【文章內(nèi)容簡(jiǎn)介】 ................19 車牌區(qū)域的合并 ........................................................................................19 車牌區(qū)域的定位 ........................................................................................22 本章小結(jié) ...............................................................................................................25第 4 章 二次車牌定位的算法和性能分析 ........................................................................26 二次車牌定位算法 ...............................................................................................26 本論文算法的性能分析 .......................................................................................30 西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 VIII頁 對(duì)于不同背景下的車牌定位分析 ............................................................30 圖片處理時(shí)間和準(zhǔn)確度分析 ....................................................................33 本章小結(jié) ...............................................................................................................35結(jié) 論 ..............................................................................................................................36致 謝 ..............................................................................................................................37參考文獻(xiàn) ..............................................................................................................................38 西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 1 頁 第 1 章 緒 論 選題的背景和意義及國(guó)內(nèi)外研究現(xiàn)狀 選題的背景和意義近年來，智能交通系統(tǒng)(Intelligent Transportation System)越來越受到人們的重視，并逐漸應(yīng)用在交通信息統(tǒng)計(jì)收集、路車間通信、停車場(chǎng)管理、不停車自動(dòng)收費(fèi)、車輛自動(dòng)行駛等領(lǐng)域，而上述領(lǐng)域都與汽車牌照的自動(dòng)識(shí)別有關(guān) [1]。對(duì)汽車車牌的正確識(shí)別，既可以實(shí)現(xiàn)在交通路口、高速公路、軍事要塞、機(jī)關(guān)門衛(wèi)對(duì)過往車輛的實(shí)時(shí)登記、流量統(tǒng)計(jì)和對(duì)防衛(wèi)目標(biāo)的安全警備，對(duì)肇事車輛、被盜車輛、犯罪車輛進(jìn)行辨識(shí)和攔截；又可在汽車存車場(chǎng)對(duì)進(jìn)出的車輛進(jìn)行登記、統(tǒng)計(jì)和查詢，以保障安全防盜，并可協(xié)助自動(dòng)記費(fèi)，這些是建設(shè)智能交通系統(tǒng)不可或缺的部分 [2]。車牌識(shí)別系統(tǒng)(License Plate Recognition System,LPRS)是智能交通中的重中之重，而車牌識(shí)別系統(tǒng)的流程如圖 11 所示。圖像采集 車牌定位 字符分割字符識(shí)別輸出結(jié)果圖11 汽車牌照識(shí)別系統(tǒng)框圖從圖 11 流程圖中不難看出，在車牌識(shí)別系統(tǒng)中，最重要的步驟就是車牌定位，定位的成功與否以及定位的準(zhǔn)確程度將會(huì)直接決定后期能否進(jìn)行車牌識(shí)別以及識(shí)別的準(zhǔn)確度。由于在現(xiàn)實(shí)中，汽車的車牌圖像受到光照、背景、車型等外界干擾因素以及拍攝角度、遠(yuǎn)近等人為因素的影響，造成圖像受光不均勻，車牌區(qū)域不明顯，給車牌區(qū)域的提取帶來了較大的困難。近年來不少學(xué)者針對(duì)車牌本身的特點(diǎn)，車輛拍攝的不良現(xiàn)象及背景復(fù)雜狀況，先后提出了許多有針對(duì)性的定位方法，使車牌定位在技術(shù)和方法上都有了很大的改善。然而現(xiàn)代化交通系統(tǒng)不斷提高的快節(jié)奏，將對(duì)車牌定位的準(zhǔn)確率和實(shí)時(shí)性提出更高的要求。因而，進(jìn)一步加深車牌定位的研究是非常有必要的，同時(shí)研究高效的汽車牌照定位算法也有著重要的應(yīng)用價(jià)值。 西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 2 頁 國(guó)內(nèi)外研究現(xiàn)狀國(guó)內(nèi)外都進(jìn)行了應(yīng)用圖像處理技術(shù)解決汽車牌照識(shí)別的研究，最早提出在上世紀(jì)80年代，這個(gè)階段并沒有形成完整的系統(tǒng)，而是就車牌識(shí)別的某個(gè)問題、某一種特定環(huán)境進(jìn)行討論，而且通常采取簡(jiǎn)單常用的圖像處理技術(shù)來解決的。進(jìn)入90年代，由于計(jì)算機(jī)視覺的發(fā)展，開始出現(xiàn)了汽車牌照識(shí)別系統(tǒng)化研究，并且在1990年，第一個(gè)車牌識(shí)別系統(tǒng)研究成功。到目前為止國(guó)外的車牌識(shí)別系統(tǒng)的識(shí)別率已經(jīng)達(dá)到90%左右 [3]。車牌定位在整個(gè)汽車牌照自動(dòng)識(shí)別系統(tǒng)中的重要地位是顯而易見的。在國(guó)外典型的牌照定位方法有： [3]；于DFT變換的頻域分析方法 [4]；Charl Coetzee提出的基于Niblack二值化算法及自適應(yīng)邊界搜索的定位方法 [5]。另外，灰度閾值、區(qū)域生長(zhǎng)、邊緣檢測(cè)、頻域和空間分割等方法也在傳統(tǒng)的定位技術(shù)中得到大量應(yīng)用。然而，由于車牌識(shí)別大多是在戶外進(jìn)行的，所以存在像天氣等客觀原因，使車牌定位系統(tǒng)不能很好的識(shí)別，甚至產(chǎn)生不能識(shí)別或錯(cuò)誤識(shí)別的現(xiàn)象。在國(guó)外研究過一些關(guān)于識(shí)別的產(chǎn)品，這些產(chǎn)品大多是車牌識(shí)別系統(tǒng)，其中的核心部分都是車牌定位系統(tǒng)，這些產(chǎn)品有：1. 英國(guó)IPI公司研發(fā)了RTVNPR(Real Time Vehicle Number Plate Recognition)系統(tǒng)。2. 交通檢測(cè)系統(tǒng)VNPR(Vehicle Number Plate Recognition)。3. 新加坡的Optasia公司自行研發(fā)了車牌識(shí)別系統(tǒng)IMPS(Integrated MultiPass System)。4. CARINA 軟件開發(fā)包是FORNIX公司開發(fā)的一個(gè)自動(dòng)可視監(jiān)測(cè)識(shí)別汽車牌照的圖像識(shí)別軟件包。5. LPR (License Plate Recognition)是HSTOL公司開發(fā)的系統(tǒng)，該系統(tǒng)能應(yīng)用到停車場(chǎng)、入口控制、交通監(jiān)測(cè)等場(chǎng)所，能檢測(cè)和識(shí)別汽車車牌 [2]。90年代以來，由于交通現(xiàn)代化發(fā)展的需要，我國(guó)也開始對(duì)車牌定位進(jìn)行深入研究，并取得了一定成效。國(guó)內(nèi)比較好的定位算法有:直線邊緣檢測(cè)法 [6] [8]?；诨叶葓D像二值化的方法 [9][10]?；谏窠?jīng)網(wǎng)絡(luò)的車牌定位方法 [11][12]?；诓噬珗D像的車牌分割方法 [13][14] [26]?；谛袙呙璧能嚺贫ㄎ凰惴ǖ?[15]。而在國(guó)內(nèi)與車牌定位相關(guān)的公司有：上海高德威智能交通系統(tǒng)有限公司、北京漢王科技有限公司、亞洲視覺科技有限公司、智慧光科技有限公司、沈陽聚德視頻技術(shù)有限公司、中國(guó)信息產(chǎn)業(yè)部下屬的中智交通電子系統(tǒng)有限公司等 [2]。此外，國(guó)內(nèi)的很多高校和科研院所都做過汽車牌照自動(dòng)識(shí)別系統(tǒng)的研究并開發(fā)了相關(guān)的產(chǎn)品，比如清華大學(xué)、浙江大學(xué)、西安交通大學(xué)、上海交通大學(xué)和中國(guó)科 西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 3 頁學(xué)技術(shù)大學(xué)等 [2]。 車牌定位的主要內(nèi)容和研究方法 車牌定位的主要內(nèi)容車牌定位技術(shù)的出發(fā)點(diǎn)是通過車牌區(qū)域的特征來判斷牌照，可利用的車牌特征主要包括：1. 車牌區(qū)域內(nèi)的邊緣灰度直方圖統(tǒng)計(jì)“特征”，車牌區(qū)域內(nèi)的邊緣灰度直方圖具有兩個(gè)明顯且分離的分布中心。2. 車牌的幾何特征，即車牌的高、寬、高寬比在一定的范圍內(nèi) [16]。3. 車牌區(qū)域的灰度分布特征，穿過車牌的水平直線其灰度呈現(xiàn)連續(xù)的峰、谷、峰的分布。4. 車牌區(qū)域水平或垂直投影特征，車牌區(qū)域水平或垂直投影呈現(xiàn)連續(xù)的峰、谷、峰的分布。 5. 車牌形狀特征和字符排列格式特征，車牌有矩形邊框、字符排列符合一定的標(biāo)準(zhǔn)。目前，主要通過兩條技術(shù)路線進(jìn)行車牌定位的研究。一條技術(shù)路線是基于灰度圖像的車牌定位方法。另一條技術(shù)路線是基于彩色圖像的車牌定位方法。早期由于受計(jì)算機(jī)運(yùn)算速度和內(nèi)存大小影響，考慮到實(shí)時(shí)性，車牌定位主要是基于灰度圖像處理技術(shù)，包括灰度閾值方法、頻域和空間分割方法、連接元素分析方法以及Hough變換法等，可大致分為如下幾類：1. 基于直線檢測(cè)的方法 這類方法一般采用Hough變換等方法來檢測(cè)直線（車牌周圍邊框形成）。Hough變換計(jì)算量較大，對(duì)于邊框不連續(xù)的實(shí)際車牌，需附加大量的運(yùn)算。2. 基于閾值化的方法 圖像經(jīng)過閾值化得到字符和背景分離的二值圖像是這類方法的特點(diǎn)。目前已經(jīng)提出了多種閾值化策略，但簡(jiǎn)單算法二值化效果不好，復(fù)雜算法計(jì)算時(shí)間長(zhǎng)、計(jì)算量大限制了實(shí)際應(yīng)用。3. 基于灰度邊緣檢測(cè)方法 此類方法通常利用車牌區(qū)域局部對(duì)比度明顯和灰度有規(guī)律的紋理特征來定位。中國(guó)車牌類型較多，在不同光照條件下車牌對(duì)比度更加不統(tǒng)一，需要進(jìn)行圖像增強(qiáng)處理，還需要考慮圖像中與車牌特征非常相似的非車牌區(qū)域的排除問題 [17]。 基于灰度圖像的車牌定位方法的研究基于灰度圖像的車牌定位具體方法有：中國(guó)科學(xué)院的劉智勇，劉迎建等人針對(duì)車牌特點(diǎn)，設(shè)計(jì)了一個(gè)變換函數(shù)突出其 西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 4 頁特點(diǎn)從而進(jìn)行車牌的提取 [18]。這種方法采用最大方差法來進(jìn)行二值化閾值的選取，并對(duì)二值化后的圖像進(jìn)行水平掃描，找出相對(duì)小的而且掃描線變化劇烈的區(qū)域作為候選區(qū)域，再以適當(dāng)?shù)淖兓蚀_定車牌的位置。該方法在實(shí)踐中取得了良好的效果，但是在車牌提取時(shí)可能出現(xiàn)“反工” ，造成處理時(shí)間太長(zhǎng)，不能很好的滿足實(shí)時(shí)性。南京航空航天大學(xué)的劉效靜，成瑜等人提出了基于車牌字符變化特點(diǎn)的自動(dòng)掃描識(shí)別算法 [19]。這種方法是利用汽車牌照中字符筆劃變化頻率比較穩(wěn)定的特點(diǎn)，即筆劃間隔的像素是穩(wěn)定在某一個(gè)范圍內(nèi)，筆劃數(shù)也存在下限的特點(diǎn)。設(shè)定閾值，通過掃描確定上下邊界位置和左右邊界位置，再在已縮小的范圍內(nèi)用上述方法進(jìn)行遞歸檢測(cè)，直到牌照位置比較穩(wěn)定為止。這種方法在拍攝角度、距離、光線都有很大調(diào)整的情況下，能夠快速準(zhǔn)確定位、分割車牌。小波分析是當(dāng)前應(yīng)用數(shù)學(xué)和工程學(xué)科中一個(gè)迅速發(fā)展的新領(lǐng)域，經(jīng)過二十多年的探索和研究，重要的數(shù)學(xué)形式化體系已經(jīng)建立，理論基礎(chǔ)更加扎實(shí)。與 Fourier 變換、Gabor 變換相比，小波變換是空間( 時(shí)間)和頻率的局部變換，因而能夠有效的從信號(hào)中提取信息。華南理工大學(xué)的戴青云和廣東工業(yè)大學(xué)的余英林提出了基于小波與形態(tài)學(xué)的車牌圖像分割方法 [20]。這種方法通過小波多尺度分解提取出紋理清晰，具有不同分辨率、不同方向的邊緣子圖像，其水平方向低頻、垂直方向高頻的這一分量主要代表車牌的目標(biāo)區(qū)域。然后，用數(shù)學(xué)形態(tài)學(xué)方法對(duì)小波分解后的細(xì)節(jié)圖像進(jìn)行一系列的形態(tài)運(yùn)算，進(jìn)一步消除無用信息和噪音，以找準(zhǔn)車牌位置。實(shí)驗(yàn)結(jié)果表明該方法效果較好。當(dāng)然除了上面介紹的幾個(gè)具體的關(guān)于灰度車牌定位實(shí)例外，還有其他的方法，這里就不再贅述了。上述基于灰度圖像方法，其缺點(diǎn)是當(dāng)車牌圖像的對(duì)比度較小或光照不均勻以及有類似車牌紋理特征的干擾時(shí)，誤識(shí)率增加且無法提供車牌的顏色信息。顏色是車牌的重要特征，不同種類車輛的車牌具有不同的顏色模式，因此，交通監(jiān)控、不停后收費(fèi)等應(yīng)用領(lǐng)域已對(duì)車牌識(shí)別系統(tǒng)提出了顏色要求。近年來隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，很多學(xué)者已開始應(yīng)用彩色圖像處理技術(shù)進(jìn)行車牌定位，采取的主要方法有：1．應(yīng)用神經(jīng)網(wǎng)絡(luò)對(duì)圖像進(jìn)行顏色分割，然后計(jì)算車牌底色的水平和垂直投影值，最后根據(jù)車牌的寬高比來定位車牌。2．采用彩色邊緣檢測(cè)與區(qū)域生長(zhǎng)相結(jié)合的方法來定位車牌。3．采用彩色、空間、距離和相似度進(jìn)行車牌底色的顏色分割；再采用投影法根據(jù)車牌寬高比確定車牌區(qū)域；最后對(duì)候選車牌區(qū)域灰度圖像進(jìn)行紋理分割提取車牌。4．利用車牌字符邊緣顏色對(duì)進(jìn)行分割。根據(jù)車牌顏色特征、車牌背景與字符等， 西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 5 頁也就是說字符邊緣兩側(cè)像素的顏色具有固定搭配的特點(diǎn)，判斷剝離不符合車牌底色的非車牌區(qū)域，能夠?qū)④嚺频咨噬螂m具有和車牌相似的幾何及紋理特征，但不符合顏色特征的偽車牌剔除 [17]。 基于彩色圖像的車牌定位方法的研究基于彩色圖像的車牌定位具體方法有：中國(guó)科技大學(xué)的陳鍛生等人提出了一種在復(fù)雜背景下彩色圖像汽車牌照提取分割技術(shù) [21]。此項(xiàng)方法提取了汽車牌照自身標(biāo)準(zhǔn)模式的多種重要特征，綜合了局部特征分布、形狀、彩色等知識(shí)，如局部區(qū)域的宏紋理(水平方向上的灰度和色度跳變的平均數(shù)) 、體態(tài)比、密集度和顏色組合等信息。首先利用自適應(yīng)閾值對(duì)梯度圖求出二值化邊緣區(qū)域；然后利用數(shù)學(xué)形態(tài)學(xué)