【文章內容簡介】 數字。 我們知道 輸入的彩色圖像包含大量顏色信息，會占用 計算機 較多的存儲空間，且處理時也會降低系統(tǒng)的執(zhí)行速度，因此對圖像進行識別等處理時， 通常 將彩色圖像轉換為灰度圖像，以加快處理速度。對圖像進行灰度化處理、邊緣提取、再利 用形態(tài)學方法對車牌進行定位。具體步驟如下：首先 通過 MATLAB 軟件 對圖像進行灰度轉換，二值化處理然后采用 4X1 的結構元素對圖像進行腐蝕，去除圖像的噪聲。采用 25X25 的結構元素，對圖像進行閉合應算使車牌所在的區(qū)域形成連通。在進行形態(tài)學濾波去除其它區(qū)域。 汽車牌照識別一般只要分為間接法和直接發(fā)兩種 :間接法是基于 IC 卡鑒別(REID)或基于條碼的識別。直接法是基于圖像的汽車牌照識別。 間接法 :指通過識別安裝在汽車上的 IC 卡或條形碼中所存儲的車牌的信息來識別車牌及相關信息。 IC 卡技術識別準確度高，運行可靠，可 以全天候作業(yè)，但它整套裝置價格昂貴，硬件設備十分復雜，不適用于異地作業(yè) 。條形碼技術具有識別速度快、準確度高、可靠性強以及成本較低等優(yōu)點，但是對于掃描器要求很高。此外，二者都需要制定出全國統(tǒng)一的標準，并且無法核對車、條形碼是否相符，也是技術上存在的缺點，這給近期在短時間內推廣造成困難。 直接法 :基于圖像的車牌識別技術屬于直接法，是一種無源型汽車牌照智能識別方法，能夠在無任何專用發(fā)送車牌信號的車載發(fā)射設備情況下，對運動狀態(tài)車輛或靜止狀態(tài)車輛的車牌號碼進行非接觸性信息采集并實時智能識別。與間接法識別系統(tǒng)相 比，首先，這種系統(tǒng)節(jié)省了設備安置及大量資金，從而提高了經濟效益 。其次，由于采用了先進的計算機應用技術，所以可提高識別速度，較好地解決實時性問題 。再次，它是根據圖像進行識別，所以通過人的參與可以解決系統(tǒng)中的識別錯誤，而其他方法是難以與人交互的。 國內外車輛牌照識別技術現狀 車牌自動識別技術的研究國外起步地較早。早在 20 世紀 80 年代，便有一些零零散散的圖像處理方法用于車牌自動識別的某些具體應用。在這個階段，車牌自動識別技術的研究還沒有形成完整的系統(tǒng)體系，一般采用簡單的圖像處理方法來解決某些具 體問題，并且最終結果通常需要人工干預。進入 20 世紀 90 年代后，車牌自動識別的系統(tǒng)化研究開始起步。典型的如 等提出車輛牌照的自動識別系統(tǒng)分圖像分割、特征提取和模板構造、字符識別等三個部分，完成車牌的自動識別。 使用視覺字符識別技術 分析所獲得的圖像， 首先在二值化圖像中找到車牌，然后用邊界跟蹤技術提取字符特征，再利用統(tǒng)計最鄰近分類器與字符庫中的字符比較 ,得出一個或幾個車牌候選號碼，最終確定車牌號碼。這個時期的應用在識別正確率方面有所突破，但還沒有考慮識別實時性的要求，識別速度 有待進一步提高。 由于我國的車牌格式和國外有較大的差異，所以對于國外的車牌識別系統(tǒng)的研究技術，我們只能進行參考，不能進行直接應用。雖然我國車牌的識別需要識別漢字，但是對于英文字母和數字的識別，我們可以借鑒國外的研究技術。 從 80 年代中期開始， ARGUS 英國 Alphatech 公司就開始了名為 RAUS 的車牌自動識別系統(tǒng)的研制。 ARGUS 的車牌識別系統(tǒng)的識別時間約為 100 毫秒，通過 ARGUS 的車速可高達每小時 100 英里。還有 HiTech 公司的 See/Car system,新加坡 Optasia 公司的 VLPRS 等。另外日本、加拿大、德國等發(fā)達國家都有適用于本國的車牌識別系統(tǒng)。 車牌識別技術的應用與發(fā)展趨勢 汽車牌照號碼是一輛車輛唯一的標識，也就是一輛汽車的身份證，車牌號碼識別技術可以輕松的實現對汽車登記，剩下了不少人力，不需要像傳統(tǒng)的進門登記方法。目前這項技術已經廣泛應用于 交通管理與車輛管理中，例如高速公路超速違章行為、小區(qū)車輛進出登記管理、停車場無人自動計時收費、高速公路自動收費等方面。 車牌號碼識別技術的便利性眾所周知，目前看來，這種技術今后的發(fā)展將更多的強調其成像，圖片預處 理，處理算法等系統(tǒng)各個環(huán)節(jié)的相互間的配合。尤其是物理成像和圖片預處理會成為下個階段發(fā)展的關鍵，因為識別算法一旦發(fā)展到了一定程度，短時間內很難再提高，也就是瓶頸期， 這時如何能夠通過成像、光源、降噪等環(huán)節(jié)來為核心算法掃清障礙就成為了影響產品最終性能的制衡點 。這項技術最基礎的是圖像的采集，這就期望能捕捉更高分辨率更高畫面質量的圖像，圖像的采集還在于捕捉動態(tài)視頻中的畫面，光源，噪點等都會影響圖片的質量，更高的分辨率更高的圖片質量會成為這項技術今后的發(fā)展趨勢。另一方面， 目前車牌識別算法本身的難題主要集中在 車牌受到各種干擾時如何保證盡可能準確地識別，例如大型車常見的車牌污損、私家車輛規(guī)避限號的車牌遮擋、光照環(huán)境形成的陰影干擾等等。 如何利用好高分辨率和高計算能力來降低系統(tǒng)的操作難度，進一步解決這些技術問題，提高系統(tǒng)配置的自動化水平是車牌識別產品下階段需要著重投入的方向。 主要 的研究內容 當車輛檢測部分檢測到車輛到達時觸發(fā)圖像采集單元，采集當前的視頻圖像。牌照識別單元對圖像進行處理，定位出牌照位置，再將牌照中的字符分割出來進行識別，然后組成牌照號碼輸出 。 （ 1）當行駛的車輛經過時，觸發(fā)埋設 在固定位置的傳感器，系統(tǒng)被喚醒處于工作狀態(tài)；一旦連接攝像頭光快門的光電傳感器被觸發(fā)，設置在車輛前方、后方和側面的 相機 同時拍攝下車輛圖像； （ 2）由攝像機或 CCD 攝像頭拍攝的含有車輛牌照的圖像通視頻卡輸入計算機進行預處理， 圖像預處理包括圖像轉換、圖像增強、濾波和水平較正等； （ 3）由檢索模塊進行牌照搜索與檢測，定位并分割出包含牌照字符號碼的矩形區(qū)域； （ 4）對牌照字符進行二值化并分割出單個字符，經歸一化后輸入字符識別系統(tǒng)進行識別。 系統(tǒng)的的框架與特點 車牌識別系統(tǒng)采用高度模塊化的設計，將車牌識別 過程的各個環(huán)節(jié)各自作為一個獨立的模塊，其系統(tǒng)框架如下所示。 車輛檢測跟蹤模塊 車輛檢測跟蹤模塊主要對視頻流進行分析，判斷其中車輛的位置，對圖像中的車輛進行跟蹤，并在車輛位置最佳時刻，記錄該車輛的特寫圖片，由于加入了跟蹤模塊，系統(tǒng)能夠很好地克服各種外界的干擾，使得到更加合理的識別結果，可以檢測無牌車輛并輸出結果。 車牌定位模塊 車牌定位模塊是一個十分重要的環(huán)節(jié)，是后續(xù)環(huán)節(jié)的基礎，其準確性對整體系統(tǒng)性能的影響巨大。車牌系統(tǒng)完全摒棄了以往的算法思路，實現了一種完全基于學習的多種特征融合 的車牌定位新算法，適用于各種復雜的背景環(huán)境和不同的攝像角度。 車牌矯正及精定位模塊 由于受拍攝條件的限制，圖像中的車牌總不可避免存在一定的傾斜，需要一個矯正和精定位環(huán)節(jié)來進一步提高車牌圖像的質量，為切分和識別模塊做準備。使用精心設計的快速圖像處理濾波器，不僅計算快速，而且利用的是車牌的整體信息，避免了局部噪聲帶來的影響。使用該算法的另一個優(yōu)點就是通過對多個中間結果的分析還可以對車牌進行精定位，進一步減少非車牌區(qū)域的影響。 車牌切分模塊 車牌系統(tǒng)的車牌切分模塊利用了車牌文字的灰度、 顏色、邊緣分布等各種特征，能較好地抑制車