【正文】 車(chē)牌信息主要由像素灰度值攜帶，而非彩色，因此往往將彩色圖像轉(zhuǎn)為灰度圖像然后進(jìn)行圖像處理。彩色圖像數(shù)據(jù)量大，需要的存儲(chǔ)空間大，不利于高頻率、高轉(zhuǎn)移率的圖像處理?；叶葓D像數(shù)據(jù)像素點(diǎn)為一個(gè)灰度值，該灰度值的大小決定該像素點(diǎn)的亮度。當(dāng)采樣間隔時(shí)間 t=70ms 時(shí)候，在490ms 時(shí)間間隔所獲取 7 幅窗口幀彩色圖像數(shù)據(jù)如圖 22：圖 2 2 視頻幀獲取圖像系列Fig 2 2 Series of Video Frames to Obtain Images 大部分?jǐn)?shù)字?jǐn)z像設(shè)備每秒采集幀數(shù)為 25，將采樣間隔時(shí)間設(shè)為 70ms 是可行的。本文我們將采用t=70ms，每隔 70ms 利用 MATLAB 取幀函數(shù)從視頻數(shù)據(jù)中取出一幀圖像。由于本文是通過(guò)分析車(chē)輛的動(dòng)作來(lái)為后面的車(chē)牌粗定位提供支持，車(chē)輛的動(dòng)作應(yīng)該由前幀、后幀圖片對(duì)比支持才能檢測(cè)出來(lái)，因此每輛車(chē)經(jīng)過(guò)時(shí)應(yīng)該至少取三幀圖片來(lái)進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)。根據(jù)采樣定理，采樣頻率至少要是數(shù)據(jù)頻率的 2 倍，如下式： 02ff??（2 1）本實(shí)驗(yàn)素材條件如下：視頻區(qū)域道路長(zhǎng)度 L：L=10m。如果取幀間隔時(shí)間太長(zhǎng)，則有可能丟失車(chē)輛經(jīng)過(guò)時(shí)的幀圖片，造成系統(tǒng)漏檢，最終影響車(chē)牌識(shí)別準(zhǔn)確率。對(duì)于沒(méi)有攜帶任何車(chē)牌信息的幀圖片如何進(jìn)行去除，取決于視頻數(shù)據(jù)的取幀間隔時(shí)間。由于視頻數(shù)據(jù)中并不是時(shí)時(shí)刻刻都有車(chē)輛經(jīng)過(guò)，因此在沒(méi)有車(chē)輛經(jīng)過(guò)的時(shí)候，這些圖片對(duì)于本系統(tǒng)來(lái)說(shuō)是不需要的。每種視頻壓縮格式都有相應(yīng)的壓縮協(xié)議，本文利用 MATLAB 里的讀取視頻函數(shù) mmread 對(duì)視頻數(shù)據(jù)進(jìn)行解幀，視頻函數(shù)mmread 集成了大部分視頻格式的壓縮格式，它可以對(duì)讀進(jìn)來(lái)的視頻數(shù)據(jù)進(jìn)行反解碼后輸出任意一幀視頻圖像，這些解幀出來(lái)的視頻圖像就是本文將要處理的有可能帶有車(chē)牌信息的靜態(tài)圖像。 取幀間隔時(shí)間設(shè)定由于本系統(tǒng)為基于視頻環(huán)境下的車(chē)牌識(shí)別系統(tǒng)，所以本文的數(shù)據(jù)來(lái)源是作者在公路上拍攝的車(chē)輛運(yùn)動(dòng)視頻信息。此方法可有助于在車(chē)輛經(jīng)過(guò)時(shí)增加檢測(cè)點(diǎn)檢出的二維波形圖的幅值變化。如圖：圖 2 1 斑馬線Fig21 Zebra Crossing由于在圖像灰度化以后，有一部分的車(chē)輛車(chē)身部分的灰度值與路面灰度值接近，對(duì)檢測(cè)點(diǎn)矩陣造成干擾。檢測(cè)點(diǎn)矩陣技術(shù)就是基于對(duì)這些二維波形圖包含的數(shù)據(jù)信息處理從而檢測(cè)出車(chē)身形狀進(jìn)而粗定位車(chē)牌位置的。 圖像采集 背景加強(qiáng)技術(shù)本文所提出的視頻運(yùn)動(dòng)目標(biāo)檢測(cè)優(yōu)化技術(shù)最重要的理論基礎(chǔ)是利用檢測(cè)點(diǎn)矩陣中的檢測(cè)點(diǎn)獲取道路上車(chē)輛的運(yùn)動(dòng)信息。以固定時(shí)間間隔提取的幀圖像用來(lái)進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)，在運(yùn)動(dòng)目標(biāo)檢測(cè)中提出一種先進(jìn)的檢測(cè)點(diǎn)矩陣算法實(shí)現(xiàn)車(chē)牌初步定位。由于這部分內(nèi)容并沒(méi)有以往的經(jīng)驗(yàn)可以借鑒，本文僅僅提出一種概念，以達(dá)到完整系統(tǒng)的目標(biāo)。，在車(chē)牌識(shí)別的各環(huán)節(jié)采集相應(yīng)評(píng)價(jià)參數(shù)，構(gòu)造評(píng)價(jià)函數(shù)。設(shè)計(jì)合理計(jì)算方法使分割出的字符有效信息增加無(wú)效信息減少，并對(duì)分割出的字符圖像合理規(guī)格化。由于車(chē)牌粗定位環(huán)節(jié)減少了大量背景數(shù)據(jù)從而為車(chē)牌精確定位排除了背景干擾，一定程度上增加了車(chē)牌精確定位的準(zhǔn)確性。，研究和嘗試在幀中設(shè)置檢測(cè)點(diǎn)矩陣，利用檢測(cè)點(diǎn)矩陣獲取每幀中的車(chē)輛車(chē)身形狀信息，并利用車(chē)身形狀信息進(jìn)行車(chē)牌粗定位，車(chē)牌粗定位可以大量減小車(chē)牌圖像幀中無(wú)效數(shù)據(jù)，加快系統(tǒng)運(yùn)算速度。本文把數(shù)字?jǐn)z像機(jī)拍攝的視頻數(shù)據(jù)作為數(shù)據(jù)來(lái)源，通過(guò)一系列計(jì)算方法檢測(cè)車(chē)輛運(yùn)動(dòng)目標(biāo)、定位車(chē)牌圖像、分割字符圖像、識(shí)別字符圖像最終獲取車(chē)牌號(hào)碼。該技術(shù)不需要硬件檢測(cè)車(chē)輛經(jīng)過(guò)狀態(tài)，因此不需要破壞路面安裝硬件檢測(cè)器，保護(hù)了交通道路設(shè)施。 系統(tǒng)應(yīng)用及主要流程本系統(tǒng)通過(guò)對(duì)視頻數(shù)據(jù)進(jìn)行分析處理，完全解決了傳統(tǒng)車(chē)牌識(shí)別技術(shù)需要依賴(lài)硬 件檢測(cè)器的問(wèn)題。2）質(zhì)量反饋模塊質(zhì)量反饋模塊將通過(guò)對(duì)系統(tǒng)識(shí)別結(jié)果進(jìn)行自評(píng)測(cè)，使系統(tǒng)識(shí)別準(zhǔn)確率變成人為控制，并且一定程度上提高了既定難度下的車(chē)牌識(shí)別準(zhǔn)確率。檢測(cè)點(diǎn)矩陣將可在視頻窗口中選定興趣區(qū)域、有效檢出車(chē)輛運(yùn)動(dòng)目標(biāo)、排除非機(jī)動(dòng)車(chē)目標(biāo)，同時(shí)為車(chē)牌精確定位環(huán)節(jié)減少了計(jì)算量、降低了背景干擾。 本文創(chuàng)新點(diǎn)本文對(duì)視頻條件下的車(chē)牌識(shí)別系統(tǒng)作了較深入研究，在研究過(guò)程中基本上達(dá)到了合理利用視頻數(shù)據(jù)、提高系統(tǒng)實(shí)時(shí)性的要求。5）質(zhì)量反饋模塊對(duì)系統(tǒng)各過(guò)程環(huán)節(jié)合理設(shè)置評(píng)價(jià)參數(shù)和參因數(shù)，通過(guò)評(píng)價(jià)函數(shù)對(duì)系統(tǒng)識(shí)別結(jié)果進(jìn)行自評(píng)測(cè)，如果滿足其設(shè)定值，則認(rèn)為結(jié)果正確，否則將重新返回視頻幀圖像選擇環(huán)節(jié)以選擇特征性更好的幀圖像。3）車(chē)牌粗定位技術(shù)在車(chē)牌粗定位技術(shù)本文啟發(fā)性地使用了一種檢測(cè)點(diǎn)矩陣技術(shù)，該技術(shù)物理性的屏蔽了大部分圖像噪聲干擾對(duì)圖像處理、車(chē)牌定位的影響，并且有效地減少了系統(tǒng)計(jì)算量。如設(shè)置多盞照明燈以消除或減弱運(yùn)動(dòng)目標(biāo)陰影、利用交通卡口或隧道等光源位置較固定且容易控制的地方、背景強(qiáng)化（斑馬線）等方法，可以使采集的圖像背景干擾更小。同樣的，基于視頻的車(chē)牌識(shí)別系統(tǒng)相比于傳統(tǒng)的車(chē)牌識(shí)別系統(tǒng)也有其自身的一些技術(shù)難點(diǎn)，比如數(shù)據(jù)量大、運(yùn)動(dòng)車(chē)輛經(jīng)過(guò)狀態(tài)檢測(cè)的準(zhǔn)確性容易受到干擾，尤其是在復(fù)雜的道路交通環(huán)境下更難以分辨出運(yùn)動(dòng)目標(biāo)體與干擾體，而且視頻數(shù)據(jù)本身較靜態(tài)圖像數(shù)據(jù)又具有噪聲大、圖像抖動(dòng)、運(yùn)動(dòng)模糊等缺點(diǎn)，其單幀圖像質(zhì)量與靜態(tài)圖像數(shù)據(jù)質(zhì)量差很多，如何利用質(zhì)量較差的視頻單幀圖像進(jìn)行車(chē)牌定位成為影響本系統(tǒng)識(shí)別準(zhǔn)確率的最重要的問(wèn)題。檢測(cè)車(chē)身形狀是為了進(jìn)行車(chē)牌初步定位，即初步確定出車(chē)牌所在大致位置，簡(jiǎn)稱(chēng)車(chē)牌粗定位。運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)最終獲取的運(yùn)動(dòng)目標(biāo)信息包括運(yùn)動(dòng)目標(biāo)大小形狀、運(yùn)動(dòng)速度、運(yùn)動(dòng)方向、運(yùn)動(dòng)軌跡、目標(biāo)數(shù)量等，在本系統(tǒng)利用運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)檢測(cè)視頻區(qū)域車(chē)輛經(jīng)過(guò)狀態(tài)、車(chē)身形狀。這些基于視頻的運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)在各自適合的領(lǐng)域都取得了不錯(cuò)的檢測(cè)準(zhǔn)確率。但是這種方法初始化較復(fù)雜，計(jì)算量偏大，會(huì)較大程度上影響系統(tǒng)實(shí)時(shí)性。在速度檢測(cè)窗口內(nèi)利用樣本點(diǎn)方法或者檢測(cè)線方法獲取車(chē)輛運(yùn)動(dòng)目標(biāo)速度。4）檢測(cè)窗口法在道路方向的垂直方向和平行方向各設(shè)一個(gè)檢測(cè)窗口，垂直方向上的檢測(cè)窗口為車(chē)輛檢測(cè)窗，平行方向上的檢測(cè)窗口為速度檢測(cè)窗。但是這種方法計(jì)算量大，而且容易受到其它不明運(yùn)動(dòng)物體、圖像抖動(dòng)、運(yùn)動(dòng)模糊等視頻數(shù)據(jù)特點(diǎn)因素的影響，對(duì)檢測(cè)結(jié)果造成較大影響。對(duì)連通區(qū)域進(jìn)行監(jiān)視，可以獲得車(chē)輛運(yùn)動(dòng)速度信息。二值化處理后的差圖像具有兩種像素點(diǎn) 0 和 1。提出這種算法的有 等人。2）檢測(cè)線方法在視頻窗口中對(duì)每個(gè)車(chē)道上設(shè)置平行于車(chē)道的若干根檢測(cè)線，檢測(cè)線具有固定寬度，車(chē)輛經(jīng)過(guò)車(chē)道時(shí)對(duì)平行于車(chē)道的檢測(cè)線產(chǎn)生影響，針對(duì)這種車(chē)輛造成的影響進(jìn)行分析可以得出運(yùn)動(dòng)車(chē)輛的寬度、速度、運(yùn)動(dòng)軌跡。但是這種方法不容易控制樣本點(diǎn)的數(shù)量，樣本點(diǎn)數(shù)量太多會(huì)失去計(jì)算速度的優(yōu)勢(shì)，樣本點(diǎn)太少則會(huì)容易受到背景干擾，降低準(zhǔn)確度。通過(guò)研究樣本點(diǎn)之前的聯(lián)動(dòng)變化狀態(tài)進(jìn)行車(chē)輛速度檢測(cè)。由于本系統(tǒng)需要視頻檢測(cè)技術(shù)來(lái)確定車(chē)身位置，因此視頻檢測(cè)技術(shù)的發(fā)展水平高低對(duì)本系統(tǒng)具有很大的影響。車(chē)牌識(shí)別技術(shù)運(yùn)用視頻設(shè)備之前其運(yùn)動(dòng)目標(biāo)經(jīng)過(guò)狀態(tài)檢測(cè)主要是通過(guò)硬件傳感器實(shí)現(xiàn)的。準(zhǔn)確的車(chē)牌定位將為后續(xù)的很多圖像處理和分析提供準(zhǔn)確的數(shù)據(jù)來(lái)源，車(chē)牌定位技術(shù)，就是根據(jù)獲取的圖像數(shù)據(jù)，在充分進(jìn)行圖像預(yù)處理的基礎(chǔ)上，進(jìn)行圖像分析和運(yùn)算，利用特征識(shí)別或者模式匹配等技術(shù)，準(zhǔn)確快速的定位出車(chē)輛車(chē)牌在圖像中存在的具體坐標(biāo)，并從整幅圖像數(shù)據(jù)中獲取該車(chē)牌圖像數(shù)據(jù)，為后續(xù)的字符分割和字符識(shí)別做準(zhǔn)備。在字符識(shí)別前首先用識(shí)別好的大量車(chē)牌字符樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)，然后用訓(xùn)練成功的神經(jīng)網(wǎng)絡(luò)識(shí)別目標(biāo)字符模板，利用神經(jīng)網(wǎng)絡(luò)進(jìn)行車(chē)牌字符識(shí)別取得了較高的識(shí)別準(zhǔn)確率。國(guó)內(nèi)的趙丹青等人利用字符輪廓特征實(shí)現(xiàn)了字符識(shí)別。3）字符識(shí)別字符識(shí)別算法中最經(jīng)典的算法是模板匹配算法，其次是字符特征法和神經(jīng)網(wǎng)絡(luò)方法。Untaoeun Ryung Lee 利用彩色圖像中的車(chē)牌顏色進(jìn)行車(chē)牌字符分割，其算法在背景干擾較少的情況下效果較好。國(guó)外的 Ming [3] 、 [1] 、YuntaoEun Ryung Lee[4]等人對(duì)字符分割算法做了較深入的研究。Eun Ryung Lee[4]和國(guó)內(nèi)的郭大波等嘗試使用彩色分割算法和神經(jīng)網(wǎng)絡(luò)算法進(jìn)行車(chē)牌定位，取得不錯(cuò)的效果。馮國(guó)進(jìn) [21]提出了一種算法，這種算法利用車(chē)牌的形狀特征，并且有一定的車(chē)牌圖像大小適應(yīng)性。Masataka [4]提出了利用車(chē)牌邊角特征進(jìn)行車(chē)牌定位的算法。等 [1]提出了基于車(chē)牌字符特征的定位算法。鑒于這種情況，本文分別對(duì)這三個(gè)技術(shù)環(huán)節(jié)的研究現(xiàn)狀綜述。這三種技術(shù)體現(xiàn)在系統(tǒng)中有先后順序，可以將這三個(gè)核心技術(shù)視為車(chē)牌識(shí)別系統(tǒng)的三個(gè)技術(shù)環(huán)節(jié)。我國(guó)對(duì)車(chē)牌識(shí)別技術(shù)研究較晚，比較深入的研究開(kāi)始于 90 年代。 基于視頻的車(chē)牌識(shí)別技術(shù)研究現(xiàn)狀 系統(tǒng)常用技術(shù)發(fā)展現(xiàn)狀車(chē)牌識(shí)別技術(shù)作為智能交通系統(tǒng)基礎(chǔ)數(shù)據(jù)采集的重要方法，很多國(guó)家和科研機(jī)構(gòu)很早就對(duì)這種技術(shù)進(jìn)行研究。目前車(chē)牌識(shí)別技術(shù)算法越來(lái)越成熟，對(duì)圖像采集數(shù)據(jù)提出了越來(lái)越高的要求。目前，計(jì)算機(jī)視覺(jué)系統(tǒng)已經(jīng)開(kāi)始被應(yīng)用于 ITS 并為其交通信息監(jiān)測(cè)服務(wù)。智能交通系統(tǒng) ITS（Intelligent Transportation System）將信息通信技術(shù)、計(jì)算機(jī)技術(shù)、控制技術(shù)綜合在一起，對(duì)道路、行人系統(tǒng)管理，合理監(jiān)測(cè)道路交通信息，并將信息存儲(chǔ)于數(shù)據(jù)庫(kù)，運(yùn)用先進(jìn)算法進(jìn)行數(shù)據(jù)分析并最終制定、執(zhí)行合理的、高效的交通策略。傳統(tǒng)的依靠增加交通設(shè)施來(lái)改善交通壓力的方法效果越來(lái)越不明顯，人們急切呼喚一種新的方式來(lái)解決交通問(wèn)題。本文在提出算法的同時(shí)也將此算法與其它傳統(tǒng)的、常用的算法作了相關(guān)比較，從系統(tǒng)計(jì)算速度與識(shí)別準(zhǔn)確率兩方面進(jìn)行對(duì)比論證，以使兩方面達(dá)到合理的均衡。由于本文先提出的車(chē)牌粗定位算法為本系統(tǒng)節(jié)省了大量的計(jì)算時(shí)間，此質(zhì)量反饋模塊的加入不會(huì)為整個(gè)系統(tǒng)帶來(lái)嚴(yán)重的計(jì)算速度方面的負(fù)擔(dān)，從而在保證系統(tǒng)實(shí)時(shí)性的前提下一定程度上提高系統(tǒng)識(shí)別準(zhǔn)確度。本文還針對(duì)該系統(tǒng)利用視頻圖像幀序列、具用多幀可利用的圖像源數(shù)據(jù)的優(yōu)勢(shì)，提出一種質(zhì)量反饋模塊，該模塊可以對(duì)車(chē)牌識(shí)別結(jié)果進(jìn)行自檢測(cè)。本文針對(duì)其與傳統(tǒng)車(chē)牌識(shí)別系統(tǒng)在圖像采集方面的不同，在車(chē)牌定位環(huán)節(jié)提出了一種檢測(cè)點(diǎn)矩陣算法用以進(jìn)行車(chē)牌粗定位。車(chē)牌識(shí)別系統(tǒng)的難點(diǎn)在于車(chē)牌定位環(huán)節(jié)，車(chē)牌定位準(zhǔn)確與否直接決定車(chē)牌識(shí)別準(zhǔn)確度?；谝曨l的車(chē)牌識(shí)別技術(shù)研究摘要隨著交通設(shè)施與交通工具之間供求矛盾越來(lái)越激化，智能交通系統(tǒng)被認(rèn)為是解決這種矛盾的好方法。車(chē)牌識(shí)別技術(shù)作為智能交通系統(tǒng)基礎(chǔ)信息獲取的重要手段，其性能提升成為眾多科研機(jī)構(gòu)的科研目標(biāo)。本文研究了一種新型的車(chē)牌識(shí)別系統(tǒng)，這種車(chē)牌識(shí)別系統(tǒng)的數(shù)據(jù)來(lái)源是視頻數(shù)據(jù)。這種車(chē)牌粗定位算法為整個(gè)系統(tǒng)節(jié)省了大量計(jì)算時(shí)間，并為后續(xù)算法減小了背景干擾，一定程度上增加了整個(gè)系統(tǒng)的識(shí)別準(zhǔn)確率。在系統(tǒng)中間過(guò)程各環(huán)節(jié)設(shè)置多個(gè)評(píng)價(jià)參數(shù)和參因數(shù)并合理設(shè)計(jì)評(píng)價(jià)函數(shù)，在識(shí)別結(jié)果出來(lái)的同時(shí)對(duì)其進(jìn)行評(píng)價(jià)，如果識(shí)別結(jié)果滿足評(píng)價(jià)函數(shù)的要求則被認(rèn)為識(shí)別成功，否則將會(huì)回到視頻幀圖像選擇環(huán)節(jié)重新進(jìn)行關(guān)鍵幀選擇。一般來(lái)說(shuō)，算法計(jì)算量大則識(shí)別準(zhǔn)確度高、系統(tǒng)運(yùn)算速度慢。關(guān)鍵詞：智能交通系統(tǒng)，車(chē)牌識(shí)別系統(tǒng)，檢測(cè)點(diǎn)矩陣，質(zhì)量反饋模塊VIDEOBASED LICENSE PLATE RECOGNITION TECHNOLOGYABSTRACTWith the Supply and demand Contradictions ,which is Transport and transport facilities,is being more and more intensified, intelligent transportation system is considered to be a good way to resolve this contradiction. License plate recognition technology is the basis for intelligent transportation systems an important means of information acquisition, and more and more scientific research institutions make it to be their target of research. License plate license plate recognition system’s difficulty is to. Locating part of the license plate accurately or not directly determine the license plate recognition’s accuracy.In this paper, we studied a new type of license plate recognition system, this license plate recognition system’s data source is the video data. In this system, with the different aspects of image acquisition, a dot matrix method is used for detecting vehicle license plate location. The vehicle license plate location of the system saves a lot of puting time and reduces the background interference for followup