shù)先對(duì) 圖 像進(jìn)行平滑，然后采用拉普拉斯算子根據(jù)二階導(dǎo)數(shù)過(guò)零點(diǎn)來(lái)檢測(cè)邊緣，也被稱之為 LOG 算子。 LOG算子和視覺(jué)生理中的數(shù)學(xué)模型相容，從 而 在計(jì)算機(jī)視覺(jué)和視覺(jué)生理研究之間建立了聯(lián)系，在機(jī)器視覺(jué)研究領(lǐng)域得到了廣泛的應(yīng)用。另一種方法 是局部曲線最小二乘擬合法，其基本思想是 ： 根據(jù)最小二乘法把圖 像的局部區(qū)域近似表示為一組基第 1 章 引 言 4 函數(shù)的線性組合，從 而 達(dá)到消除噪聲的效果。 Canny 從邊緣檢測(cè)算子的信噪比準(zhǔn)則、定位精度準(zhǔn)則、單邊緣響應(yīng)準(zhǔn)則出發(fā)，提出了 Canny 算子，它檢測(cè)受高斯白噪聲影響的階躍型邊緣有比較好的效果 [4]。 (3)多尺度方法 ： 此方法是隨著多分辨率和小波理論的出現(xiàn) 而 逐漸發(fā)展起來(lái)的。窗口大小 (或尺寸 )參數(shù)的自動(dòng)調(diào)整是很難的， 而 應(yīng)用多個(gè)尺度可以對(duì)此問(wèn)題給出一個(gè)比較滿意的解決。多尺度信號(hào)處理的目的不僅是為了辨識(shí)出信號(hào)中的重要特征， 而且 能以 不同細(xì)節(jié)程度來(lái)構(gòu)造對(duì)信號(hào)的描述，在高層次視覺(jué)處理的任務(wù)中多尺度方法有著重要的作用，是一種新興的邊緣檢測(cè)方法 [4]。 (4)基于 自適應(yīng)平滑濾波的邊緣檢測(cè)方法 ： 基于 自適應(yīng)平滑濾波的邊緣檢測(cè)方法的基本思想是利用一個(gè)通用算子對(duì)信號(hào)進(jìn)行平滑，該算子能使其本身與信號(hào)的局部結(jié)構(gòu)相適應(yīng)。利維等人提出的一種加權(quán)模板，其系數(shù)是根據(jù)窗口的中心點(diǎn)及其相鄰點(diǎn)的灰度平均值來(lái)確定。還有一種方法是選擇具有與中心點(diǎn)灰度值最接近的鄰近點(diǎn)，并利用這些點(diǎn)灰度值的平均值取代中心點(diǎn)值。一種復(fù)雜的方法是根據(jù)每一點(diǎn)的鄰域的局部統(tǒng)計(jì)性質(zhì)來(lái)確定模板的 系數(shù) [5]。 (5)松弛迭代法 ： 有學(xué)者從邊界增強(qiáng)的角度出發(fā)提出了松弛迭代的方法。這種方法分二步，圖像的平滑、邊緣的獲取、松弛迭代。它使用邊緣點(diǎn)的位置、梯度矢量、曲率等信息來(lái)初始化松弛網(wǎng)絡(luò)像素的標(biāo)記，根據(jù)邊界曲線上的點(diǎn)的信息在局部具有一致性和相關(guān)性， 而 噪聲點(diǎn)的信息是隨機(jī)的、規(guī)律的特點(diǎn)，進(jìn)行鄰域點(diǎn)的信息的相互作用，增強(qiáng)有規(guī)律的邊緣信息同時(shí)削弱無(wú)規(guī)律的 噪聲，通過(guò)不斷的迭代對(duì)標(biāo)記進(jìn)行重復(fù)糾正和約束，最后使得迭代收斂于 真實(shí)的邊緣 [6]。 以上方法是目前研究較多的邊緣檢測(cè)方法，其中前兩類(lèi)方法屬于 經(jīng)典邊緣檢測(cè)方法 ，都是依靠對(duì)圖像進(jìn)行微分運(yùn)算求得梯度來(lái)進(jìn)行邊緣檢測(cè)的，其優(yōu)點(diǎn) 是計(jì)算簡(jiǎn)單，速度快 ，缺點(diǎn)是僅僅依靠了局部信息，對(duì)噪聲較為敏感。這些方 法大都采用了平滑運(yùn)算，但平滑運(yùn)算和微分運(yùn)算是一對(duì)矛盾 ，平滑降低了噪聲的影響同時(shí)也會(huì)使邊緣模糊。這些方法中使用的平滑濾波器的參數(shù)都要人為設(shè) 定，由于 沒(méi)有對(duì)圖像中的噪聲以及邊緣的尺度進(jìn)行估計(jì)，因此不合適的濾波可能會(huì)濾掉一些邊緣細(xì)節(jié)信息，造成微分操作無(wú)法準(zhǔn)確得到邊緣細(xì)節(jié)。 經(jīng)典邊緣檢測(cè)方法在處理簡(jiǎn)單的圖像時(shí)有著很大的優(yōu)勢(shì)，但是由于 物理世界四川理工學(xué)院本科畢業(yè)（設(shè)計(jì)）論文 5 和成像過(guò)程的復(fù)雜性，以及各種噪聲源的干擾。使得被處理 的圖像信號(hào)相當(dāng)復(fù)雜，在這種情況下僅僅依靠局部信息檢測(cè)是不夠的。邊界檢測(cè)的困難主要來(lái)自噪聲的影響，因此如果能在邊緣檢測(cè)前對(duì)邊緣和背景噪聲進(jìn)行估計(jì)，自適應(yīng) 地濾出噪聲，并且 根據(jù)邊緣點(diǎn)的上下文信息很好的連接邊緣，就可以得到比較 好的邊緣檢測(cè)結(jié)果?；?這種思想，有學(xué)者提出了自適應(yīng)平滑濾波和松弛迭代方法，這兩種方法對(duì)復(fù)雜圖像以及含噪聲的圖像可以取得很好的邊緣檢測(cè)效果，但是也存在算法復(fù)雜，計(jì)算耗時(shí)間的缺點(diǎn)。圖 11 是邊緣檢測(cè)的流程圖。 圖 像 獲 取邊 緣 連 接斷 邊 、 偽 邊 處理彩 色 圖 像 變 為灰 度 圖 像邊 緣 提 取邊 緣 輸 出低 通 濾 波邊 緣 定 位 圖 11 邊緣檢測(cè)的流程圖 我國(guó)汽車(chē)牌照識(shí)別的難點(diǎn) 雖然，國(guó)外汽車(chē)牌照識(shí)別系統(tǒng)研究工作己有一定進(jìn)展，但并不盡合我國(guó)國(guó)情，這主要是因?yàn)橐韵挛鍌€(gè)方面的原因 ： (1)我國(guó)標(biāo)準(zhǔn)汽車(chē)牌照是由漢字、英文字母和阿拉伯?dāng)?shù)字組成，漢字的識(shí)別與字母和數(shù)字的識(shí)別有很大的不同，從 而 增加了識(shí)別的難度 ； (2)國(guó)外許多國(guó)家汽車(chē)牌照的底色和字符顏色通常只有對(duì)比度較強(qiáng)的兩種顏色 (例如韓國(guó)的車(chē)牌底色為紅色，車(chē)牌上的字符為白色 )， 而 我國(guó)汽車(chē)牌照僅底色就有藍(lán)、黃、黑、白等多種顏色，字符顏色也有黑、紅、白等幾種顏色 ； (3)其他國(guó)家 的汽車(chē)牌照格式 (如汽車(chē)牌照的尺寸大小，牌照上字符的排列等 )通常只有一種， 而 我國(guó)則根據(jù)不同車(chē)輛、車(chē)型、用途，規(guī)定了多種牌照格式 (例如分為軍車(chē)、警車(chē)、普通車(chē)等 )； (4)我國(guó)汽車(chē)牌照的規(guī)范懸掛位置不統(tǒng)一 ； (5)由于 環(huán)境、道路或人為因素造成汽車(chē)牌照污染嚴(yán)重，這種情況下國(guó)外發(fā)第 1 章 引 言 6 達(dá)國(guó)家不允許上路， 而 在我國(guó)仍可上路行駛。 由于 我國(guó)汽車(chē)車(chē)牌識(shí)別的特殊性，采用任何一 種單一識(shí)別技術(shù)均難于 奏效。使得車(chē)牌定位識(shí)別的難度大大增加。 課題的主要研究?jī)?nèi)容 本課題所要研究的內(nèi)容是針對(duì)通過(guò)數(shù)碼相機(jī)抓 拍到的 圖像進(jìn)行基于圖 像處理技術(shù)的車(chē)牌識(shí)別的研究與開(kāi)發(fā)。 具體研究主要包括圖像采集、車(chē)牌的定位、字符的分割三 大塊內(nèi)容， 字符識(shí)別可參考其它 教科 書(shū)。 其中涉及了模式識(shí)別、 圖 像處理、視頻處理等方面的知識(shí)，具體流程圖如圖 12所示 。 圖 像 采 集 車(chē) 牌 定 位 字 符 識(shí) 別字 符 分 割 圖 12 LPR系統(tǒng)流程圖 主要研究?jī)?nèi)容如下 ： (1)圖像采集。 介紹了常用的車(chē)輛檢測(cè)方法，并分別介紹了光流場(chǎng)法、基于相鄰幀差算法以及背景消減法的運(yùn)動(dòng)目標(biāo)檢測(cè)的基本原理， 討論了各自優(yōu)缺點(diǎn)。并提出采取簡(jiǎn)單實(shí)用的背景消減法作為車(chē) 輛檢測(cè)的方法較好。 (2)車(chē)牌定位 。首先介紹了汽車(chē)牌照的 類(lèi)型、字符特征和先驗(yàn)知識(shí)。再分別介紹直接車(chē)牌定位法，多分辨率車(chē)牌定位法和基于數(shù)學(xué)形態(tài)學(xué)的車(chē)牌定位法。并討論了各自有缺點(diǎn)及 其 適用范圍。 (3)邊緣檢測(cè) 。 先對(duì)圖像進(jìn)行預(yù)處理，主要對(duì)圖像的灰度化、二值化方面的處理進(jìn)行了詳細(xì)的分析。再比較分析了 簡(jiǎn)單邊緣 檢測(cè) 算子 和各種梯度算子， 通過(guò)幾種邊緣檢測(cè)算法對(duì)采集來(lái)的圖像進(jìn)行了大量實(shí)驗(yàn) ， 得到 canny 算子能在噪聲抑制和邊緣檢測(cè)之間取得較好的平衡，并能產(chǎn)生較細(xì)的邊緣效果。且有著計(jì)算簡(jiǎn)單，容易實(shí)現(xiàn)，速度快等優(yōu)點(diǎn) 。 故本文采用 canny 算子對(duì)車(chē)牌的邊緣進(jìn)行了提取，仿真結(jié)果表明了該算子能較好的檢測(cè)出圖片的邊緣信息。 四川理工學(xué)院本科畢業(yè)（設(shè)計(jì)）論文 7 第 2 章 汽車(chē) 圖像 的采集 運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤研究一般分為兩類(lèi) ： (1)攝像頭是固定的，只對(duì)視場(chǎng)內(nèi)的運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)。目前大多數(shù)運(yùn)動(dòng)目標(biāo)檢測(cè)算法 研究的都是基于 這種情況。 (2)攝像頭和跟蹤的目標(biāo)都是運(yùn)動(dòng)的。本 章 將主要對(duì)前一種情況進(jìn)行討論和研究。 常用的車(chē)輛檢測(cè)方法 目前較常用的車(chē)輛檢測(cè)方法有 ： 環(huán)形磁感線圈檢測(cè)、超聲波檢測(cè)、微波雷達(dá)檢測(cè)、紅 外線檢測(cè)、氣動(dòng)導(dǎo)管檢測(cè)、光電式檢測(cè)、基于 視頻車(chē)輛檢測(cè)等。以往的車(chē)輛檢測(cè)大多數(shù)都是在道 路的固定 地點(diǎn)埋設(shè)壓感線圈來(lái)獲得的，這種方式的缺點(diǎn)是設(shè)備安裝過(guò)程復(fù)雜，易于受損，且 對(duì)路面造成破壞，維護(hù)費(fèi)用相對(duì)較高。 而基于 激光傳感器、紅外傳感器的檢測(cè)，人為的干擾則比較大 。 相對(duì) 而言，基于 視頻的道路交通監(jiān)測(cè)系統(tǒng)具有不破壞路面，檢測(cè)范圍大，安裝使用靈活，維護(hù)費(fèi)用低的特點(diǎn)，具有廣闊的應(yīng)用前景 [7]。 可見(jiàn)視頻檢測(cè)同其他方法相比具有很大的優(yōu)越性，盡管在應(yīng)用過(guò)程中還存在著易受外界環(huán)境干擾的影響、檢測(cè)準(zhǔn)確率較低等缺點(diǎn)，然 而 隨著計(jì)算機(jī)硬件與軟件技術(shù)的不斷發(fā)展，已逐漸成為交通參數(shù)檢測(cè)中的一種新興技術(shù)。 運(yùn)動(dòng)車(chē)輛檢測(cè)算法 概述 目前常用的基于 視頻的車(chē)輛檢測(cè)算法可分為如下幾種 [89]： 光流場(chǎng)法，幀差法，背景消減法。下面按照上述分類(lèi)分別加以介紹。 光流場(chǎng)法 光流 (Image flow)的概念是 Gison 于 1950 年提出的。所謂光流 [10,11]是指 圖 像中模式運(yùn)動(dòng)的速度，光流場(chǎng)是一種一維 (2D)瞬時(shí)速度場(chǎng)，其中一維速度向量是可見(jiàn)的二維速度向量在成像平 面 上的投影。光流法是把檢測(cè)區(qū)域的圖像變?yōu)樗俣鹊氖噶繄?chǎng)，每一個(gè)向量表示了景物中一個(gè)點(diǎn)在圖像中位置的瞬時(shí)變化。因此，光流場(chǎng)攜帶了有關(guān)物體運(yùn)動(dòng)和景物二維結(jié)構(gòu)的豐富信息，通過(guò)對(duì)速 度場(chǎng) (光流場(chǎng) )第 2 章 汽車(chē)圖像的采集 8 的分析可以判斷在檢測(cè)區(qū)域內(nèi)車(chē)輛的有無(wú)。 光流計(jì)算法的優(yōu)點(diǎn)在于 光流不僅攜帶了運(yùn)動(dòng)區(qū)域的運(yùn)動(dòng)信息， 而且 還攜帶了有關(guān)景物二維結(jié)構(gòu)的豐富信息，它能夠檢測(cè)獨(dú)立運(yùn)動(dòng)的對(duì)象，不需要預(yù)先知道場(chǎng)景的任何信息，并 且能夠適用于 靜止背景和運(yùn)動(dòng)背景兩種環(huán)境，具有較好的適應(yīng)性。但是當(dāng)運(yùn)動(dòng)區(qū)域與背