【正文】 點(diǎn)作為特征來(lái)區(qū)分不同的字符。 統(tǒng)計(jì)模式識(shí)別認(rèn)為圖像可能包含一個(gè)或多個(gè)物體，并且每個(gè)物體屬于若干事先定義的類(lèi)型、范疇或模式之一。它優(yōu)點(diǎn)是可以并行處理，簡(jiǎn)單易行。 BP 網(wǎng)絡(luò)有以下優(yōu)點(diǎn)：只要能保證有足夠的隱層和隱層節(jié)點(diǎn)，就可以逼近任意的非線性映射關(guān)系 。然后，對(duì)待識(shí)別字符進(jìn)行圖像的歸一化操作，最后將字符與模板的每個(gè)像素點(diǎn)進(jìn)行一一的對(duì)照，與所有模板比對(duì)完成之后，選取其中相似結(jié)果最高的，作為最終的識(shí)別結(jié)果。 整個(gè)牌照識(shí)別的設(shè)計(jì)流程圖如下圖所示： 識(shí)別的整個(gè)流程就是：首先將采集到的汽車(chē)圖像進(jìn)行灰度化、灰度拉伸和濾波處理，以降低噪點(diǎn)、增加車(chē)牌部分的對(duì)比度。 圖像預(yù)處理一般包括以下步驟：對(duì)圖像的灰度進(jìn)行處理、圖像平滑、圖像增強(qiáng)、圖像二值化、圖像銳化、邊緣檢測(cè)。車(chē)牌定位是車(chē)牌識(shí)別系統(tǒng)中的關(guān)鍵和難點(diǎn)， 實(shí)際圖像中的噪聲、復(fù)雜背景等干擾都會(huì)使定位十分困難。同時(shí)減少圖像中的孤立干擾點(diǎn)，保留車(chē)牌字符邊緣，讓車(chē)牌字符圖像的灰度水平投影更有連續(xù)性。因此，在進(jìn)行字符分割與識(shí)別之前，有必要對(duì)牌照進(jìn)行傾斜校正。 Hough 變換運(yùn)用兩個(gè)坐標(biāo)之間的變換來(lái)進(jìn)行檢測(cè)。為了實(shí)現(xiàn)更好的分割，有關(guān)的總體知識(shí)和先驗(yàn)信息是很有用的，根據(jù)包含在圖像中的信息，可以制定相應(yīng)的判決準(zhǔn)則和控制策略，使其完成自動(dòng)分割。利用投影法對(duì)復(fù)雜環(huán)境下的汽車(chē)圖像中的字符分割有較好的效果。 （ 2）調(diào)用數(shù)字模板進(jìn)行識(shí)別，若為數(shù)字，則最終結(jié)果為一數(shù)字，識(shí)別結(jié)束；若為空字符，則表示不是數(shù)字，進(jìn)行第三步。例如，若識(shí)別出的車(chē)牌圖像的第 2個(gè)字符是漢字，則說(shuō)明字符模塊做字符分割的時(shí)候在車(chē)牌圖像的左邊提取了一個(gè)多余的字符，因此字符分割模塊要去掉這個(gè)多余的字符，從漢字字符起，依次提取出 7個(gè)字符來(lái)。所謂骨架，可以理解為圖像的中軸，例如一個(gè)長(zhǎng)方形的骨架就是它的長(zhǎng)方向上的中軸線；正方形的骨架就是它的中心點(diǎn)；圓的骨架就是它的圓心；直線的骨架就是它自身；孤立點(diǎn)的骨架也是自身。通過(guò)對(duì)整個(gè)圖像進(jìn)行一遍掃描，即完成了細(xì)化操作。 圖 字符 D與 O的區(qū)別 然后，我們?cè)侔汛R(shí)別圖像與字母‘ G’的標(biāo)準(zhǔn)模板來(lái)比對(duì)，通過(guò)圖 我們可以看出，數(shù)字‘ 0’和字母‘ G’的最大區(qū)別在于圖像的右上部，所以我們只需要比較待識(shí)別字符圖像的右上部分即可。 軟件環(huán)境： 操作系統(tǒng)： Windows XP 圖像格式： jpg 格式， 24位真彩色 編程環(huán)境： MATLAB 2021。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。 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。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)。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)。 （ 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。 字符識(shí)別流程概述 當(dāng)一幅車(chē)牌的原始圖像經(jīng)過(guò)車(chē)牌定位和字符分割處理后，得到這個(gè)車(chē)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(chē)牌的第 1個(gè)字符（若分割正確的話(huà)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。 20 由于本文處理的對(duì)象是相對(duì)類(lèi)型較少，變化較小的車(chē)牌，因此采用直接分割法。但是變換的最大優(yōu)點(diǎn)是抗干擾性強(qiáng)。求得車(chē)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 。再由先驗(yàn)知識(shí)可知車(chē)牌的寬度與車(chē)寬成一定的比例，所以車(chē)牌寬度可由車(chē)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(chē)牌定位的準(zhǔn)確率。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(chē)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)。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(chē)大概位置，再在車(chē)的位置上搜索車(chē)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。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。考慮到 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。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 。 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(chē)牌字符的識(shí)別中仍然存在很大的缺陷： l，車(chē)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。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(lèi)判斷的方法。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。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。常見(jiàn)的統(tǒng)計(jì)模式識(shí)別方法有： （ 1） 投影直方圖法。由這些結(jié)構(gòu)基元及其相互關(guān)系完全可以精確地對(duì)漢字加以描述，這種方法也叫句法模式識(shí)別。整個(gè)系統(tǒng)的核心是軟件部分的工作，能否通過(guò)牌照對(duì)車(chē)輛進(jìn)行有效管理，很大程度上取決于軟件部分識(shí)別車(chē)牌的準(zhǔn)確性。 概率識(shí)別 一般來(lái)說(shuō)，道路使用者路徑選擇行為是基于道路使用效益最大化和運(yùn)營(yíng)成本最小化的原則之上的，即：花最少的時(shí)間、最少的費(fèi)用、走最短的路、獲取最大的效益。 準(zhǔn)確識(shí)別車(chē)輛的實(shí)際行駛路徑，可分為停車(chē)式和不停車(chē)兩種，以下提到的標(biāo)識(shí)站均為“停車(chē)式標(biāo)識(shí)站”。高速公路多路徑識(shí)別技術(shù)作為依附于高速公路聯(lián)網(wǎng)收費(fèi)的一門(mén)新技術(shù)必然會(huì)隨著聯(lián)網(wǎng)收費(fèi)技術(shù)的進(jìn)步而不斷發(fā)展完善 ,特別是在當(dāng)前提倡的電子不停車(chē)收費(fèi) (ETC)技術(shù)不斷成熟完善的情況下 ,對(duì)車(chē)輛行駛路徑的精確識(shí)別必然會(huì)在現(xiàn)實(shí)和經(jīng)濟(jì)上都允許的前提下得以實(shí)現(xiàn)。 車(chē)道收費(fèi)業(yè)務(wù)操作要求盡可能精確識(shí)別每一車(chē)輛的行駛路徑 ,不損害道路通行者利益 ,合理收取通行費(fèi)。浙江省當(dāng)時(shí)采用的方法是以出口 /入口隔離法為輔 ,通行費(fèi)的拆分則是在對(duì) 歷史交通量和未來(lái)交通量的分析基礎(chǔ)上 ,與路公司共同商討 ,取得一致同意的情況下達(dá)成用節(jié)點(diǎn)位勢(shì)法來(lái)進(jìn)行多路徑的路徑識(shí)別 ,它仿照電學(xué)里面的節(jié)點(diǎn)位勢(shì)法 ,確定用路段里程來(lái)表征路段阻抗 ,從而計(jì)算出多路徑情況下各路徑的行駛車(chē)輛數(shù) ,進(jìn)而依次在各路公司拆分通行費(fèi) ,對(duì)車(chē)輛的通行費(fèi)按照最短路徑來(lái)征收。由于路網(wǎng)結(jié)構(gòu)的復(fù)雜性 ,有的里面具有環(huán)形結(jié)構(gòu) ,隨著路網(wǎng)的不斷完善這種環(huán)形結(jié)構(gòu)將會(huì)越來(lái)越多 , 而一個(gè)路網(wǎng)里面一般有多個(gè)路公司在管理 ,如何確定車(chē)輛行駛路徑也就成為一個(gè)擺在眼前的問(wèn)題了。自 2021 年 8 月 31 日起 ,實(shí)施一項(xiàng)新的高速公路收費(fèi)政策 ,即所有行駛在德國(guó)高速公路上的 12 噸以上的重型卡車(chē) ,包括外國(guó)入境運(yùn)輸車(chē)輛 , 都必須繳納高速公路行駛費(fèi)。 日本是一個(gè)典型的對(duì)高速公路實(shí)行收費(fèi)制度的國(guó)家，其在高速公路收費(fèi)防堵方面進(jìn)行了不倦的探索。首先講述了 多路徑識(shí)別 理論的 構(gòu)成 ，然后圍繞 多路徑識(shí) 別算法的精確識(shí)別 中汽車(chē)牌照識(shí)別技術(shù)的主要 算法展開(kāi)討論，介紹了該技術(shù)應(yīng)用了哪些方面的知識(shí)， 是如何實(shí)現(xiàn)的。 (3) 使用專(zhuān)業(yè)工具箱，使得研究人員不必過(guò)于關(guān)心程序的細(xì)節(jié)問(wèn)題，可以將主要的精力放在算法的研究、設(shè)計(jì)方面，極大地減少了工作量，為算法的研究改進(jìn)提供了先決條件。 6．使用的程序接口和發(fā)布平臺(tái) 新版本的 MATLAB 可以利用 MATLAB 編譯器和 C/C++數(shù)學(xué)庫(kù)和圖形庫(kù)，將自己的 MATLAB 程序自動(dòng)轉(zhuǎn)換為獨(dú)立于 MATLAB 運(yùn)行 的 C 和 C++代碼。高層次的作圖包括二維和三維的可視化、圖象處理、動(dòng)畫(huà)和表達(dá)式作圖。 3．強(qiáng)大的科學(xué)計(jì)算數(shù)據(jù)處理能力 MATLAB 是一個(gè)包含大量計(jì)算算法的集合。隨著 MATLAB 的商業(yè)化以及軟件本身的不斷升級(jí)， MATLAB 的用戶(hù)界面也越來(lái)越精致，更加接近 Windows 的標(biāo)準(zhǔn)界面，人機(jī)交互性更強(qiáng)，操作更簡(jiǎn)單。所以多路徑識(shí)別在實(shí)現(xiàn)識(shí)別車(chē)輛的實(shí)際行駛路徑從而進(jìn)行收費(fèi)拆分，同時(shí)也要解決倒卡、逃費(fèi)問(wèn)題。 OCR 4 目 錄 第 1 章 緒論 ...................................................................................................................... 1 研究背景和意義 ......................................................................................................... 1 MATLAB 的概述 ........................................................................................................ 1 本文框架結(jié)構(gòu) ............................................................................................................. 4 第 2 章 國(guó)內(nèi)外研究現(xiàn)狀 ............................................................................................... 5 國(guó)外研究現(xiàn)狀 ............................................................................................................. 5 國(guó)內(nèi)研究現(xiàn)狀 ............................................................................................................. 6 第 3 章 多路徑識(shí)別算法的基本理論 ....................................................................... 8 多路徑識(shí)別方法的分類(lèi) ............................................................................................. 8 精確識(shí)別 ................................................................................................................... 8 概率識(shí)別 ............................................................................................................... 9 多路徑識(shí)別算法的理論基礎(chǔ) ...................................................................................... 9 車(chē)牌照識(shí)別的主要算法 ...................................................................................... 9 本文采用的識(shí)別算法 ......................................................................................... 12 第 4 章 基于模板匹配的車(chē)牌識(shí)別詳細(xì)設(shè)計(jì) ..................................................... 15 圖像采集 .......................................................................................................