【正文】 以精確地對(duì)漢字加以描述，這種方法也叫句法模式識(shí)別。常見(jiàn)的統(tǒng)計(jì)模式識(shí)別方法有： （ 1） 投影直方圖法。傅立葉描述子是利用傅立葉函數(shù)模擬封閉的輪廓線，將傅立葉和函數(shù)的各個(gè)系數(shù)作為特征，該方法致命缺點(diǎn)是對(duì)于輪廓線不封閉的字符圖像不適用。字符是由筆劃組成的，筆劃是由一定方向，一定位置關(guān)系和長(zhǎng)寬比的矩形線段組成的。模板匹配的字符識(shí)別方法是通過(guò)一定準(zhǔn)則確定決策函數(shù)，并進(jìn)行分類判斷的方法。 人工神經(jīng)網(wǎng)絡(luò)方法的 優(yōu)點(diǎn)和缺點(diǎn) 主要表現(xiàn)在如下的幾個(gè)方面： 神經(jīng)網(wǎng)絡(luò)的 優(yōu)點(diǎn) ： 1,能逼近任意線性函數(shù) 2,信息的并行分布式處理和存儲(chǔ) 3,可以多輸入多輸出 4,便于用超大規(guī)模的集成電路或光學(xué)集成電路系統(tǒng)實(shí)現(xiàn) 5,具有自學(xué)習(xí)的能力； 6,具有聯(lián)想存儲(chǔ)功能； 7,具有高速尋找優(yōu)化解的能力 . 雖然人工神經(jīng)網(wǎng)絡(luò)有上述的優(yōu)點(diǎn)，并且在 OCR 中也取得了一些成果，但是在車牌字符的識(shí)別中仍然存在很大的缺陷： l，車牌字符象素點(diǎn)陣小，筆劃常常出現(xiàn)斷裂，通過(guò)學(xué)習(xí)規(guī)則，誤差系數(shù)相差很小，容易出現(xiàn)誤識(shí)； 2，神經(jīng)網(wǎng)絡(luò)在進(jìn)行學(xué)習(xí)時(shí)，每次迭代的梯度值都受樣本中噪聲干擾，影響較大，整個(gè)系統(tǒng)收斂速度較慢，不適合實(shí)時(shí)識(shí)別的要求。當(dāng)按梯度下降學(xué)習(xí)法進(jìn)行學(xué)習(xí)的時(shí)候很容易陷入局部的最小值 ?？紤]到 LRS 對(duì)識(shí)別效果準(zhǔn)確率要求比較高，此種方法比較合適，但是怎么樣能 提高效率，這還是一個(gè)墮待解決的問(wèn)題。最后搭建了一個(gè)測(cè)試平臺(tái)，將上述三個(gè)部分進(jìn)行了系統(tǒng)化，對(duì)系統(tǒng)的性能進(jìn)行了測(cè)試和分析。為了進(jìn)一步提高定位準(zhǔn)確率，我們通過(guò)連續(xù)的兩幀圖像定出車大概位置，再在車的位置上搜索車牌，這樣不僅提高了準(zhǔn)確率，還提高了整個(gè)程序的運(yùn)行效率。首先對(duì)采集到的視頻圖像進(jìn)行大范圍相關(guān)搜索，找到符合汽車牌照特征的若干區(qū)域作為候選區(qū)，然后對(duì)這些侯選區(qū)域做進(jìn)一步分析、評(píng)判，最后選定一個(gè)最佳的區(qū)域作為牌照區(qū)域，并將其從圖象中分割出來(lái)。再由先驗(yàn)知識(shí)可知車牌的寬度與車寬成一定的比例，所以車牌寬度可由車寬求出，因此對(duì)每幀圖像求卷積能量時(shí)，卷積長(zhǎng)度采用自適應(yīng)的方法，進(jìn)一步提高車牌定位的準(zhǔn)確率。求得車牌上字符連通域)()1()( nxnxnx ?????? ????? Li WnihinXnX 1 1)(*)1()(19 的中心點(diǎn)，然后擬成直線的方法 。但是變換的最大優(yōu)點(diǎn)是抗干擾性強(qiáng)。 20 由于本文處理的對(duì)象是相對(duì)類型較少，變化較小的車牌，因此采用直接分割法。 字符 識(shí)別流程概述 當(dāng)一幅車牌的原始圖像經(jīng)過(guò)車牌定位和字符分割處理后，得到這個(gè)車牌的字符圖像，首先對(duì)字符圖像做歸一化處理，即把字符圖像歸一化成 20 32的標(biāo)準(zhǔn)大小的圖像，然后對(duì)這幅歸一化的圖像調(diào)用設(shè)計(jì)好的模板匹配程序進(jìn)行識(shí)別，字符識(shí)別流程如下： 識(shí)別車牌的第 1個(gè)字符（若分割正確的話應(yīng)該是漢字）： （ 1）調(diào)用漢字模板庫(kù)進(jìn)行匹配識(shí)別，若識(shí)別結(jié)果為漢字，則最終結(jié)果為一漢字，識(shí)別結(jié)束；若識(shí)別結(jié)果為空字符，即表示不是漢字，則進(jìn)行第二步。 （ 3）調(diào)用漢字模板進(jìn)行識(shí)別，若識(shí)別結(jié)果為漢字，則最終結(jié)果為一漢字，識(shí)別結(jié)束；若識(shí)別結(jié)果為空字符，則最終識(shí)別結(jié)果為空字符，識(shí)別結(jié)束。因此，細(xì)化在圖像處理中占有著重要的地位，是圖像分析、信息壓縮、特征抽取及模式識(shí)別常用的技術(shù)。具體的查表方法如下：設(shè)白點(diǎn)為 1，黑點(diǎn)為 0；自左上方開(kāi)始，左上方點(diǎn)對(duì)應(yīng)一個(gè) 8 位數(shù)的第一位，正上方點(diǎn)對(duì)應(yīng)第二位，右上方 點(diǎn)對(duì)應(yīng)第三位，左鄰點(diǎn)對(duì)應(yīng)第四位，右鄰點(diǎn)對(duì)應(yīng)第五位，左下方點(diǎn)對(duì)應(yīng)第六位，正下方點(diǎn)對(duì)應(yīng)第七位，右下方點(diǎn)對(duì)應(yīng)第八位，這樣就構(gòu)成了一個(gè) 8位二進(jìn)制數(shù)。 字符的細(xì)比對(duì)，是在字符經(jīng)過(guò)了粗比對(duì)的基礎(chǔ)上，待識(shí)別字符與標(biāo)準(zhǔn)模板中的每一個(gè)字符都有一個(gè)匹配值，這時(shí)，就要根據(jù)它所處的位置和它與標(biāo)準(zhǔn)模板的匹配情況，選擇匹配值最大的字符模板，認(rèn)為待識(shí)別字符就是該模板所代表的字符。這樣，我們就通過(guò)改進(jìn)的模板匹配方法達(dá)到了我們識(shí)別字符的最終目的。 輸入的圖像信息和識(shí)別參數(shù)設(shè)置值以參數(shù)的 形式傳。 圖 字符 O與 G的區(qū)別 經(jīng)過(guò)了三次細(xì)比對(duì)，我 們發(fā)現(xiàn)待識(shí)別字符并不是‘ Q’，‘ D’和‘ G’，所以我們就認(rèn)為它是‘ 0’或者‘ O’（對(duì)于這兩種字符，我們認(rèn)為通過(guò)字符匹配是無(wú)法區(qū)分的，我們只能通過(guò)他們所處的位置來(lái)確定，如果處在第二個(gè)字符位置，那么我們就認(rèn)為它是‘ O’，否則我們認(rèn)為它是‘ 0’），至此，我們就完成了對(duì)這個(gè)字符的識(shí)別，識(shí)別結(jié)果也就出來(lái)了。所謂的粗比對(duì)，就是按照車牌字符所特有的特征，如車牌上漢字后面的第一位應(yīng)該是英文字母，第二位和第三位有可能是英文字母也有可能是數(shù)字，最后三位應(yīng)該都是數(shù)字，正是按照這些特征，我們將待識(shí)別字符分成三組，第一組是英文字母，第二組是數(shù)字，第三組是數(shù)字或者字母，這樣，我們就把每一組分別和不同的字符標(biāo)準(zhǔn)模板進(jìn)行模式匹配，在這一次匹配中我們不需要做到非常的精 確，只需要匹配度達(dá)到一個(gè)基本的匹配閾值λ 0 以上就可以了，然后我們按照字符的匹配度將它分為幾組，分組情況如下： G， Q， D， O， 0一組， Z， 2 一組等，具體的識(shí)別流程圖如下圖所示： 細(xì) 化 后 的 字 符 根 據(jù) 字 符 的 位 置 分 組 與 同 組 的 標(biāo) 準(zhǔn) 模 版 匹 配比 較 所 有 的 匹 配 值 選 擇 最 相 近 的 字 符 25 圖 字符識(shí)別流程圖 這樣，就完成了對(duì)字符模板匹配的粗比對(duì)，但是，其中也有例外，例如‘ 1’‘ W’等字符，因?yàn)闆](méi)有與它們相似的字符，所以通過(guò)粗比對(duì)就可以確定，而其它字符還要經(jīng)過(guò)細(xì)比對(duì)才能得出識(shí)別結(jié)果。 根據(jù)這些判斷依據(jù)，我們可以制作一張表格，從 0到 255共有 256個(gè)元素，每個(gè)元素要么是 0，要么是 1。具體模板匹配的字符識(shí)別步驟如下： 一般使用的模板匹配法是直接使用歸一化后的圖像作為待識(shí)別字符圖像，而歸一化后的圖像由 于預(yù)處理的原因，很有可能筆劃粗細(xì)不均，并且存在著部分噪音點(diǎn)，不易于處理，所以我們首先采用細(xì)化的方法，將原來(lái)的待識(shí)別字符圖像中的字符進(jìn)行細(xì)化處理，然后再進(jìn)行模板匹配的粗比對(duì)，在通過(guò)粗比對(duì)將字符圖像分組后，再根據(jù)車牌字符的細(xì)節(jié)特征對(duì)字符進(jìn)行細(xì)比對(duì)，最終得到識(shí)別結(jié)果，從而實(shí)現(xiàn)了我們識(shí)別字符的目的，算法流程如下圖所示： 歸 一 化 后 圖 像 字 符 的 細(xì) 化 模 版 匹 配 粗 細(xì)根 據(jù) 粗 對(duì) 比 分 類模 板 匹 配 細(xì) 化 對(duì)識(shí) 別 結(jié) 構(gòu) 圖 算法流程圖 首先進(jìn)行第一步，細(xì)化處理。 識(shí)別車牌的第 4個(gè)字符（若分割正確的話應(yīng)該是字母或數(shù)字）： （ 1）調(diào)用字母模板庫(kù)進(jìn)行識(shí)別，若為字母，則最終結(jié)果為一個(gè)字母，識(shí)別結(jié)束；若識(shí)別結(jié)果為空字符，則表示不是字母，進(jìn)行第二步。 模板匹配是最為直觀的一種方法，就如字面所理解的，選用一些樣本作為模板，當(dāng)進(jìn)行判斷時(shí)，首先計(jì)算待測(cè)數(shù)據(jù)與模板之間的距離，這個(gè)距離通常是兩個(gè)數(shù)據(jù)向量差的一個(gè)范數(shù)，例如它們之間的直線距離等。直接分割法簡(jiǎn)單，但它的局限是分割點(diǎn)的確定需要較高的準(zhǔn)確性；基于識(shí)別結(jié)果的分割是把識(shí)別結(jié)果和分割結(jié)合起來(lái)，但是需要高準(zhǔn)確的識(shí)別結(jié)果。這樣就把原始圖像中的曲線或直線的檢測(cè)問(wèn)題，轉(zhuǎn)化為尋找變換空間的峰值問(wèn)題。進(jìn)行水平邊緣檢測(cè)，并進(jìn)行垂直投影的方法 。求極值處理公式如下： 導(dǎo)入原始圖像 圖像預(yù)處理增強(qiáng)效果圖像 邊緣提取 車牌定位 對(duì)圖像 開(kāi)閉運(yùn)算 ??? ? ?????? 其他)1( 0))1()((*))1()(()()( nx nxnxnxnxnxnx18 （式 ） 求相鄰點(diǎn)間的差公式如下： （式 ） 最后，由于車牌區(qū)域的變化頻度較大，在一 般情況下，車牌區(qū)域的卷積能量都是最大的，特殊情況下也是第二大。從本質(zhì)上講，就是一個(gè)在參量空間尋找最優(yōu)定位參量的問(wèn)題。由于光線不足或者反光等諸多因素，又可能造成車牌對(duì)比度較差，對(duì)接下來(lái)的紋理分析產(chǎn)生影響，17 所以有必要進(jìn)行圖像增強(qiáng)。將提取出的車牌圖像進(jìn)行二值化處理，根據(jù)投影圖的特點(diǎn)查找傾斜的角度，采用坐標(biāo)變換的方法進(jìn)行車牌傾斜校正，并利用其垂直投影圖中字符顯示出的峰群的特點(diǎn)進(jìn)行字符切分。模板的建立要針對(duì)字符的特征來(lái)進(jìn)行，通?？梢匀」P畫特征、幾何特征還有圖形的特征。神經(jīng)網(wǎng)絡(luò)有較強(qiáng)的容錯(cuò)性。 3． 人工神經(jīng)網(wǎng)絡(luò)識(shí)別 人工神經(jīng)網(wǎng)絡(luò)是模擬人腦思維方式的數(shù)學(xué)模型。字符統(tǒng)計(jì)模式是 把字符的點(diǎn)陣看成一個(gè)整體，通過(guò)做大量的統(tǒng)計(jì)得到所需要的特征。其特點(diǎn)是對(duì)于內(nèi)部筆劃粘連的字符識(shí)別的適應(yīng)性較強(qiáng)，直 觀性好，但是不易表示為矢量形式，不適合作為粗分類的特征，匹配難度大。 （ 3） 傅立葉描述子和 Spline 曲線近似。 統(tǒng)計(jì)決策論發(fā)展較早，理論也比較成熟 .其要點(diǎn)是提取待識(shí)別模式的一組統(tǒng)計(jì)特征，然后按照一定準(zhǔn)則所確定的決策函數(shù)進(jìn)行分類判決。其主要出發(fā)點(diǎn)是漢字的組成結(jié)10 構(gòu) .從漢字的構(gòu)成上講，漢字是由筆劃以及偏旁部首構(gòu)成的 。 所以在本次設(shè)計(jì)中主要研究了精確識(shí)別中的車牌照識(shí)別技術(shù)，分析研究圖像處理得算法，用以提高車牌照識(shí)別的準(zhǔn)確度。即高速公路入、出口以及路網(wǎng)內(nèi)關(guān)鍵點(diǎn)設(shè)置車牌照抓拍系統(tǒng)，攝取通過(guò)車輛牌照。 要做到對(duì)車輛行駛路徑的精確識(shí)別通常由兩種方法：通過(guò)土建設(shè)施的手段，確保任意車輛從一個(gè)收費(fèi)站（點(diǎn)）到另一收費(fèi)站（點(diǎn)）間只能有唯一的行駛路徑；通過(guò)標(biāo)識(shí)方法采集車輛行駛路徑信息，確認(rèn)車輛行駛路徑。當(dāng)路網(wǎng)中多路徑路段屬于同一經(jīng)營(yíng)主體時(shí) ,建議不對(duì)行駛路徑進(jìn)行精確識(shí)別。 路徑識(shí)別與通行費(fèi)收入拆分問(wèn)題主要從兩個(gè)方面解決 ,一是收費(fèi)車道業(yè)務(wù)操作層 ,主要是路徑識(shí)別問(wèn)題 。另一個(gè)是由滬杭、杭甫、繞城高速公路組成的路環(huán)。這種技術(shù)相當(dāng)于已經(jīng)識(shí)別出了車輛行駛路徑 ,但其依賴于美國(guó)的 GPS 定位系統(tǒng) ,受其控制的識(shí)別精度影響 ,目前 GPS 的導(dǎo)航精度為 10m,但不排除美國(guó)改變其導(dǎo)航精度的可能 ,使識(shí)別精度受到質(zhì)疑 ,另外其車載接收機(jī)的價(jià)格也是一個(gè)問(wèn)題。關(guān)于其應(yīng)用此項(xiàng)技術(shù)進(jìn)行路徑識(shí)別的研究還沒(méi)有見(jiàn)諸報(bào)道 ,但這樣一來(lái)就有望通過(guò)大量的 ETC 用戶 ,在關(guān)鍵路段安裝掃描器 ,來(lái)達(dá)到高概率智能識(shí)別車輛行駛路徑的效果。 5 第 2 章 國(guó)內(nèi)外研究現(xiàn)狀 多路徑識(shí)別在高速公路聯(lián)網(wǎng)收費(fèi)系統(tǒng)中起到的關(guān)鍵作用， 引起了 大家 廣泛的關(guān)注 和研究 ，下面我們將對(duì)該理論的歷史和發(fā)展歷程做出介紹。 第三章， 多路徑識(shí)別 基本理論。 本文設(shè)計(jì)的系統(tǒng)采用 MATLAB 搭建車輛牌照識(shí)別系統(tǒng)，具有非常明顯的優(yōu)勢(shì)： (1) 可以直接使用 MATLAB 的 Image Acquisition Toolbox 、 Image ProcessingToolbox 以及 Neural Network Toolbox 作為骨架來(lái)搭建整個(gè)系統(tǒng)。一般來(lái)說(shuō)，它們都是由特定領(lǐng)域的專家開(kāi)發(fā)的，用戶可以直接使用工具箱學(xué)習(xí)、應(yīng)用和評(píng)估不同的方法而不需要自己編寫代碼。函數(shù)所能解決的問(wèn)題其大致包括矩陣運(yùn)算和線性方程組的求解、微分方程及偏微分方程的組的求解、符號(hào)運(yùn)算、傅立葉變換和數(shù)據(jù)的統(tǒng)計(jì)分析、工程中的優(yōu)化問(wèn)題、 稀疏矩陣 運(yùn)算、復(fù)數(shù)的各種運(yùn)算、三角函數(shù)和其他初等數(shù)學(xué)運(yùn)算、多維數(shù)組操作以 及建模動(dòng)態(tài)仿真等。使之更利于非計(jì)算機(jī)專業(yè)的科技人員使用。這些工具方便用戶使用 MATLAB 的函數(shù)和文件，其中許多工具采用的是圖形用戶界面。同時(shí)由于高速公路中大型車輛倒卡、逃費(fèi)現(xiàn)象十分猖獗，通常表現(xiàn)為利用目前機(jī)電系統(tǒng)存在的功能不完善漏洞，實(shí)現(xiàn)相同貨車套牌倒卡具體表現(xiàn)為滿載長(zhǎng)途與空載短途同號(hào)牌車輛倒卡，即通過(guò)減少里程，逃避超載處罰力度。 template matching。 本文采用直方圖變換、邊緣檢測(cè)、二值化等方法對(duì)車牌圖像進(jìn)行了預(yù)處理。 本文介紹了多路徑識(shí)別的多種算法，并著重分析了識(shí)別算法中的汽車牌照識(shí)別，根據(jù)車牌圖像特點(diǎn)，對(duì)車牌識(shí)別算法關(guān)鍵環(huán)節(jié)包括數(shù)字圖像預(yù)處理，車牌定位，車牌字符識(shí)別等三部分一一進(jìn)行了分析研究。 license plate location。 多路徑識(shí)別主要解決高速公路通行費(fèi)的合理收取以及通行費(fèi)的準(zhǔn)確拆分問(wèn)題。它具有以下特點(diǎn)： 1．友好的工作平臺(tái)和編程環(huán)境 2 MATLAB 由一系列工具組成。新版本的MATLAB 語(yǔ)言是基于最為流行的 C＋＋ 語(yǔ)言基礎(chǔ)上的，因此語(yǔ)法特征與 C＋＋ 語(yǔ)言極為相似，而且更加簡(jiǎn)單，更加符合科技人員對(duì)數(shù)學(xué)表達(dá)式的書寫格式。 MATLAB 的這些函數(shù)集包括從最簡(jiǎn)單最基本的函數(shù)到諸如矩陣，特征向量、快速傅立葉變換的復(fù)雜函數(shù)。 5．應(yīng)用廣泛的模塊集合工具箱 MATLAB 對(duì)許多專門的領(lǐng)域都開(kāi)發(fā)了功能強(qiáng)大的模塊集和工具箱。 （包括用戶界面） 在開(kāi)發(fā)環(huán)境中，使用戶更方便地控制多個(gè)文件和圖形窗口；在編程 方面支持了函數(shù)嵌套，有條件中斷等；在圖形化方面，有了更強(qiáng)大的圖形標(biāo)注和處理功能，包括對(duì)性對(duì)起連接注釋等；在輸入輸出方面，可以直接向 Excel 和 HDF5 進(jìn)行連接。本章介紹了 多路徑識(shí)別 理論的歷史、發(fā)展 、國(guó)外各國(guó)發(fā)展現(xiàn)狀 及 立足我國(guó)的研究發(fā)展 方向。本章總結(jié)了本設(shè)計(jì)所完成的工作，并對(duì)其中的缺陷做出了說(shuō)明，指出了所采用算法的不足指出，對(duì)下一步的工作做了展望。日本最常用的 ETC 收費(fèi)站采取 3 個(gè)門橋的樣式 ,這 3 個(gè)門橋分別