【正文】 ... 21 附錄 .................................................................................................................................. 22 致謝 .................................................................................................................................. 30 車牌識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 1 1 引言 車牌號(hào)識(shí)別系統(tǒng)概述 （ 1）車牌號(hào)識(shí)別系統(tǒng)的研究背景 隨著經(jīng)濟(jì)社會(huì)的迅猛發(fā)展，人們的生活水平的提高， 私有車輛不斷增多，公路上的車輛超速，超載以及日常丟車的現(xiàn)象越來越嚴(yán)重，尤其在高速公路的出口或者進(jìn)口處，由現(xiàn)在的科技的限制無法采用自動(dòng)計(jì)費(fèi)方式，所以就造成了收費(fèi)緩慢，造成了交通的堵塞，嚴(yán)重影響了社會(huì)的安定和人們的日常生活，為了提高車輛的管理效率，緩解公路上的交通壓力，我們必須找到一種解決方案。車牌識(shí)別系統(tǒng)最主要的就是怎樣獲得車牌圖片并自動(dòng)從圖像中分析出車輛號(hào)碼牌。 關(guān)于車牌識(shí)別技術(shù)及定位系統(tǒng)研究，在我國(guó)已經(jīng)有了十幾年的發(fā)展歷程，目前系統(tǒng)的應(yīng)用還處于起步階段，大規(guī)模投入使用的成熟系統(tǒng)還沒有出現(xiàn)，汽車牌照識(shí)別系統(tǒng)作為改進(jìn)交通管理的有效工具，技術(shù)水平仍需完善。它在數(shù)學(xué)類科技應(yīng)用軟件中在數(shù)值計(jì)算方面首屈一指。 在此系統(tǒng)中首先是探測(cè)車輛的所在位置和行駛狀況等。硬件設(shè)備采集到圖片后首先要考慮圖像的格式。 具體的說， MATLAB 運(yùn)行時(shí)，如直接在命令行輸入 MATLAB 語(yǔ)句（命令），包括調(diào) M 文件的語(yǔ)句，每輸入一條語(yǔ)句，就立即對(duì)其進(jìn)行處理，完成編譯、鏈接和運(yùn)行的全過程。于是 MATLAB 可以很方便地移植到能運(yùn)行 C 語(yǔ)言的操作平臺(tái)上。 （ 6）方便的繪圖功能 MATLAB 的繪圖是十分方便的，它有 一系列繪圖函數(shù)（命令），例如線性坐標(biāo)、對(duì)數(shù)坐標(biāo)、半對(duì)數(shù)坐標(biāo)及極坐標(biāo)，均只需調(diào)用不同的繪圖函數(shù)（命令），在圖上標(biāo)出圖題、XY 軸標(biāo)注，格（柵）繪制也只需調(diào)用相應(yīng)的命令，簡(jiǎn)單易行。 在采集到的圖像中車輛號(hào)碼牌均在自然背景下，在自然背景中準(zhǔn)確地確定牌照所在區(qū)域是整個(gè)識(shí)別過程的關(guān)鍵。用人工神經(jīng)網(wǎng)絡(luò)字符識(shí)別進(jìn)行字符識(shí)別主要有兩種方法：一種方法是先對(duì)待識(shí)別字符進(jìn) 行特征提取，然后用所獲得的特征來訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類器。 3 圖像預(yù)處理及其 MATLAB實(shí)現(xiàn) 利用攝像頭拍攝到的車輛圖像往往存在很多噪點(diǎn)，因此在進(jìn)行識(shí)別前要進(jìn)行車輛圖像的預(yù)處理。真彩色圖像都是由三基色 R,G,B圖像合成后顯示的，其原理是自然界中客觀存 在的任一種顏色都可由 3種相互獨(dú)立的顏色按一定的比例混合而成 ——R（紅）， G，（綠）， B（藍(lán)）。 車牌識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 10 邊緣檢測(cè)的主要作用是精確定位邊緣和抑制噪點(diǎn)，基本思想是利用邊緣增 強(qiáng)算子，凸顯出圖像中的局部邊緣，然后再定義像素的 “邊緣強(qiáng)度 ”，通過設(shè)置門限來提取邊緣點(diǎn)集。 本次設(shè)計(jì)中采用 Roberts 邊緣算子，因?yàn)?Robert算子定位較精確，但由于不包括平滑處理，所以對(duì)噪聲比較敏感。在汽車牌照?qǐng)D像處理初期，若不能有效抑制或者去除這些噪點(diǎn)，將影響車牌定位的準(zhǔn)確性或者造成無法定位。總結(jié)起來主要有如下幾類方法 [9]： (1) 基于車牌顏色特征的定位方法，這種方法主要是應(yīng)用車牌的紋理特征、形 狀特征和顏色特征即利用車牌字符和車牌底色具有明顯的反差特征來排除干擾進(jìn)行車牌的定位。 （ 3）由于環(huán)境、道路或人為因素等造成的汽車 牌照嚴(yán)重污染，在國(guó)外發(fā)達(dá)國(guó)家這種情況是不允許上路的，而在我國(guó)則仍可在路上行駛。依據(jù)車牌底色有關(guān)的知識(shí)，采用彩色像素點(diǎn)統(tǒng)計(jì)的方法分割出合理的車牌區(qū)域，確定車牌底色藍(lán)色 RGB 對(duì)應(yīng)的各自灰度范圍，然后行方向統(tǒng)計(jì)在此顏色范圍內(nèi)的像素點(diǎn)數(shù)量，設(shè)定合理的閾值，確定車牌在行方向的合理區(qū)域。 圖像 腐蝕處理 去除 雜質(zhì) 計(jì)算尋找 車牌區(qū)域 車牌 定位 車牌 分割并處理 車牌識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 15 圖像的二值化 處理就是將圖像上的點(diǎn)的灰度置為 0 或 255，也就是講整個(gè)圖像呈現(xiàn)出明顯的黑白效果。圖像中對(duì)象物的形狀特征的主要信息，常?？梢詮亩祱D像中得到。 車牌識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 17 5 車輛號(hào)碼牌的字符分割 在 定位出車牌區(qū)域 后，就要對(duì)車牌進(jìn)行字符分割，針對(duì)車牌字符串的特點(diǎn)提出了一種新的 車牌字符分割 算法。 字符分割流程圖 如圖 17 所示 ： 圖 17 字符分割與歸一化流程圖 字切分是從切分出的文本圖像行中將單個(gè)的字符圖像切分出來。 字符歸一化 分割出來的字符要進(jìn)行進(jìn)一步的處理，滿足字符識(shí)別的需要。 （ 2）神經(jīng)網(wǎng)絡(luò)字符識(shí)別算法。實(shí)際應(yīng)用中，當(dāng)字符出現(xiàn)字符模糊、筆畫融合、斷裂、部分缺失時(shí)，此方法效果不理想，魯棒性較差。 它在車輛過路、交通流量控制指標(biāo)的測(cè)量， 車輛自動(dòng)識(shí)別，不停車檢查，汽車防盜，稽查和追蹤車輛違規(guī)、違法行為，維護(hù)交通安全和城市治安，防止交通堵塞，提高收費(fèi)路橋的服務(wù)速度，緩解交通緊張狀況等方面有重要作用，有重要的現(xiàn)實(shí)應(yīng)用意義。原圖 39。robert39。 se=[1。 se=strel(39。 I5=bwareaopen(I4,2020)。%藍(lán)色像素點(diǎn)統(tǒng)計(jì) end end end [temp MaxY]=max(Blue_y)。(PY2y)) PY2=PY2+1。 end PX2=x。 figure(7),subplot(1,2,1),imshow(IY),title(39。 a=imread(39。subplot(3,2,1),imshow(b),title(39。 .jpg39。average39。) % 某些圖像進(jìn)行操作 % 膨脹或腐蝕 % se=strel(39。ball39。 figure(8),subplot(3,2,5),imshow(d),title(39。 while j~=n while s(j)==0 j=j+1。 % 分割 end end % 再切割 d=qiege(d)。 while sum(d(:,wide+1))~=0 wide=wide+1。word1=temp。 車牌識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 26 % 分割出第七個(gè)字符 [word7,d]=getword(d)。339。 subplot(5,7,6),imshow(word6),title(39。 word2=imresize(word2,[40 20])。)。439。 subplot(5,7,21),imshow(word7),title(39。)。39。 liccode=char([39。 39。])。 else l=3 %第三位以后是字母或數(shù)字識(shí)別 kmin=1。 elseif l==2 %第二位 A~Z 字母識(shí)別 kmin=11。 t=imread([ii,39。:39。39。)。 imwrite(word2,39。639。)。 subplot(5,7,15),imshow(word1),title(39。 [m,n]=size(word1)。539。)。 % 分割出第五個(gè)字符 [word5,d]=getword(d)。 two_thirds=sum(sum(temp([round(m/3):2*round(m/3)],:)))。 left=1。 if k2k1=round(n/) [val,num]=min(sum(d(:,[k1+5:k25])))。s=sum(d)。 .jpg39。diamond39。 figure(8),subplot(3,2,4),imshow(d),title(39。 39。 d=(double(b)=T)。)。39。 dw=I(PY1:PY28,PX1:PX2,:)。amp。 while ((Blue_y(PY2,1)=5)amp。 tic Blue_y=zeros(y,1)。平滑圖像的輪廓 39。腐蝕后圖像 39。robert算子邊緣檢測(cè) 39。)。 figure(1),imshow(I)。 （ 2）在車牌定位我們采用基于灰度跳變的定位方法，采用先對(duì)圖像進(jìn)行預(yù)處理，再進(jìn)行二值化操作的方法。 （ 3）統(tǒng)計(jì)特征匹配法。該方法能夠快速的識(shí)別字符，但是對(duì)噪點(diǎn)比較敏感。為了解決這個(gè)問題，可以利用漢字間的間隔一般大于漢字內(nèi)間隔這一特點(diǎn)先進(jìn)行漢字的粗切分，再根據(jù)漢字基本是個(gè)方塊圖形這一事實(shí)進(jìn)行細(xì)切分。首先由行切分得到一行行文本，然后在每行文本中進(jìn)行列切分得到一個(gè)個(gè)單獨(dú)的字符。對(duì) 車牌的灰度處理圖像如圖 13 所示： 圖 13 車牌灰度圖像 灰度處理完成后需要對(duì)車牌區(qū)域進(jìn)行二值化處理，二值化處理的基本原理上文已經(jīng)車牌識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 16 講述。如果物體同背景的差別表現(xiàn)不在灰度值上（比如紋理不同），可以將這個(gè)差別特征轉(zhuǎn)換為灰度的差別，然后利用閥值選取技術(shù)來分割該圖像 [11]。其次，要進(jìn)行二值圖像的處理與分析，首先要把 灰度圖像 二值化，得到二值化圖像。這些子區(qū)域四某種意義下具有共同屬性的像素的連通集合 。 車輛號(hào)碼牌的區(qū)域分割 針對(duì)我國(guó)車牌的特點(diǎn)，識(shí)別難度較大，我國(guó)車牌主要特點(diǎn)有以下方面 : 車牌識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 13 （ 1）我國(guó)汽車牌照的規(guī)范懸掛位置不唯一。進(jìn)而對(duì)車輛號(hào)碼牌進(jìn)行定位。圖像的平滑是 一種實(shí)用的數(shù)車牌識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 11 字圖像處理技術(shù)，一個(gè)較好的平滑處理方法應(yīng)該既能消除圖像噪聲，又不使圖像邊緣輪廓和線條變模糊，這就是研究數(shù)字圖像平滑處理要追求的目標(biāo) [8]。 Prewitt算子和 Sobel算子都是一階的微分算子，前者是平均濾波，后者是加權(quán)平均濾波且檢測(cè)的圖像邊緣大于 2個(gè)像素。所謂邊緣，是指其周圍像素灰度有變化的那些像素的集合。) 車輛圖像讀入 灰度校正 提取邊緣 平 滑處理 車牌識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 8 Imread所支持的圖像格式有很多，我們?cè)诖藶榇蠹页尸F(xiàn)一些重要的圖像格式。這些影響因素降低了牌照識(shí)別的識(shí)別率，也正是牌照 識(shí)別系統(tǒng)的困難和挑戰(zhàn)所在。車輛號(hào)碼牌字符分割流程圖 如圖 3 所示 ： 圖 3 車輛號(hào)碼牌字符分割流程圖 車輛號(hào)碼牌的識(shí)別 目前用于車牌字符識(shí)別中的算法主要有兩種，分別是基于模板匹配的字符識(shí)別算法以及基于人工神經(jīng)網(wǎng)絡(luò)的字符識(shí)別算法。對(duì)于后續(xù)車牌識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 6 處理來說，以提取圖像特征為目的的圖像預(yù)處理在圖像處理過程中顯得非常重要。 （ 5） 語(yǔ)句簡(jiǎn)單，內(nèi)涵豐富 MATLAB 語(yǔ)言中最基本最重要的成分是函數(shù)，其一般形式為 [a,b,c， ...]=fun(d,e,f,...),即一個(gè)函數(shù)由函數(shù)名，輸入變量 d,e,f,...和輸出變量 a,b,c,...組成，同一函數(shù)名 F，不同數(shù)目的輸入變量（包括無輸入變量）及不同數(shù)目的輸出變量，代表著不同的含義（有點(diǎn)像面向?qū)ο笾械亩鄳B(tài)性）。由于它編寫簡(jiǎn)單，所以編程效率高，易學(xué)易懂。 MATLAB 語(yǔ)言與其他語(yǔ)言相比，較好的解決了上述問題，把編輯、編譯、鏈接和執(zhí)行融為一體。 本課題主要軟件的研究即對(duì) matlab 的運(yùn)用，主要工作是設(shè)計(jì)軟件，對(duì)已攝取到的車輛照片進(jìn)行一系列處理，實(shí)現(xiàn)車輛號(hào)碼牌的識(shí)別。 具體步驟如圖 1 所示： 圖 1 系統(tǒng)基本原理示意圖 系統(tǒng)硬件設(shè)計(jì) 系統(tǒng)的硬件主要是對(duì)車輛號(hào)碼牌進(jìn)行圖像采集的設(shè)備，其主要作用就是對(duì)車輛號(hào)碼牌進(jìn)行采集和存儲(chǔ)，車牌識(shí)別系統(tǒng)的基本硬件配置由攝像機(jī)、主控機(jī)、采集卡和照明裝置等組成。它將 數(shù)值分析 、 矩陣計(jì)算 、科學(xué)數(shù)據(jù)可視化以及非 線性 動(dòng)態(tài)系統(tǒng)的 建模 和仿真等諸多強(qiáng)大功能集成在一個(gè)易于使用的視窗環(huán)境中，為科學(xué)研究、工程設(shè)計(jì)以及必須進(jìn)行有效 數(shù)值計(jì)算 的眾多科學(xué) 領(lǐng)域 提供了一種全面的解決方案，并在很大程度上擺脫了傳統(tǒng)非交互式 程序設(shè)計(jì)語(yǔ)言 （如 C、 Fortran）的編輯模式，代表了當(dāng)今國(guó)際科學(xué)計(jì)算軟件的先進(jìn)水平 [2]。同時(shí)代，還誕生了面向被盜車輛的第一個(gè)實(shí)時(shí)自動(dòng)車牌監(jiān)測(cè)系統(tǒng)。而傳統(tǒng)設(shè)備如 IC 卡識(shí)別因價(jià)格昂貴，設(shè)備復(fù)雜無形中增加了企業(yè)的成本，因此基于圖像處理的車牌識(shí)別方法，努力提高車牌識(shí)別系統(tǒng)的性能是有非常重要的現(xiàn)實(shí)意義。 image preprocessing。圖表整潔，布局合理，文字注釋必須使用工程字書寫，不準(zhǔn)用徒手畫 3）畢 業(yè)論文須用