【正文】 圖 字符 O與 G的區(qū)別 經(jīng)過了三次 細(xì)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(rèn)為它是‘ 0’或者‘ O’（對于這兩種字符，我們認(rèn)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(rèn)為它是‘ O’，否則我們認(rèn)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(yīng)該是字母或數(shù)字）： （ 1）調(diào)用字母模板庫進(jìn)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(jìn)行第二步。直接分割法簡單，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(zhǔn)確的識別結(jié)果。進(jìn)行水平邊緣檢測，并進(jìn)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(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。神經(jīng)網(wǎng)絡(luò)有較強(qiáng)的容錯性。字符統(tǒng)計模式是 把字符的點(diǎn)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(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 。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)，攝取通過車輛牌照。當(dāng)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(jìn)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(yīng)用此項(xiàng)技術(shù)進(jìn)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(dá)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(xué)習(xí)、應(yīng)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(jī)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(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(diǎn)，對車牌識別算法關(guān)鍵環(huán)節(jié)包括數(shù)字圖像預(yù)處理，車牌定位，車牌字符識別等三部分一一進(jìn)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(jìn)行標(biāo)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(dá)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(shí)行收費(fèi)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(fèi)（ 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(fèi)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(shè)的高速公路都具有相當(dāng)規(guī)模 ,聯(lián)網(wǎng)收費(fèi)己成大 勢所趨。二是收費(fèi)管理層面 ,主要是通行費(fèi)收入拆分問題。第二種方法只需在產(chǎn)生歧義的路段設(shè)立標(biāo)識站，獲取車輛行駛的標(biāo)識 信息，就可以根據(jù)出口信息、入口信息、標(biāo)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(yīng)該包括圖像采集、圖像預(yù)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(jìn)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(fù)雜，最后對識別結(jié)果進(jìn)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(jìn)行管理。字符的統(tǒng)計模式識別是將字符點(diǎn)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(diǎn)是抗干擾能力強(qiáng)，匹配與分類的算法簡單，易于實(shí)現(xiàn) .不足之處在于細(xì)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(luò)是現(xiàn)代生物學(xué)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(luò)的結(jié)構(gòu)和行為，它從微觀結(jié)構(gòu)和功能上對人腦進(jìn)行抽象和簡化。模板匹配方法最大的優(yōu)點(diǎn)是識別率很高，但是因?yàn)橐瘘c(diǎn)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(jìn)行灰度拉伸，有效增強(qiáng)圖像對比度，提高車牌定位準(zhǔn)確率。又由實(shí)驗(yàn)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(zhǔn)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(jìn)行描述，不能對未知曲線來進(jìn)行檢測，這是此變換的缺點(diǎn)。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(yīng)的輸出值。細(xì)化，又稱為骨架化，即在不影響原圖的拓?fù)溥B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(xì)化能很好地展現(xiàn)圖像的形狀，并且，細(xì)化還有一個優(yōu)點(diǎn)就是可以減少所需用到的內(nèi)存空間，這樣就可以在進(jìn)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(biāo)準(zhǔn)模板進(jìn)行細(xì)節(jié)比對，也就 是我們所說的字符細(xì)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(shí)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(yàn)證上面設(shè)計的算法在車牌識別系統(tǒng)中的應(yīng)用效果，利用 MATLAB 的圖形用戶開發(fā)環(huán)境（ GUIDE）設(shè)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(dǎo)入識別參數(shù)設(shè)置值，當(dāng)改變參數(shù)設(shè)置后，更新識別參數(shù)設(shè)置值，使之與當(dāng)前設(shè)置一致。 接下來進(jìn)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(diǎn)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(diǎn)，都集中到變換空間上，形成峰點(diǎn)。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(diǎn)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(yīng)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(shè)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(diǎn)是如果進(jìn)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(xì)、傾斜的字符適應(yīng)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(diǎn)包括端點(diǎn)、折點(diǎn)以及交叉點(diǎn)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(fèi)問題嚴(yán)重，因此這種算法的拆分關(guān)系到將通行費(fèi)拆分給哪個收費(fèi)單位的問題，影響了一部分單位的收益。標(biāo)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(fèi)系統(tǒng)路徑識別與通行費(fèi)收 入拆分問題進(jìn)行研究認(rèn)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(shè)備投資、受益及今后運(yùn)營成7 本等多方面因素提出方案 。接收機(jī)含有 GPS 導(dǎo)航信號接收機(jī)和一個移動通訊終端 ,一旦卡車啟動 ,接收機(jī)便會自動記錄行駛里程 , 并將計算出的繳費(fèi)金額數(shù)據(jù)發(fā)送到監(jiān)控中心。本章總結(jié)了本設(shè)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(qiáng)大的圖形標(biāo)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(jìn)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(fù)雜函數(shù)。它具有以下特點(diǎn)： 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(shí)現(xiàn)識別車輛的實(shí)際行駛路徑從而進(jìn)行收費(fèi)拆分，同時也要解決倒卡、逃費(fèi)問題。 3．強(qiáng)大的科學(xué)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(xué)庫和圖形庫，將自己的 MATLAB 程序自動轉(zhuǎn)換為獨(dú)立于 MATLAB 運(yùn)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(yīng)用了哪些方面的知識， 是如何實(shí)現(xiàn)的。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 ,即所有行駛在德國高速公路上的 12 噸以上的重型卡車 ,包括外國入境運(yùn)輸車輛 , 都必須繳納高速公路行駛費(fèi)。浙江省當(dāng)時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 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(dá)成用節(jié)點(diǎn)位勢法來進(jìn)行多路徑的路徑識別 ,它仿照電學(xué)里面的節(jié)點(diǎn)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(jìn)而依次在各路公司拆分通行費(fèi) ,對車輛的通行費(fèi)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(fèi)的一門新技術(shù)必然會隨著聯(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收費(fèi) (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(shí)和經(jīng)濟(jì)上都允許的前提下得以實(shí)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(yùn)營成本最小化的原則之上的，即：花最少的時間、最少的費(fèi)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(diǎn)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(zhǔn)則確定決策函數(shù)，并進(jìn)行分類判斷的方法。當(dāng)按梯度下降學(xué)習(xí)法進(jìn)行學(xué)習(xí)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(jìn)行了系統(tǒng)化，對系統(tǒng)的性能進(jìn)行了測試和分析。首先對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)，然后對這些侯選區(qū)域做進(jìn)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(diǎn)，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(jìn)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(shè)白點(diǎn)為 1，黑點(diǎn)為 0；自左上方開始，左上方點(diǎn)對應(yīng)一個 8 位數(shù)的第一位，正上方點(diǎn)對應(yīng)第二位，右上方點(diǎn)對應(yīng)第三位，左鄰點(diǎn)對應(yīng)第四位，右鄰點(diǎn)對應(yīng)第五位，左下方點(diǎn)對應(yīng)第六位，正下方點(diǎn)對應(yīng)第七位，右下方點(diǎn)對應(yīng)第八位，這樣就構(gòu)成了一個 8位二進(jìn)制數(shù)。這樣，我們就通過改進(jìn)的模板匹配方法達(dá)到了我們識別字符的最終目的。