【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，是實現(xiàn)交通管理智能化的重要環(huán)節(jié)。車牌識別系統(tǒng)(License Plate Recognition，簡稱 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)場勘察、違章管理 ； 小區(qū)、停車場管理 ； 車輛登錄、驗證 ； 車輛統(tǒng)計、 安全管理 [2]。對提高這些場所交通系統(tǒng)的管理第 1 章 引 言 2 水平和自動化程 度具有重要的意義和巨大的經(jīng)濟(jì)價值。 車輛牌照圖像識別也是計算機(jī)智能化的關(guān)鍵技術(shù)之一，涉及到模式識別、圖像處理、人工智能、信息論、計算機(jī)等多個學(xué)科，同時也與語言文字學(xué)和心理學(xué)等學(xué)科相關(guān)，是一 門 綜合的技術(shù)，有著重要理論意義和實際應(yīng)用價值。 國內(nèi)外研究現(xiàn)狀 汽車牌照識別國內(nèi)外研究現(xiàn)狀 從 20 世紀(jì) 90 年代初 (1988 年 )，國外的研究人員就己經(jīng)開始了對車牌自動識別的研究，其主要途徑就是對車牌的圖像進(jìn)行分析，自動提取車牌信息，確定汽車牌號。在車牌識別過程 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 來識別車牌中的字符，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 來都是一個不能很好解決的問題， 而且 很多的方法都需要大量的數(shù)值計算，并沒有考慮到實時處理的環(huán)境。為了解決圖像惡化的問題，目前國內(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紅外照明攝像或使用特殊的傳感器來提高圖像的質(zhì)量，繼 而 提高識別率。 國內(nèi)外現(xiàn)有的一些類似產(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 香港和新加坡的車牌， Hi Tech 公司的 See/Car System有多種的變形產(chǎn)品來分別適應(yīng)某一個國家的車牌， See/Car Chinese 系統(tǒng)可以對中國大陸的車牌進(jìn)行識別，但也有很大的缺陷， 而且 不能識別車牌中的漢字，另外日 本、加 拿大、德國、意大利、英國等各個西方發(fā)達(dá)國家都有適合于 本國車牌的識別系統(tǒng)。各個國 家的產(chǎn)品雖然不同，但基本上都是基于 車輛探測器的系統(tǒng)，設(shè)備投資較大，其 中的車輛探測器主要有 ：踏板式探測器、光探測器、微波雷達(dá)通過型探測器、壓力探測器、聲控探測器、紅外探測器、電磁感應(yīng)環(huán)探測器、測速雷達(dá)探測器、磁強(qiáng)探測器和壓敏探測器等。 國內(nèi)做得較好的產(chǎn)品主要有中科院自動化研究所漢王公司的“漢王 眼”，北京信路威， 昆明利普視覺，沈陽聚德。除此之外國內(nèi)的亞 洲視覺科技有限公司、四川理工學(xué)院本科畢業(yè)（設(shè)計）論文 3 深圳市吉通電子有限公司、中國信息產(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)的圖像處理與識別研究室、上海交通大學(xué)的計算機(jī)科學(xué)與工程系、清華大學(xué)人工智能國家重點實驗室、浙江大學(xué)的自動化系等也都做過類似的研究。通常處理時為了提高系統(tǒng)的識別率， 都采用了一些硬件的探測器和其它的輔助設(shè)備如紅外照明等，其中“漢王 眼”就是采用主動紅外照明和光學(xué)濾波器來減弱可見光的不可控制的影響，減小惡劣氣候和汽車大小燈光的影響。 邊緣檢測算法國內(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，本課題的一個重要方向就是邊緣提取算法的研究及改進(jìn)。 邊緣檢測技術(shù)的研究一直就是計算機(jī)視覺 圖像 分析和檢測領(lǐng)域的研究熱點，經(jīng)過幾十年的研究已經(jīng)形成了許多成熟的邊緣檢測技術(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)一步推動了邊緣檢測技術(shù)的發(fā)展。圖像邊緣檢測方法主要包括以下幾類 ： (1)微分算子法 ： 這種方法主要從邊緣點 (通常對應(yīng)于 一階微分幅度值大的點 )，同時也從二階微分的零交叉點出發(fā)，設(shè)計一 些一階或二階微分算子，求得其梯度或二階導(dǎo)數(shù)過零點，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 的各種邊緣檢測算法，它們的基本思想是用一個平滑的曲面和待測點周圍某領(lǐng)域內(nèi)像素的灰度值進(jìn)行擬合，然后計算此曲線的一階或二階導(dǎo)數(shù) [3]。 (2)最優(yōu)算子法 ： 這類方法的目的是根據(jù)信噪比求得檢測邊緣的最優(yōu)濾波器。Marr_Hildreth 算子是 Marr 和 Hildreth 應(yīng)用 Gauss 函數(shù)先對 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)過零點來檢測邊緣，也被稱之為 LOG 算子。 LOG算子和視覺生理中的數(shù)學(xué)模型相容，從 而 在計算機(jī)視覺和視覺生理研究之間建立了聯(lián)系，在機(jī)器視覺研究領(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)展起來的。窗口大小 (或尺寸 )參數(shù)的自動調(diào)整是很難的， 而 應(yīng)用多個尺度可以對此問題給出一個比較滿意的解決。多尺度信號處理的目的不僅是為了辨識出信號中的重要特征， 而且 能以 不同細(xì)節(jié)程度來構(gòu)造對信號的描述，在高層次視覺處理的任務(wù)中多尺度方法有著重要的作用，是一種新興的邊緣檢測方法 [4]。 (4)基于 自適應(yīng)平滑濾波的邊緣檢測方法 ： 基于 自適應(yīng)平滑濾波的邊緣檢測方法的基本思想是利用一個通用算子對信號進(jìn)行平滑，該算子能使其本身與信號的局部結(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)窗口的中心點及其相鄰點的灰度平均值來確定。還有一種方法是選擇具有與中心點灰度值最接近的鄰近點，并利用這些點灰度值的平均值取代中心點值。一種復(fù)雜的方法是根據(jù)每一點的鄰域的局部統(tǒng)計性質(zhì)來確定模板的 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。它使用邊緣點的位置、梯度矢量、曲率等信息來初始化松弛網(wǎng)絡(luò)像素的標(biāo)記，根據(jù)邊界曲線上的點的信息在局部具有一致性和相關(guān)性， 而 噪聲點的信息是隨機(jī)的、規(guī)律的特點，進(jìn)行鄰域點的信息的相互作用，增強(qiáng)有規(guī)律的邊緣信息同時削弱無規(guī)律的 噪聲，通過不斷的迭代對標(biāo)記進(jìn)行重復(fù)糾正和約束，最后使得迭代收斂于 真實的邊緣 [6]。 以上方法是目前研究較多的邊緣檢測方法，其中前兩類方法屬于 經(jīng)典邊緣檢測方法 ，都是依靠對圖像進(jìn)行微分運(yùn)算求得梯度來進(jìn)行邊緣檢測的，其優(yōu)點 是計算簡單，速度快 ，缺點是僅僅依靠了局部信息，對噪聲較為敏感。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)算是一對矛盾 ，平滑降低了噪聲的影響同時也會使邊緣模糊。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 沒有對圖像中的噪聲以及邊緣的尺度進(jìn)行估計，因此不合適的濾波可能會濾掉一些邊緣細(xì)節(jié)信息，造成微分操作無法準(zhǔn)確得到邊緣細(xì)節(jié)。 經(jīng)典邊緣檢測方法在處理簡單的圖像時有著很大的優(yōu)勢，但是由于 物理世界四川理工學(xué)院本科畢業(yè)（設(shè)計）論文 5 和成像過程的復(fù)雜性，以及各種噪聲源的干擾。使得被處理 的圖像信號相當(dāng)復(fù)雜，在這種情況下僅僅依靠局部信息檢測是不夠的。邊界檢測的困難主要來自噪聲的影響，因此如果能在邊緣檢測前對邊緣和背景噪聲進(jìn)行估計，自適應(yīng) 地濾出噪聲，并且 根據(jù)邊緣點的上下文信息很好的連接邊緣，就可以得到比較 好的邊緣檢測結(jié)果。基于 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，這兩種方法對復(fù)雜圖像以及含噪聲的圖像可以取得很好的邊緣檢測效果，但是也存在算法復(fù)雜，計算耗時間的缺點。圖 11 是邊緣檢測的流程圖。 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 邊緣檢測的流程圖 我國汽車牌照識別的難點 雖然，國外汽車牌照識別系統(tǒng)研究工作己有一定進(jìn)展，但并不盡合我國國情，這主要是因為以下五個方面的原因 ： (1)我國標(biāo)準(zhǔn)汽車牌照是由漢字、英文字母和阿拉伯?dāng)?shù)字組成，漢字的識別與字母和數(shù)字的識別有很大的不同，從 而 增加了識別的難度 ； (2)國外許多國家汽車牌照的底色和字符顏色通常只有對比度較強(qiáng)的兩種顏色 (例如韓國的車牌底色為紅色，車牌上的字符為白色 )， 而 我國汽車牌照僅底色就有藍(lán)、黃、黑、白等多種顏色，字符顏色也有黑、紅、白等幾種顏色 ； (3)其他國家 的汽車牌照格式 (如汽車牌照的尺寸大小，牌照上字符的排列等 )通常只有一種， 而 我國則根據(jù)不同車輛、車型、用途，規(guī)定了多種牌照格式 (例如分為軍車、警車、普通車等 )； (4)我國汽車牌照的規(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牌照污染嚴(yán)重，這種情況下國外發(fā)第 1 章 引 言 6 達(dá)國家不允許上路， 而 在我國仍可上路行駛。 由于 我國汽車車牌識別的特殊性，采用任何一 種單一識別技術(shù)均難于 奏效。使得車牌定位識別的難度大大增加。 課題的主要研究內(nèi)容 本課題所要研究的內(nèi)容是針對通過數(shù)碼相機(jī)抓 拍到的 圖像進(jìn)行基于圖 像處理技術(shù)的車牌識別的研究與開發(fā)。 具體研究主要包括圖像采集、車牌的定位、字符的分割三 大塊內(nèi)容， 字符識別可參考其它 教科 書。 其中涉及了模式識別、 圖 像處理、視頻處理等方面的知識，具體流程圖如圖 12所示 。 圖 像 采 集 車 牌 定 位 字 符 識 別字 符 分 割 圖 12 LPR系統(tǒng)流程圖 主要研究內(nèi)容如下 ： (1)圖像采集。 介紹了常用的車輛檢測方法，并分別介紹了光流場法、基于相鄰幀差算法以及背景消減法的運(yùn)動目標(biāo)檢測的基本原理， 討論了各自優(yōu)缺點。并提出采取簡單實用的背景消減法作為車 輛檢測的方法較好。 (2)車牌定位 。首先介紹了汽車牌照的 類型、字符特征和先驗知識。再分別介紹直接車牌定位法，多分辨率車牌定位法和基于數(shù)學(xué)形態(tài)學(xué)的車牌定位法。并討論了各自有缺點及 其 適用范圍。 (3)邊緣檢測 。 先對圖像進(jìn)行預(yù)處理，主要對圖像的灰度化、二值化方面的處理進(jìn)行了詳細(xì)的分析。再比較分析了 簡單邊緣 檢測 算子 和各種梯度算子， 通過幾種邊緣檢測算法對采集來的圖像進(jìn)行了大量實驗 ， 得到 canny 算子能在噪聲抑制和邊緣檢測之間取得較好的平衡，并能產(chǎn)生較細(xì)的邊緣效果。且有著計算簡單，容易實現(xiàn)，速度快等優(yōu)點 。 故本文采用 canny 算子對車牌的邊緣進(jìn)行了提取，仿真結(jié)果表明了該算子能較好的檢測出圖片的邊緣信息。 四川理工學(xué)院本科畢業(yè)（設(shè)計）論文 7 第 2 章 汽車 圖像 的采集 運(yùn)動目標(biāo)的檢測與跟蹤研究一般分為兩類 ： (1)攝像頭是固定的，只對視場內(nèi)的運(yùn)動目標(biāo)進(jìn)行檢測。目前大多數(shù)運(yùn)動目標(biāo)檢測算法 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)動的。本 章 將主要對前一種情況進(jìn)行討論和研究。 常用的車輛檢測方法 目前較常用的車輛檢測方法有 ： 環(huán)形磁感線圈檢測、超聲波檢測、微波雷達(dá)檢測、紅 外線檢測、氣動導(dǎo)管檢測、光電式檢測、基于 視頻車輛檢測等。以往的車輛檢測大多數(shù)都是在道 路的固定 地點埋設(shè)壓感線圈來獲得的，這種方式的缺點是設(shè)備安裝過程復(fù)雜，易于受損，且 對路面造成破壞，維護(hù)費(fèi)用相對較高。 而基于 激光傳感器、紅外傳感器的檢測，人為的干擾則比較大 。 相對 而言，基于 視頻的道路交通監(jiān)測系統(tǒng)具有不破壞路面，檢測范圍大，安裝使用靈活，維護(hù)費(fèi)用低的特點，具有廣闊的應(yīng)用前景 [7]。 可見視頻檢測同其他方法相比具有很大的優(yōu)越性，盡管在應(yīng)用過程中還存在著易受外界環(huán)境干擾的影響、檢測準(zhǔn)確率較低等缺點，然 而 隨著計算機(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)檢測中的一種新興技術(shù)。 運(yùn)動車輛檢測算法 概述 目前常用的基于 視頻的車輛檢測算法可分為如下幾種 [89]： 光流場法，幀差法，背景消減法。下面按照上述分類分別加以介紹。 光流場法 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)動的速度，光流場是一種一維 (2D)瞬時速度場，其中一維速度向量是可見的二維速度向量在成像平 面 上的投影。光流法是把檢測區(qū)域的圖像變?yōu)樗俣鹊氖噶繄?，每一個向量表示了景物中一個點在圖像中位置的瞬時變化。因此，光流場攜帶了有關(guān)物體運(yùn)動和景物二維結(jié)構(gòu)的豐富信息，通過對速 度場 (光流場 )第 2 章 汽車圖像的采集 8 的分析可以判斷在檢測區(qū)域內(nèi)車輛的有無。 光流計算法的優(yōu)點在于 光流不僅攜帶了運(yùn)動區(qū)域的運(yùn)動信息， 而且 還攜帶了有關(guān)景物二維結(jié)構(gòu)的豐富信息，它能夠檢測獨立運(yùn)動的對象，不需要預(yù)先知道場景的任何信息，并 且能夠適用于 靜止背景和運(yùn)動背景兩種環(huán)境，具有較好的適應(yīng)性。但是當(dāng)運(yùn)動區(qū)域與背