【正文】 I 摘 要 車牌識(shí)別系統(tǒng)作為智能交通系統(tǒng)的重要組成部分，在交通監(jiān)視和控制中占有很重要的地位，已成為現(xiàn)代交通工程領(lǐng)域中研究的重點(diǎn)和熱點(diǎn)之一。車牌識(shí)別技術(shù)綜合了圖形處理 、 計(jì)算機(jī)視覺 、 模式識(shí)別的技術(shù)以及人工智能等多科學(xué)知識(shí)，目的在于無需為車輛加裝其他特殊裝置的情況下對(duì)車輛進(jìn)行自動(dòng)監(jiān)控，從而給交通系統(tǒng)的自動(dòng)化管理提供便捷。 本論文首先闡述了 車牌識(shí)別 系統(tǒng)的發(fā)展、現(xiàn)狀以及整體構(gòu)建，然后介紹了 Qt 平臺(tái) 以及 OpenCV跨平臺(tái)視覺庫 的發(fā)展?fàn)顩r，并對(duì)如何在 Win7 下配置 OpenCV 的 Qt 開發(fā)環(huán)境做出了介紹 。本文重點(diǎn)討論了圖像的 定 位 、 字符分割和字符識(shí)別的 原理與實(shí)現(xiàn)，最后對(duì)系統(tǒng)進(jìn)行了整體的測試，并提出進(jìn)一步開發(fā)設(shè)想。 關(guān)鍵詞 圖像定位；字符分割；字符識(shí)別； Abstract License Plate Recognition System plays an important role in traffic surveillance and control as an important part of the intelligent transportation system, has bee the focus and hotspot of research in the field of modern traffic engineering. License Plate Recognition technology bines scientific technologies such as image processing, puter vision, pattern recognition and artificial intelligence, the aim is to automatically control the vehicle without the need to install other special equipments, and thus to provide automated traffic management system convenience. This thesis describes the development of license plate recognition system, the present situation and the overall build in the first, then introduces the development of Qt platform and crossplatform visual OpenCV library, and makes a presentation of how to configure the OpenCV under Win7 Qt development environment. This article focuses on the principles and implementation of image positioning, character segmentation and character recognition. Finally, this thesis tests the whole system, and proposes ideas of further development. Key words Image Positioning。 Character Segmentation。 Character Recognition。1 前言 隨著現(xiàn)在經(jīng)濟(jì)的發(fā)展和城市進(jìn)程加快，汽車數(shù)量迅速增長，交通擁擠，交通事故等問題已經(jīng)成為世界各國面臨的共同難題，每個(gè)國家都毫無例外地承受著不斷加劇的交通問題的困擾。全球?qū)煌ㄟ\(yùn)輸提出了更大更高的要求，智能交通系統(tǒng)是世界各國解決交通擁擠的問題的關(guān)鍵措施，是規(guī)范智能交通系統(tǒng)發(fā)展的重要手段，其使人 、 車 、 路密切地配合，和諧地統(tǒng)一，極大提高交通運(yùn)輸效率 、保障交通安全 、 改善環(huán)境質(zhì)量和提高能源利用率。 汽車車牌識(shí)別技術(shù)是計(jì)算機(jī)視覺和模式識(shí)別技術(shù)在現(xiàn)代智能交通系統(tǒng)中的一項(xiàng)重要研究課題，是實(shí)現(xiàn)交通管理智能化的重要環(huán)節(jié)。車牌 識(shí)別系統(tǒng)是以數(shù)字圖像處理 、 模式識(shí)別 、 計(jì)算機(jī)視覺等技術(shù)為基礎(chǔ)的智能識(shí)別系統(tǒng)，它利用每一個(gè)汽車都有唯一的車牌號(hào)碼，通過攝像機(jī)所拍攝的車輛圖像進(jìn)行車牌號(hào)碼識(shí)別。在不影響汽車運(yùn)行的狀態(tài)下，計(jì)算機(jī)自動(dòng)完成車牌的識(shí)別，可降低交通管理工作的復(fù)雜程度。 1 課題概述 課題研究的意義與背景 近幾年來，隨著車輛在普通民眾生活中的普及，城市交通的壓力越來越成為影響人們出行方便的一大障礙，同時(shí)越來越重的城市交通壓力也使越有的交通管理系統(tǒng)不再滿足需求，于是人們利用各種先進(jìn)的科學(xué)技術(shù)研制出各種交通道路，車輛的管理系統(tǒng)，逐步發(fā)展 到如今較為全面的，包括交通管理多個(gè)方面的智能交通系統(tǒng)（ Intelligent Transportation System， ITS）。而在整個(gè)智能交通系統(tǒng)中，車牌識(shí)別（ License Plate Recognition， LPR）更是其中的一項(xiàng)關(guān)鍵所在。 車牌識(shí)別技術(shù)是融合了圖像處理 、 計(jì)算機(jī)視覺 、 模式識(shí)別技術(shù)和人工智能等多科學(xué)知識(shí)在內(nèi)的在交通領(lǐng)域的重要研究課題之一，是實(shí)現(xiàn)交通管理能夠智能化的重要環(huán)節(jié)和手段，其任務(wù)是分析 、處理汽車圖像，自動(dòng)識(shí)別車牌號(hào)，并進(jìn)行相關(guān)智能化數(shù)據(jù)庫管理。車牌識(shí)別系統(tǒng)可以廣泛應(yīng)用于電子收費(fèi) 、 出入控制 、 公路流量監(jiān)控 、 失竊車輛查詢和停車場車輛管理等需要車牌認(rèn)證的場合；特別是在高速公路收費(fèi)系統(tǒng)中，實(shí)現(xiàn)不停車收費(fèi)提高公路系統(tǒng)的運(yùn)行效率，車牌識(shí)別系統(tǒng)更具有不可替代的作用。因而從事車牌識(shí)別技術(shù)的研究具有極其重要的現(xiàn)實(shí)意義和巨大的經(jīng)濟(jì)價(jià)值。 在現(xiàn)代社會(huì)，隨著計(jì)算機(jī)技術(shù) 、 通信技術(shù)和計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的發(fā)展，自動(dòng)化的信息處理能力和水平不斷提高，并在人們社會(huì)活動(dòng)和生活的各個(gè)領(lǐng)域得到廣泛的應(yīng)用，人們正在逐步進(jìn)入信息時(shí)代。在此情況下，作為信息來源的自動(dòng)檢測 、 圖像識(shí)別技術(shù)越來越受到人們的重視。作為現(xiàn)代社會(huì)的主要交 通工具之一的汽車，在人們的生產(chǎn) 、 生活的各個(gè)領(lǐng)域得到大量的使用，對(duì)它的信息自動(dòng)采集和管理在交通車輛管理 、 園區(qū)車輛管理 、 停車場管理等方面有十分重要的意義，成為信息處理技術(shù)的一項(xiàng)重要課題。 國內(nèi)車牌特征與規(guī)格 我國機(jī)動(dòng)車輛使用的號(hào)牌是按照 GA362021《中華人民共和國機(jī)動(dòng)車號(hào)牌》標(biāo)準(zhǔn)設(shè)計(jì)，按照標(biāo)準(zhǔn) GA362021 規(guī)定，機(jī)動(dòng)車前面牌照的長度是 44cm，寬度是 14cm，共有 7 個(gè)字符，車牌上的字符的高度是 90mm,寬度是 45mm，分隔符“ .”的直徑是 10mm，字符與字符之間、字符與分隔符“ .”之間 的標(biāo)準(zhǔn)距離是 12mm，但是，由于字符的形狀是不一樣的，有些字符沒有占據(jù)整個(gè)矩形空間的寬度，這就導(dǎo)致車牌上部分字符之間的距離大于 12mm。其中，民用汽車牌照上有省、直轄市、自治區(qū)的簡稱和發(fā)證照及監(jiān)督機(jī)關(guān)的代號(hào)，代號(hào)是英文大寫字母。后面是一個(gè)五位數(shù)的汽車牌號(hào)，從00001~99999。當(dāng)編號(hào)超過 10 萬時(shí)，就由 A、 B、 C 等英文字母代替。 機(jī)動(dòng)車輛牌照的顏色特征是： (1)大型民用汽車使用的是黃底黑字車牌 2 (2)小型民用汽車使用的是藍(lán)底白字車牌 (3)試車和臨時(shí)牌使用的是白底紅字車牌 (4)軍隊(duì)或武警專用 汽車使用的是白底紅字、黑字車牌 (5)領(lǐng)使館外籍汽車使用的是黑底白字車牌 我國車牌規(guī)格如圖 11 所示： 圖 11 車牌規(guī)格圖 我國車牌實(shí)例如圖 12 所示： 圖 12 車牌規(guī)格圖 國內(nèi)外研究現(xiàn)狀 車牌自動(dòng)識(shí)別技術(shù)的研究國外起步地較早。早在 20 世紀(jì) 80 年代，便有一些零零散散的圖像處理方法用于車牌自動(dòng)識(shí)別的某些具體應(yīng)用。在這個(gè)階段，車牌自動(dòng)識(shí)別技術(shù)的研究還沒有形成完整的系統(tǒng)體系，一般采用簡單的圖像處理方法來解決某些具體問題，并且最終結(jié)果通常需要人工干預(yù)。 進(jìn)入 20 世紀(jì) 90 年代后，車牌自動(dòng)識(shí)別 的系統(tǒng)化研究開始起步。典型的如 等提出車輛牌照的自動(dòng)識(shí)別系統(tǒng)分圖像分割（ Image Segment） 、 特征提?。?Feature Extraction）和模板構(gòu)造（ Template Formation） 、 字符識(shí)別（ CharacterRecognition）等三個(gè)部分，完成車牌的自動(dòng)識(shí)別。3 使用視覺字符識(shí)別技術(shù)（ Optical Character Recognition Technology）分析所獲得的圖像，首先在二值化圖像中找到車牌，然后用邊界跟蹤技術(shù)提取字符特征，再利 用統(tǒng)計(jì)最鄰近分類器（ Statistical Nearest Neighbor Classifying System）與字符庫中的字符比較，得出一個(gè)或幾個(gè)車牌候選號(hào)碼，再對(duì)這些號(hào)碼進(jìn)行核實(shí)檢查，確定是否為該車牌號(hào)碼，最終確定車牌號(hào)碼。這個(gè)時(shí)期的應(yīng)用在識(shí)別正確率方面有所突破，但還沒有考慮識(shí)別實(shí)時(shí)性的要求，識(shí)別速度有待進(jìn)一步提高。 由于我國的車牌格式和國外有較大的差異，所以對(duì)于國外的車牌識(shí)別系統(tǒng)的研究技術(shù)，我們只能進(jìn)行參考，不能進(jìn)行直接應(yīng)用。雖然我國車牌的識(shí)別需要識(shí)別漢字，但是對(duì)于英文字母和數(shù)字的識(shí)別，我們可 以借鑒國外的研究技術(shù)。 從 80 年代中期開始， ARGUS 英國 Alphatech 公司就開始了名為 RAUS 的車牌自動(dòng)識(shí)別系統(tǒng)的研制。 ARGUS 的車牌識(shí)別系統(tǒng)的識(shí)別時(shí)間約為 100 毫秒，通過 ARGUS 的車速可高達(dá)每小時(shí) 100英里。還有 HiTech 公司的 See/Car system，新加坡 Optasia 公司的 VLPRS 等。另外日本、加拿大、德國等發(fā)達(dá)國家都有適用于本國的車牌識(shí)別系統(tǒng)。 國內(nèi)在 90 年代也開始了自己的車牌識(shí)別系統(tǒng)的研究。目前比較成熟的產(chǎn)品有中科院自動(dòng)化研究所漢王公司的漢王眼，香港亞洲視覺科技有限公司的 慧光車牌號(hào)碼識(shí)別系統(tǒng)等等。另外西安交通大學(xué)的圖像處理和識(shí)別實(shí)驗(yàn)室、上海交通大學(xué)的計(jì)算機(jī)科學(xué)和工程系、清華大學(xué)人工智能國家重點(diǎn)實(shí)驗(yàn)室、浙江大學(xué)自動(dòng)化系等都做過類似的研究。 雖然這些車牌識(shí)別系統(tǒng)的識(shí)別率大多都比較高，如 95%，甚至 97%、 98%， 但是這些車牌識(shí)別系統(tǒng)的識(shí)別檢測結(jié)果大多數(shù)是在簡單受限制的場景下取得的，在實(shí)際的交通場合以及更加復(fù)雜的背景環(huán)境的情況下，這些車牌識(shí)別系統(tǒng)的識(shí)別率一般都達(dá)不到 90%，甚至更低。 車牌識(shí)別系統(tǒng)的簡述 指能夠檢測到受監(jiān)控路面的車輛并自動(dòng)提取車輛牌照信息（含漢字字符、英 文字母、阿拉伯?dāng)?shù)字及號(hào)牌顏色）進(jìn)行處理的技術(shù)。車牌識(shí)別是現(xiàn)代智能交通系統(tǒng)中的重要組成部分之一，應(yīng)用十分廣泛。它以數(shù)字圖像處理、模式識(shí)別、計(jì)算機(jī)視覺等技術(shù)為基礎(chǔ)，對(duì)攝像機(jī)所拍攝的車輛圖像或者視頻序列進(jìn)行分析，得到每一輛汽車唯一的車牌號(hào)碼，從而完成識(shí)別過程。 課題主要研究的內(nèi)容 通過識(shí)別靜態(tài)的含有車牌的圖片，完成車牌數(shù)字自動(dòng)識(shí)別的功能。功能中主要包括圖像預(yù)處理、車牌定位、字符分割、字符識(shí)別等過程。利用模板匹配的方法實(shí)現(xiàn)自動(dòng)識(shí)別數(shù)字字符的功能。 主要研究內(nèi)容如下： （ 1）圖像預(yù)處理的研究。對(duì)圖像 進(jìn)行灰度化，二值化以及邊緣化處理。 （ 2）車牌定位的研究。車牌定位采用水平和垂直直方圖統(tǒng)計(jì)的方法，將車牌從圖像中定位出來。 （ 3）字符分割的研究。先對(duì)定位好的車牌進(jìn)行預(yù)處理，根據(jù)垂直方向的直方圖統(tǒng)計(jì)方法，定位出字 符的左右邊界，按左右邊界將字符切割出來；再根據(jù)切割出的字符定位上下界。 （ 4）字符識(shí)別的研究。對(duì)切割出來的字符進(jìn)行細(xì)化、去噪處理，再對(duì)其進(jìn)行特征提取，模板也做相應(yīng)操作。利用待識(shí)別字符和模板的特征進(jìn)行模板匹配，從而識(shí)別出字符。 圖 13 處理流程圖 2 系統(tǒng)的分析設(shè)計(jì)與實(shí)現(xiàn) 系統(tǒng)圖像處理技術(shù)概述 汽車車牌作為車輛的唯一標(biāo)識(shí)，其特征也就成為車牌識(shí)別的重要參考依據(jù)。因?yàn)檐嚺茍D像都是在室外拍攝的，所以不可避免地會(huì)受到光照、氣候等因素的影響，而且拍攝者的手部抖動(dòng)與車輛的移圖像輸入 圖像預(yù)處理 車牌定位 字符分割 字符識(shí)別 4 動(dòng)會(huì)造成圖像的模糊。要去除這些干擾就得先對(duì)車牌圖像進(jìn)行預(yù)處理。由于當(dāng)前數(shù)碼相機(jī)的像素較高，原始圖像的數(shù)據(jù)一般比較大，輸入的彩色圖像包含大量顏色信息，會(huì)占用較多的存儲(chǔ)空間，且處理時(shí)也會(huì)降低系統(tǒng)的執(zhí)行速度。因此對(duì)圖像進(jìn)行識(shí)別等處理時(shí)，常將彩色圖像轉(zhuǎn)換為灰度圖像，以加快 處理速度。對(duì)圖像進(jìn)行灰度化處理后常用的方法是圖像二值化、去除背景圖像、增強(qiáng)處理、邊緣檢測、濾波等處理等。 （ 1） 圖像灰度化 拍攝到的彩色車輛圖像包含大量的顏色信息，不僅僅在存儲(chǔ)上嚴(yán)重占用資源，并且在運(yùn)算處理上也會(huì)大大降低系統(tǒng)工作效率，所以在對(duì)圖像進(jìn)行識(shí)別中首先要做的就是將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像， RGB 模型中，如果 R=G=B 時(shí)，則彩色表示一種 灰度 顏色，其中 R=G=B 的值叫 灰度 值，因此， 灰度圖像每個(gè)像素只需一個(gè)字節(jié)存放 灰度 值 由于 灰度圖像每個(gè)像素只需一個(gè)字節(jié)存放灰度值， 從而降低存儲(chǔ)資源的占用，提高系統(tǒng)的運(yùn)算效 率?；叶然幚矸椒ㄖ饕幸韵氯N： 最大值法：使 R， G， B 的值等于三值中最大的一個(gè) R=G=B=max(R， G， B) 平均值法： 求出每個(gè)像素點(diǎn)的 R、 G、