【正文】 普及成為必然趨勢，交通管理自動化越來越成為亟待解決的問題。在這種情況下，作為信息來源的自動檢測、圖像識別技術越來越受到人們的重視。目前指紋識別、視網膜識別技術已經到了實用階段；聲音識別技術發(fā)展也相當快，而對汽車牌照等相關信息的自動采集和管 理對于交通車輛管理、園區(qū)車輛管理、停車場管理、交警稽查等方面有著十分重要的意義，成為信息處理技術的一項重要研究課題。 車輛牌照識別（ License Plate Recognition, LPR）技術作為交通管理自動化的重要手段，其任務是分析、處理汽車監(jiān)控圖像，自動識別汽車牌號，并進行相關智能化數(shù)據(jù)庫管理。 LPR 系統(tǒng)可以廣泛應用于高速公路電子收費站、出入控制、公路流量監(jiān)控、失竊車輛查詢、停車場車輛管理、公路稽查、監(jiān)測黑牌機動車、監(jiān)控違章車輛的電子警察等需要車牌認證的重要場合，尤其在高速公路收費系統(tǒng)中，實現(xiàn)不停 車收費技術可提高公路系統(tǒng)的運行效率， LPR 系統(tǒng)更具有不可替代的作用，因而對 LPR 車牌識別技術的研究和應用系統(tǒng)開發(fā)具有重要的現(xiàn)實意義。 LPR 系統(tǒng)中的兩個關鍵子系統(tǒng)是車牌定位系統(tǒng)和車牌字符分割識別系統(tǒng)。 關于車牌識別技術及定位系統(tǒng)研究，國內外學者已經作了大量工作，但實際效果并不理想，對輔助光源要求高，很難有效解決復雜背景下多車牌識別的技術難題，如：車牌圖像的傾斜、車牌表面污穢或磨損、光線干擾等都會影響定位的準確性。傳統(tǒng)車牌識別一般僅支持單一車輛，背景比較簡單。而當今許多實際應用場合，如在繁忙交通路口臨時對欠稅 費報廢掛失等車輛的稽查，則監(jiān)視區(qū)域比較復雜，現(xiàn)有識別方法無法直接應用，一般同時出現(xiàn)多輛汽車，背景有廣告牌、樹木、建筑物、斑馬線以及各種背景文字等。 車牌定位與識別方法，總體來說是圖像處理技術與車牌本身特點的有機結本科畢業(yè)設計 (論文 ) 第 2 頁 合，當然也包括小波分析、神經網絡、數(shù)學形態(tài)學、模糊理論等數(shù)學知識的有效運用。一個車牌定位與識別系統(tǒng)基本包括：圖像預處理、車牌搜索、車牌定位、車牌校正、車牌字符分割和字符識別結果的輸出。本系統(tǒng)主要是在對汽車圖像進行細致分析，從而研究車牌定位與識別的算法問題。 字符識別簡介 字符識 別發(fā)展概況 字符識別發(fā)展可分為三個階段：第一個階段為初級階段，在這一階段中，技術上是應用一維圖像的處理方法完成二維圖像的識別任務。這樣萌芽了一個基本思想 —抽取特征向量的構造和它的相關函數(shù)。現(xiàn)在此法仍不失為一種重要的匹配方法。第二個階段為基礎理論研究階段。提出了表示邊界的鏈碼法，用于結構分析的細化思想，以及一些離散圖形上的拓撲性研究，形成了不僅能抽取局部特征， 而且能抽取大范圍的凹凸區(qū)域、連通性、孔等特征的算法，完成了作為基礎理論核心的“特征抽取理論”，及所謂的 KL 展開法工作。第三個階段為發(fā)展階段。這一階段 的研究工作是技術和實際相結合，針對實際系統(tǒng)的要求和設備可能提供的條件，提出了更為復雜的技術。但就多種方法分類來說為二大方法：相關法和構造解析法。在這兩類方法的基礎上，已研究出了不同類各具特色的實用系統(tǒng)。字符識別系統(tǒng)根據(jù)輸入設備的不同有如下分類 [19]，如圖 所示： 字符識別 磁識別 光學識別 機械識別 在線識別 脫機識別 單個字符識別 連筆字符識別 印刷體字符識別 手寫體字符識別 圖 字符識別分類 本科畢業(yè)設計 (論文 ) 第 3 頁 目前開展比較多，并進入實用階段的是光學字符識別系統(tǒng) (OCR 系統(tǒng) )。日本雖說起步不是最早，但因投入了大量的人力和物力，目前處于世界領先地位。七五年日本擁有 650 臺光學字符識別機，進入了實用階段。到一九七八年 ，能閱讀英文字母、數(shù)字、片假名和平假名等 118 種 OCRT0300 上市。之后，其研究方向轉向了漢字識別。 我國是從七十年代開始字符研究的。一九七八年，中科院自動化研究所等合作研制出了“倍函自動化分檢機”，可識別 0～ 9個數(shù)字；一九八七年清華大學研制的漢字識別系統(tǒng)通過了技術鑒定，可識別國家二級漢字庫 6000 多字，識別率可達 99%，速度為 1字 /4 秒；一九八七年十二月，西安交大人工智能和機器人研究所研制的漢字識別系統(tǒng)也通過了技術鑒定，同樣可識別漢字 6000 多，識別速度可達 1 字 /1 秒，識別率達 98%以上，處于國內領先 地位。這都為字符識別的實際應用提供了廣闊的前景。 字符識別系統(tǒng)用到的方法 字符識別系統(tǒng)用到的方法很多。下面以表格的形式，其用到的方法作一簡單的介紹和比較。 統(tǒng)計決策 句法結構 模糊判決 邏輯推理 神經網絡 主要理論支柱 概率論 數(shù)理統(tǒng)計 形式語言 自動機技術 模糊數(shù)學 演繹邏輯 布爾代數(shù) 神經生理學 模式描述方法 特征向量 符號串、樹、圖 模糊集合 字符串表示的事實 以不同活躍度表示的輸入結點集 模式類判定 是一個聚合類。用條件概率分布 P(X| wi)表示， m類就有 m個分布，然后判 定未知模式屬于哪一個分布。 是一種語言。用一個文法表示一類， m類就有 m個文法，然后判定未知模式遵循哪一個文法。 是一種集合運算。用隸屬度將模糊集合劃分為若干子集， m類就有 m個子集，然后根據(jù)擇近原則分類。 是一種布爾演算。從事實出發(fā)運用一系列規(guī)則，推理得到不同結果， m類就有 m個結果。 是一個非線性動態(tài)系統(tǒng)。通過對樣本的學習建立起記憶，然后將未知模式判決為其最接近的記憶。 主要方法 幾何分類：線性分類、非線性分類 統(tǒng)計分類： Bayes決自動機技術 CYK 剖析算法 隸屬度函數(shù)的設計：模糊設計法二元對比排產生式推理 語義網推理 BP模型 HOP模型 表 幾種識別方法的比 較 本科畢業(yè)設計 (論文 ) 第 4 頁 策 無教師的分類：聚類分析 Early算法 轉移圖法 序法 推理法 模糊集運算規(guī)則 模糊矩陣 框架推理 高階網 主要優(yōu)缺點 優(yōu)點：比較成熟，能考慮干擾、噪聲等影響，識別模式基元能力強。 缺點：對結構復雜的模式抽取特征困難。不能反映模式的結構特征，難以描述模式的性質，難以從整體考慮識別問題。 優(yōu)點：識別方便，可從簡單的基元開始，由繁至簡。能反映模式的結構特性，能描述模式的性質，對圖像的畸變的抗干擾能力較強。 缺點：當存在干擾及噪聲時，抽取基元困難，且易失誤。 優(yōu)點：由 于用隸屬度函數(shù)作為樣品與模板間相似度的度量，故往往能反映它們整體的與主要的特性，從而允許樣品有相當?shù)母蓴_與畸變。 缺點：準確合理的隸屬度往往難以建立，故限制了它的應用。 優(yōu)點：已建立了關于知識表示及組織，目標搜索及匹配的完整體系。對需同過眾多規(guī)則的推理達到目標確認的問題，有很好的效果。 缺點：當樣品有缺損，背景不清晰，規(guī)則不明確甚至有歧義時，效果不好。 優(yōu)點：可處理一些環(huán)境信息十分復雜，背景知識不清楚，推理規(guī)則不明確的問題。允許樣品有較大的缺損和畸變。 缺點：模型在不斷豐富與完善中，目前能識別的程式類還不夠多。 本系統(tǒng)中主要用到的是基于神經網絡的字符識別方法。 字符識別原理 近年來，字符識別逐漸成為模式識別領域內的一個重要分支。和其他模式識別的應用一樣，字符識別的基本思想也是匹配判別。抽取代表未知字符模式本質的表達形式 (如各種特征 ) 和預先存儲在機器中的標準字符模式表達形式的集合 (稱為字典 ) 逐一匹配，用一定的準則進行判別，在機器存儲的標準字符模式表達形式的集合中，找出最接近輸入字符模式的表達形式，該表達形式對應的字就是識別結果。字符識別的原理框圖如圖 。 本科畢業(yè)設計 (論文 ) 第 5 頁 字符識別的原理如上圖所示。文字經光電掃描，模數(shù)轉換為帶灰度值的數(shù)字信號送至預處理環(huán)節(jié)。預處理的內容和要求取決于識別方法，一般包括行字切分，二值化，規(guī)范化等。經過預處理，字符模式成為規(guī)范化的二值數(shù)字點陣信息。對該二值化漢字點陣，抽取一定的表達形式后，與存儲在字典中已知的標準字符表達形式匹配判別，就可識別出輸入的未知字符。圖 的學習部分。學習是根據(jù)多個未知字樣抽取出模式表達形式，自動構造或修改充實字典，不斷提高系統(tǒng)識別率。字符的模式表達形式和相應的字典形式有多種，每種形式又可以選擇 不同的特征，每種特征又有不同的抽取方法。這些就使得判別方法和準則以及所用的數(shù)學工具不同，形成了種類繁多，形式各異的字符識別方法。 國內外研究現(xiàn)狀和發(fā)展趨勢 車牌識別技術自 1988 年以來，人們就對它進行了廣泛的研究，目前國內外已經有眾多的算法，一些實用的 LPR 技術也開始用于車流監(jiān)控、出入控制、電子收費、移動稽查等場合。然而，無論是 LPR 算法還是 LPR 產品幾乎都存在一定的局限性，都需要適應新的要求而不斷完善，如現(xiàn)有系統(tǒng)幾乎都無法有效解決復雜背景下的多車牌圖像分割定位與有效識別的技術障礙，另外也很難適應 全天候復雜環(huán)境及高速度的要求。 車牌字符識別實際上是依附在車牌上的印刷體文字的識別，能否正確識別不僅是文字識別技術的問題，還是考慮其載體 —— 車牌區(qū)域的影響。車牌字符識別圖 字符識別的原理框圖 預 處 理 模式表達 判 別 字 典 學 習 識別部分 學習部分 教師 字符圖像 本科畢業(yè)設計 (論文 ) 第 6 頁 技術是文字識別技術與車牌圖像自身因素協(xié)調兼顧的綜合性技術。由于攝像機的性能、車牌的整潔度、光照條件、拍攝時的傾斜角度及車輛運動等因素的影響使牌照中的字符可能出現(xiàn)比較嚴重的模糊、歪斜、缺損或污跡干擾，這些都給字符識別帶來了難度。盡管如此，我國依然有大量的學者從事車牌字符識別研究，文獻給出了基于神經網絡的車牌識別方法，對于解析度較高和圖像比較清晰 的車牌，這些方法能有效識別車牌中的字符，但對于較低解析度和較為模糊的車牌無能為力，因為這些方法只有在車牌中的每個字符被獨立分割出來的前提下才能完成識別工作。而獨立分割車牌取得字符，對較低解析度和較為模糊的車牌來說是非常困難的。車牌字符識別的研究在技術上已經取得了一定突破，然而離復雜多變的實際應用要求還有一定差距，許多新方法僅停留在理論和文章上或者限定在比較狹窄的約束范圍內，并不能以產品的形式大范圍投入使用。因而車牌字符識別的實用化研究仍然有很長的路要走。 目 前的車牌識別方法主要是針對車輛自動緩停收費、停車場 管理等場合，所監(jiān)視的區(qū)域一般只有單一車輛，背景也比較簡單。而如今的許多實際應用場合，監(jiān)視區(qū)域比較復雜，現(xiàn)有的方法無法直接應用。比如在移動交警稽查、高速公路的監(jiān)視與監(jiān)控、城市交通要道的監(jiān)視與監(jiān)控，所監(jiān)控的區(qū)域一般會同時出現(xiàn)多輛汽車，背景也比較復雜，有廣告牌、樹木、建筑物、斑馬線以及各種背景文字等。所以本課題針對這種情況創(chuàng)新性的提出了一種復雜背景下多車牌定位分割與識別方法，并考慮了彩色分割與 ColorLP 算法，這也是當前車牌圖像識別的發(fā)展趨勢。 當然，車牌識別系統(tǒng)的具體應用發(fā)展也很迅猛，從原來的停車靜止拍攝場景 應用，如收費站、停車場等，發(fā)展到移動公路車輛稽查、違章自動報警、超載闖紅燈等實時監(jiān)控場合應用，增加神經網絡自適應識別學習訓練功能，對于系統(tǒng)響應的速度、網絡化、智能化、識別成功率等實用化要求也越來越高。隨著上述核心技術的研究發(fā)展，應用領域和功能等也獲得大幅提高。 基于神經網絡的字符識別系統(tǒng) 系統(tǒng)簡介 該系統(tǒng)是為了辨認識別圖像中的字符而設計的，它通過對圖片的一系列處本科畢業(yè)設計 (論文 ) 第 7 頁 理，最后識別得出圖片中顯示的字符。 系統(tǒng)即可以單獨使用，也可以把它作為一個識別系統(tǒng)的軟件核心應用到車牌識別系統(tǒng)中去。 系統(tǒng)的基本技術要求 下面是系統(tǒng)具體要達到的基本技術要求 ； 90%； （識別時間）不能大于 1S； ； ； ； 系統(tǒng)的軟硬件平臺 (1).系統(tǒng)的軟件平臺 因為系統(tǒng)運行的過程當中，主要進行的都是圖象處理，在這個過程當中要進行大量的數(shù)據(jù)處理，所以處理器和內存要求比較高， CUP要求主頻在 600HZ及其以上，內存在 128MB及其 以 上。 (2).系統(tǒng)的軟件平臺 系統(tǒng)可以運行于 Windows 98, Windows2021, Windows XP 或者 Windows 2021操作系統(tǒng)下。程序調試時 ， 需要使用 Microsoft Visual C++ （ SP6） 。 本科畢業(yè)設計 (論文 ) 第 8 頁 第二章 字符識別系統(tǒng)中的關鍵技術 特征提取 圖像處理的高級階段是數(shù)字圖像分析（也對以稱為圖像理解），主要使用計算機系統(tǒng)，從圖像中提取有用的數(shù)據(jù)或信息，生成非圖像的描述或表示，如數(shù)值、符號等，即抽取圖像特征