【正文】 圖 字符 O與 G的區(qū)別 經(jīng)過了三次 細比對，我們發(fā)現(xiàn)待識別字符并不是‘ Q’，‘ D’和‘ G’，所以我們就認為它是‘ 0’或者‘ O’（對于這兩種字符，我們認為通過字符匹配是無法區(qū)分的，我們只能通過他們所處的位置來確定，如果處在第二個字符位置，那么我們就認為它是‘ O’，否則我們認為它是‘ 0’），至此，我們就完成了對這個字符的識別，識別結(jié)果也就出來了。 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個元素，每個元素要么是 0，要么是 1。 識別車牌的第 4個字符（若分割正確的話應該是字母或數(shù)字）： （ 1）調(diào)用字母模板庫進行識別，若為字母，則最終結(jié)果為一個字母，識別結(jié)束；若識別結(jié)果為空字符，則表示不是字母，進行第二步。直接分割法簡單，但它的局限是分割點的確定需要較高的準確性；基于識別結(jié)果的分割是把識別結(jié)果和分割結(jié)合起來，但是需要高準確的識別結(jié)果。進行水平邊緣檢測，并進行垂直投影的方法 。從本質(zhì)上講，就是一個在參量空間尋找最優(yōu)定位參量的問題。將提取出的車牌圖像進行二值化處理，根據(jù)投影圖的特點查找傾斜的角度，采用坐標變換的方法進行車牌傾斜校正，并利用其垂直投影圖中字符顯示出的峰群的特點進行字符切分。神經(jīng)網(wǎng)絡有較強的容錯性。字符統(tǒng)計模式是 把字符的點陣看成一個整體，通過做大量的統(tǒng)計得到所需要的特征。 （ 3） 傅立葉描述子和 Spline 曲線近似。其主要出發(fā)點是漢字的組成結(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 。即高速公路入、出口以及路網(wǎng)內(nèi)關(guān)鍵點設置車牌照抓拍系統(tǒng)，攝取通過車輛牌照。當路網(wǎng)中多路徑路段屬于同一經(jīng)營主體時 ,建議不對行駛路徑進行精確識別。另一個是由滬杭、杭甫、繞城高速公路組成的路環(huán)。關(guān)于其應用此項技術(shù)進行路徑識別的研究還沒有見諸報道 ,但這樣一來就有望通過大量的 ETC 用戶 ,在關(guān)鍵路段安裝掃描器 ,來達到高概率智能識別車輛行駛路徑的效果。 第三章， 多路徑識別 基本理論。一般來說，它們都是由特定領(lǐng)域的專家開發(fā)的，用戶可以直接使用工具箱學習、應用和評估不同的方法而不需要自己編寫代碼。使之更利于非計算機專業(yè)的科技人員使用。同時由于高速公路中大型車輛倒卡、逃費現(xiàn)象十分猖獗，通常表現(xiàn)為利用目前機電系統(tǒng)存在的功能不完善漏洞，實現(xiàn)相同貨車套牌倒卡具體表現(xiàn)為滿載長途與空載短途同號牌車輛倒卡，即通過減少里程，逃避超載處罰力度。 本文介紹了多路徑識別的多種算法，并著重分析了識別算法中的汽車牌照識別，根據(jù)車牌圖像特點，對車牌識別算法關(guān)鍵環(huán)節(jié)包括數(shù)字圖像預處理，車牌定位，車牌字符識別等三部分一一進行了分析研究。 template matching。包括 MATLAB 桌面和命令窗口、歷史命令窗口、編輯器和調(diào)試器、路徑搜索和用于用戶瀏覽幫助、工作空間、文件的瀏覽器。 4．出色的圖像處理功能 MATLAB 自產(chǎn)生之日起就具有方便的數(shù)據(jù)可視化功能，以將向量和矩陣用圖形表現(xiàn)出來，并且可以對圖形進行標注和打印。 (2) 使用 MATLAB 的圖形用戶界面技術(shù)（ GUI）編寫牌照識別系統(tǒng)面板，可以達到與牌照定位切分程序及字符識別程序的無縫連接。 國外研究現(xiàn)狀 國外高速公路實行收費的雖然有一些，但是大部分規(guī)模不大，或 者是路公司比較單一，他們的研究主要集中在電子不停車收費（ ETC,即 Electronic Toll Collection）系統(tǒng)上面， 或者是更為智能的如德國研究的利用全球定位系統(tǒng)（ GPS）的收費系統(tǒng)，但專門就在高速公路路徑識別這方面的研究很少。 6 國內(nèi)研究現(xiàn)狀 目前許多省市建設的高速公路都具有相當規(guī)模 ,聯(lián)網(wǎng)收費己成大 勢所趨。二是收費管理層面 ,主要是通行費收入拆分問題。第二種方法只需在產(chǎn)生歧義的路段設立標識站，獲取車輛行駛的標識 信息，就可以根據(jù)出口信息、入口信息、標識信息，識別出任意車輛的行駛路徑。 多路徑識別算法的理論基礎(chǔ) 在本文涉及到的多路徑識別算法 — 車牌照識別技術(shù)中，對于 一個完整的車輛牌照識別系統(tǒng) 而言 應該包括圖像采集、圖像預處理、車牌定位、字符切分、字符識別以及圖像編碼、數(shù)碼傳輸與更新等步驟，基本可以分為硬件部分和軟件部分，硬件部分主 要完成車輛圖像的攝取采集，軟件部分主要完成對采集到的車輛圖像進行車輛牌照定位、車牌字符切分與車牌字符識別等工作，這部分工作最為復雜，最后對識別結(jié)果進行數(shù)據(jù)傳送和存儲，將處理后的識別信息交給管理系統(tǒng)進行管理。字符的統(tǒng)計模式識別是將字符點陣看作一個整體，其所用的特征是從這個 整體上經(jīng)過大量的統(tǒng)計而得到的 .統(tǒng)計特征的特點是抗干擾能力強，匹配與分類的算法簡單，易于實現(xiàn) .不足之處在于細分能力較弱，區(qū)分相似字的能力差一些。 （ 5） 基于微結(jié)構(gòu)特征的方法。神經(jīng)網(wǎng)絡是現(xiàn)代生物學研究人腦的組織成果基礎(chǔ)上提出的，用來模擬人類大腦神經(jīng)網(wǎng)絡的結(jié)構(gòu)和行為，它從微觀結(jié)構(gòu)和功能上對人腦進行抽象和簡化。模板匹配方法最大的優(yōu)點是識別率很高，但是因為要逐點操作，所以效率比較低下。本文對圖像中特亮和特暗的地方進行灰度拉伸，有效增強圖像對比度，提高車牌定位準確率。又由實驗可知，對圖像求卷積能量時，卷積長度越接近車牌的寬度，定位就越準確。 Hough 變換只能對己知形狀參數(shù)的曲線方程如二次曲線、直線來進行描述，不能對未知曲線來進行檢測，這是此變換的缺點。找出距離最短的那個模板這個模板的輸出值就可以作為該數(shù)據(jù)對應的輸出值。細化，又稱為骨架化，即在不影響原圖的拓撲連接關(guān)系的條件下，將寬度大于一個 像素的圖形線條轉(zhuǎn)變?yōu)橹挥幸粋€像素寬度的處理過程，也就是抽取圖像的骨架，由于細化能很好地展現(xiàn)圖像的形狀，并且，細化還有一個優(yōu)點就是可以減少所需用到的內(nèi)存空間，這樣就可以在進行圖像處理時簡化23 一些操作，加快處理速度。 最后一步，就是對待識別圖像與標準模板進行細節(jié)比對，也就 是我們所說的字符細比對。 平臺搭建 根據(jù)上文研究的算法，利用 MATLAB 的 M 語言分別實現(xiàn)了車牌識別系統(tǒng)的定位、 字符切分和字符識別功能模塊，利用 MATLAB 的 GUI 工具箱開發(fā)了測試系統(tǒng)，驗證上面設計的算法在車牌識別系統(tǒng)中的應用效果，利用 MATLAB 的圖形用戶開發(fā)環(huán)境（ GUIDE）設計了本測試平臺，流程如下： 圖 輸入圖像 *.jpg 車牌定位模塊 控件 2： 輸入?yún)?shù) 控件 3： 輸出結(jié)果 車牌字符切分模塊 車牌字符識別模 塊 控件 1： 讀入圖像數(shù)據(jù) 輸出識別結(jié)果 29 啟動測試界面時，將會先導入識別參數(shù)設置值，當改變參數(shù)設置后，更新識別參數(shù)設置值，使之與當前設置一致。 接下來進行第二步，模板匹配的粗比對。 22 圖 車牌中的字符 圖 模板字符 本文字符識別流程 模板匹配是車牌字符識別最早使用的方法之一，本文也主要是研究基于模板匹配的系統(tǒng)，所以本章重點研究這種算法。分割步驟： 圖 車牌分割步驟 圖 分割后的車牌 字符識別 本文的字符識別采用的是基于模板匹配的識別方法。平面內(nèi)的有規(guī)則曲線和直線，將原始圖像中直線和曲線上的點，都集中到變換空間上，形成峰點。其次，由于車牌區(qū)域與車 身相比，車牌區(qū)域的對比度特別大，灰度變化具有一定頻度，所以我們先對圖像的每一行相鄰像素做求極值處理，再求相鄰點間的差，從而減少由車身帶來的誤差。 16 圖 二值化的圖像 圖 采集的車輛圖像為彩色圖像，應將彩色圖像轉(zhuǎn)化為灰度圖像。整個過程最重要的一步是模板的設計，它是后iijj xwx ??jxjj exfx ????? 11)(2)(21 keE ?? ?? j jjn xwky 2)(jjnjjxkewykewEw??????????????)()(222????13 續(xù)工作的基礎(chǔ)。缺點是如果進行簡單的模板匹配，只能夠識別同種字體、同 樣大小的字符，對于筆劃變粗、變細、傾斜的字符適應能力比較差，特別是模板與字符筆劃的匹配失誤時，會有很大的誤差。這些點包括端點、折點以及交叉點等等，獲得了比較好的效果。所以，在字符識別領(lǐng)域，純結(jié)構(gòu)模式識別方法己經(jīng)逐漸衰落。但是在高速公路中倒卡、逃費問題嚴重，因此這種算法的拆分關(guān)系到將通行費拆分給哪個收費單位的問題，影響了一部分單位的收益。標識站法、車牌照識別法都屬于精確識別的范疇。為此山東省對山東省高速公路聯(lián)網(wǎng)收費系統(tǒng)路徑識別與通行費收 入拆分問題進行研究認為 : 要從山東省高速公路總體路網(wǎng)規(guī)劃出發(fā) ,綜合考慮設備投資、受益及今后運營成7 本等多方面因素提出方案 。接收機含有 GPS 導航信號接收機和一個移動通訊終端 ,一旦卡車啟動 ,接收機便會自動記錄行駛里程 , 并將計算出的繳費金額數(shù)據(jù)發(fā)送到監(jiān)控中心。本章總結(jié)了本設計所完成的工作，并對其中的缺陷做出了說明，指出了所采用算法的不足指出，對下一步的工作做了展望。 （包括用戶界面） 在開發(fā)環(huán)境中，使用戶更方便地控制多個文件和圖形窗口；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，有了更強大的圖形標注和處理功能，包括對性對起連接注釋等；在輸入輸出方面，可以直接向 Excel 和 HDF5 進行連接。 MATLAB 的這些函數(shù)集包括從最簡單最基本的函數(shù)到諸如矩陣，特征向量、快速傅立葉變換的復雜函數(shù)。它具有以下特點： 1．友好的工作平臺和編程環(huán)境 2 MATLAB 由一系列工具組成。License plate identification。對車牌定位采用了一種基于灰度圖像求取卷積能量極值區(qū)域的車牌定位方法。所以多路徑識別在實現(xiàn)識別車輛的實際行駛路徑從而進行收費拆分，同時也要解決倒卡、逃費問題。 3．強大的科學計算數(shù)據(jù)處理能力 MATLAB 是一個包含大量計算算法的集合。 6．使用的程序接口和發(fā)布平臺 新版本的 MATLAB 可以利用 MATLAB 編譯器和 C/C++數(shù)學庫和圖形庫，將自己的 MATLAB 程序自動轉(zhuǎn)換為獨立于 MATLAB 運行 的 C 和 C++代碼。首先講述了 多路徑識別 理論的 構(gòu)成 ，然后圍繞 多路徑識 別算法的精確識別 中汽車牌照識別技術(shù)的主要 算法展開討論，介紹了該技術(shù)應用了哪些方面的知識， 是如何實現(xiàn)的。自 2021 年 8 月 31 日起 ,實施一項新的高速公路收費政策 ,即所有行駛在德國高速公路上的 12 噸以上的重型卡車 ,包括外國入境運輸車輛 , 都必須繳納高速公路行駛費。浙江省當時采用的方法是以出口 /入口隔離法為輔 ,通行費的拆分則是在對 歷史交通量和未來交通量的分析基礎(chǔ)上 ,與路公司共同商討 ,取得一致同意的情況下達成用節(jié)點位勢法來進行多路徑的路徑識別 ,它仿照電學里面的節(jié)點位勢法 ,確定用路段里程來表征路段阻抗 ,從而計算出多路徑情況下各路徑的行駛車輛數(shù) ,進而依次在各路公司拆分通行費 ,對車輛的通行費按照最短路徑來征收。高速公路多路徑識別技術(shù)作為依附于高速公路聯(lián)網(wǎng)收費的一門新技術(shù)必然會隨著聯(lián)網(wǎng)收費技術(shù)的進步而不斷發(fā)展完善 ,特別是在當前提倡的電子不停車收費 (ETC)技術(shù)不斷成熟完善的情況下 ,對車輛行駛路徑的精確識別必然會在現(xiàn)實和經(jīng)濟上都允許的前提下得以實現(xiàn)。 概率識別 一般來說，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營成本最小化的原則之上的，即：花最少的時間、最少的費用、走最短的路、獲取最大的效益。由這些結(jié)構(gòu)基元及其相互關(guān)系完全可以精確地對漢字加以描述，這種方法也叫句法模式識別。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)的各個系數(shù)作為特征，該方法致命缺點是對于輪廓線不封閉的字符圖像不適用。模板匹配的字符識別方法是通過一定準則確定決策函數(shù)，并進行分類判斷的方法。當按梯度下降學習法進行學習的時候很容易陷入局部的最小值 。最后搭建了一個測試平臺，將上述三個部分進行了系統(tǒng)化，對系統(tǒng)的性能進行了測試和分析。首先對采集到的視頻圖像進行大范圍相關(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)，然后對這些侯選區(qū)域做進一步分析、評判，最后選定一個最佳的區(qū)域作為牌照區(qū)域，并將其從圖象中分割出來。求得車牌上字符連通域)()1()( nxnxnx ?????? ????? Li WnihinXnX 1 1)(*)1()(19 的中心點，然后擬成直線的方法 。 20 由于本文處理的對象是相對類型較少，變化較小的車牌，因此采用直接分割法。 （ 3）調(diào)用漢字模板進行識別，若識別結(jié)果為漢字，則最終結(jié)果為一漢字，識別結(jié)束；若識別結(jié)果為空字符，則最終識別結(jié)果為空字符，識別結(jié)束。具體的查表方法如下：設白點為 1，黑點為 0；自左上方開始，左上方點對應一個 8 位數(shù)的第一位，正上方點對應第二位，右上方點對應第三位，左鄰點對應第四位，右鄰點對應第五位，左下方點對應第六位，正下方點對應第七位，右下方點對應第八位，這樣就構(gòu)成了一個 8位二進制數(shù)。這樣，我們就通過改進的模板匹配方法達到了我們識別字符的最終目的。