【正文】 中，條形碼識(shí)別技術(shù)和無(wú)線(xiàn)射頻技術(shù)。無(wú)線(xiàn)射頻技術(shù)要求在車(chē)內(nèi)安裝標(biāo)示卡，在系統(tǒng)某一位置安裝收發(fā)器等裝置，通過(guò)收發(fā)器來(lái)接受標(biāo)示卡的信號(hào)，從而識(shí)別出經(jīng)過(guò)的車(chē)輛。從目前一些產(chǎn)品的性能指標(biāo)可以看出，車(chē)牌識(shí)別系統(tǒng)的識(shí)別率和識(shí)別速度有待提高。因此，研究高速、準(zhǔn)確的定位與識(shí)別算法是當(dāng)前的主要任務(wù)，而圖像處理技術(shù)的發(fā)展與攝像設(shè)備、計(jì)算機(jī)性能的提高都會(huì)促進(jìn)車(chē)牌識(shí)別技術(shù)的發(fā)展，提高車(chē)牌識(shí)別系統(tǒng)的性能。車(chē)牌自動(dòng)識(shí)別系統(tǒng)應(yīng)用于這些系統(tǒng)，可以解決通緝車(chē)輛的自動(dòng)稽查問(wèn)題，可以解決車(chē)流高峰期因出入口車(chē)流瓶頸造成的路橋卡口、停車(chē)場(chǎng)交通堵塞問(wèn)題，可以解決因工作人員作弊造成的路橋卡口、高速公路、停車(chē)場(chǎng)應(yīng)收款流失的問(wèn)題。它還可以同雷達(dá)測(cè)速器或其他的檢測(cè)器配合使用，以檢測(cè)違犯限速值的車(chē)輛。 (2)交通流控制指標(biāo)參量的測(cè)量，為達(dá)到交通流控制的目標(biāo)，一些交通流指標(biāo)的測(cè)量相當(dāng)重要。這也為交通誘導(dǎo)系統(tǒng)提供必要的交通流信息。 (4)對(duì)養(yǎng)路費(fèi)交納、安全檢查、運(yùn)營(yíng)管理實(shí)行不停車(chē)檢查根據(jù)識(shí)別出的車(chē)牌號(hào)碼從數(shù)據(jù)庫(kù)中調(diào)出該車(chē)檔案材料，可發(fā)現(xiàn)沒(méi)及時(shí)交納養(yǎng)路費(fèi)的車(chē)輛。若同車(chē)型檢測(cè)器聯(lián)用，可迅速發(fā)現(xiàn)所掛車(chē)牌與車(chē)型不符的車(chē)輛。這為防范、發(fā)現(xiàn)和追蹤涉及車(chē)輛的犯罪，保護(hù)重要車(chē)輛(如運(yùn)鈔車(chē))的安全有重大作用，從而對(duì)城市治安及交通安全有重要的保障作用。 河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 第三章 汽車(chē)車(chē)牌識(shí)別系統(tǒng)的設(shè)計(jì) 第三章 汽車(chē)車(chē)牌識(shí)別系統(tǒng)的設(shè)計(jì) 汽車(chē)牌照的特點(diǎn)目前國(guó)內(nèi)汽車(chē)牌照有六種類(lèi)型：①大型民用汽車(chē)所用的黃底黑字牌照；②小型民用汽車(chē)所用的藍(lán)底白字牌照；③軍隊(duì)或武警專(zhuān)用汽車(chē)的白底紅字、黑字牌照；④使、領(lǐng)館外籍汽車(chē)的黑底白字牌照；⑤試車(chē)和臨時(shí)牌照是白底紅字，且數(shù)字前分別標(biāo)有“試”和“臨時(shí)”字標(biāo)志；⑥汽車(chē)補(bǔ)用牌照是白底黑字，對(duì)于車(chē)前牌照，其尺寸均為44cm長(zhǎng)，14cm寬，共有7個(gè)或8個(gè)字符,民用汽車(chē)牌照上有省、直轄市、自治區(qū)的名稱(chēng)和發(fā)證照及監(jiān)督機(jī)關(guān)的代號(hào)，編號(hào)是英文大寫(xiě)字母?！?，后面的汽車(chē)編號(hào)，一般為5位數(shù)字，即從00001~99999。從人的視覺(jué)特點(diǎn)出發(fā)，車(chē)牌目標(biāo)區(qū)域具有如下特點(diǎn)：①車(chē)牌底色往往與車(chē)身顏色、字符顏色有較大差異；②車(chē)牌有一個(gè)連續(xù)或由于磨損而不連續(xù)的邊框，車(chē)牌內(nèi)字符有多個(gè)，基本呈水平排列，所以在牌照的矩形區(qū)域內(nèi)存在較豐富的邊緣，呈現(xiàn)出規(guī)則的紋理特征；③車(chē)牌內(nèi)字符之間的間隔比較均勻，字符和牌照底色在灰度值上存在跳變，而字符本身與牌照底的內(nèi)部都有較均勻灰度；④不同圖像中牌照的具體大小、位置不確定，但其長(zhǎng)度比變化有一定范圍，存在一個(gè)最大和最小長(zhǎng)度比。 汽車(chē)車(chē)牌識(shí)別系統(tǒng)的組成汽車(chē)車(chē)牌識(shí)別（LPR）系統(tǒng)通過(guò)引入數(shù)字?jǐn)z像技術(shù)和計(jì)算機(jī)信息管理技術(shù)，采用先進(jìn)的圖像處理、模式識(shí)別和人工智能技術(shù)，通過(guò)對(duì)圖像的采集和處理，獲得更多的信息，從而達(dá)到更高的智能化管理程度。因此，研究高速準(zhǔn)確的定位與識(shí)別算法，是當(dāng)前的主要任務(wù)。如下圖所示。該部分功能可簡(jiǎn)單調(diào)用計(jì)算機(jī)視頻捕捉卡廠(chǎng)商提供的各種軟件開(kāi)發(fā)包工具即可實(shí)現(xiàn)。首先要對(duì)采集到的車(chē)牌定位，而牌照定位又決定其后的車(chē)牌字符識(shí)別，因此牌照定位是車(chē)牌識(shí)別系統(tǒng)的關(guān)鍵的關(guān)鍵，牌照定位就是從包含整個(gè)車(chē)輛的圖像中找到牌照區(qū)域的位置。 詳細(xì)設(shè)計(jì)步驟 提出總體設(shè)計(jì)方案汽車(chē)車(chē)牌識(shí)別整個(gè)系統(tǒng)主要是由車(chē)牌定位和字符識(shí)別兩部分組成，其中車(chē)牌定位又可以分為圖像預(yù)處理及車(chē)牌區(qū)域搜索模塊和牌照的定位及分割模塊，字符識(shí)別可以分為字符特征提取和字符識(shí)別兩個(gè)模塊。由于拍攝時(shí)的光照條件、牌照的整潔程度的影響和攝像機(jī)的焦距調(diào)整、鏡頭的光學(xué)畸變所產(chǎn)生的噪聲都會(huì)不同程度地造成牌照字符的邊界模糊、細(xì)節(jié)不清、筆劃斷開(kāi)或粗細(xì)不均，加上牌照上的污斑等缺陷，致使字符提取困難，進(jìn)而影響字符識(shí)別的準(zhǔn)確性。車(chē)牌識(shí)別的最終目的就是對(duì)車(chē)牌上的文字進(jìn)行識(shí)別。因?yàn)橄到y(tǒng)運(yùn)行的過(guò)程中，主要進(jìn)行的都是圖像處理，在這個(gè)過(guò)程中要進(jìn)行大量的數(shù)據(jù)處理，所以處理器和內(nèi)存要求比較高。 圖像采集 車(chē)牌自動(dòng)識(shí)別系統(tǒng)中車(chē)輛圖像是通過(guò)CCD 攝像頭與計(jì)算機(jī)的視頻捕捉卡直接相連來(lái)完成圖像采集，可以實(shí)時(shí)在監(jiān)控圖像中抓取到含有車(chē)輛的圖像。由于條件有限，此處照片直接由相機(jī)拍攝，并編寫(xiě)程序?qū)隡atlab軟件中進(jìn)行處理。clear all。*.jpg39。選擇圖片39。I=imread([pn fn])。title(39。)。 汽車(chē)車(chē)牌的定位和分割車(chē)牌圖像往往是在復(fù)雜的環(huán)境中拍攝得到的，車(chē)牌由于與復(fù)雜的車(chē)身背景融為一體，由于車(chē)牌在使用中磨損與灰塵及拍攝儀器的影響以及由于拍攝角度的不同，車(chē)牌在圖像中往往有很大的形變，如何在復(fù)雜背景中準(zhǔn)確、快速找出車(chē)牌的位置成為車(chē)牌識(shí)別中的難點(diǎn)?？偨Y(jié)起來(lái)主要有如下幾類(lèi)方法：(1) 基于水平灰度變化特征的方法，這種方法主要在車(chē)牌定位以前， 需要對(duì)圖像進(jìn)行預(yù)處理，將彩色圖像轉(zhuǎn)換為灰度圖像，利用車(chē)牌區(qū)域水平方向的紋理特征進(jìn)行車(chē)牌定位；(2) 基于邊緣檢測(cè)的定位方法，這種方法是利用車(chē)牌區(qū)域豐富的邊緣特征進(jìn)行車(chē)牌定位[3]，能夠進(jìn)行檢測(cè)的方法有多種，如Roberts 邊緣算子、Prewitt 算子、Sobel 算子以及拉普拉斯邊緣檢測(cè)；(3) 基于車(chē)牌顏色特征的定位方法，這種方法主要是應(yīng)用車(chē)牌的紋理特征、形狀特征和顏色特征即利用車(chē)牌字符和車(chē)牌底色具有明顯的反差特征來(lái)排除干擾進(jìn)行車(chē)牌的定位；(4) 基于Hough 變換的車(chē)牌定位方法，這種方法是利用車(chē)牌邊框的幾何特征，采取尋找車(chē)牌邊框直線(xiàn)的方法進(jìn)行車(chē)牌定位；(5) 基于變換域的車(chē)牌定位方法，這種方法是將圖像從空域變換到頻域進(jìn)行分析，例如采用小波變換等；(6) 基于數(shù)學(xué)形態(tài)學(xué)的車(chē)牌定位方法，這種方法是利用數(shù)學(xué)形態(tài)學(xué)圖像處理的基本思想，利用一個(gè)結(jié)構(gòu)元素來(lái)探測(cè)一個(gè)圖像， 看是否能將這個(gè)結(jié)構(gòu)元素很好的填放在圖像內(nèi)部，同時(shí)驗(yàn)證填放元素的方法是否有效。根據(jù)車(chē)牌底色等有關(guān)的先驗(yàn)知識(shí)，采用彩色像素點(diǎn)統(tǒng)計(jì)的方法分割出合理的車(chē)牌區(qū)域，確定車(chē)牌底色藍(lán)色RGB對(duì)應(yīng)的各自灰度范圍，然后行方向統(tǒng)計(jì)在此顏色范圍內(nèi)的像素點(diǎn)數(shù)量，設(shè)定合理的閾值，確定車(chē)牌在行方向的合理區(qū)域。車(chē)牌定位 確定行、列方向的合理區(qū)域彩色像素點(diǎn)統(tǒng)計(jì)藍(lán)白色比對(duì)候選區(qū)域?qū)朐紙D像 牌照區(qū)域的定位的流程圖 定位的車(chē)牌%=========車(chē)牌定位與分割的主要程序代碼=========[y,x,z]=size(I)。Y_threshlow=5。%ganrao transaction%================= Y 方向=======================Blue_y=zeros(y,1)。changkuanbi=0。% Y方向車(chē)牌區(qū)域確定 temp(最多點(diǎn)數(shù)):所有行中，最多的累積像素點(diǎn) MaxY（最多點(diǎn)所在行）:該行中藍(lán)點(diǎn)最多 PY1=MaxY。%這個(gè)數(shù)值很重要。 % 進(jìn)一步確定X方向的車(chē)牌區(qū)域 [temp MaxX]=max(Blue_x)。a=PY2PY1+1。 baisebili=White/(a*b) changkuanbi=a/b PY2=MaxY。b=PX2PX1+1。 [temp MaxY]=max(Blue_y)。事實(shí)上，在車(chē)牌自動(dòng)識(shí)別系統(tǒng)中車(chē)輛圖像是通過(guò)圖像采集卡將運(yùn)動(dòng)的車(chē)輛圖像抓拍下來(lái)，并以位圖的格式存放在系統(tǒng)內(nèi)存中。汽車(chē)圖像樣本，目前大都是通過(guò)攝像機(jī)、數(shù)碼相機(jī)等設(shè)備拍攝獲取的，因而預(yù)處理前的圖像都是彩色圖像。所以對(duì)一個(gè)尺寸為m*n的彩色圖像來(lái)說(shuō)，存儲(chǔ)為一個(gè)二m*n*3的多維數(shù)組。 彩色圖像包含著大量的顏色信息，不但在存儲(chǔ)上開(kāi)銷(xiāo)很大，而且在處理上也會(huì)降低系統(tǒng)的執(zhí)行速度。在RGB模型中，如果R=G=B，則顏色表示一種灰度顏色，其中R=G=。彩色圖像的象素色為RGB (R, G, B )，灰度圖像的象素色為RGB ( r, r, r ), R, G, , G, B的取值范圍是0255,所以灰度的級(jí)別只有256級(jí)。由于人眼對(duì)綠色的敏感度最高，對(duì)紅色的敏感度次之，對(duì)藍(lán)色的敏感度最低，當(dāng)Wr=, Wa=, Wc=，能得到最合理的灰度圖像。figure,imshow(bw)?；叶葓D像39。但是若以某個(gè)固定的經(jīng)驗(yàn)值對(duì)所有牌照統(tǒng)一進(jìn)行旋轉(zhuǎn)處理，又會(huì)使原本正常的牌照傾斜，導(dǎo)致新的錯(cuò)誤。本文在針對(duì)傾斜角度的圖片采取rando算法進(jìn)行傾斜角度計(jì)算，并對(duì)傾斜圖片進(jìn)行修正，從而得到水平方向一致的圖片，有利于后期的圖片分割及圖像識(shí)別。bilinear39。crop39。figure,imshow(bw)。傾斜校正39。%取值為正值向左旋轉(zhuǎn)I=edge(I)。theta = 1:180。%旋轉(zhuǎn)，修正圖像[I,J] = find(R=max(max(R)))。%theta 牌照的二值化處理與去除噪聲圖像二值化是指整幅圖像畫(huà)面內(nèi)僅黑、白二值的圖像。這是因?yàn)?，一方面，有些需要處理的如文字圖像、指紋圖像、工程圖紙等圖像本身是二值的；另一方面，在某些情況下即使圖像本身是有灰度的，我們也設(shè)法使它變成二值圖像再進(jìn)行處理（即灰度圖像的二值化）。此外二值化的圖像能夠用幾何學(xué)中的概念進(jìn)行分析和特征描述，比灰度圖像優(yōu)勢(shì)大得多。同時(shí)車(chē)牌識(shí)別系統(tǒng)要求處理的速度高、成本低、信息量大，采用二值圖像進(jìn)行處理，能大大提高處理效率。設(shè)原灰度圖像為f(x,y)，二值化后的圖像為g(x,y),二值化的過(guò)程表示如下： 0 f(x,y)t g(x,y)= () 255 f(x,y)t二值化，基于實(shí)時(shí)性的要求，我力求尋找一種快速而且效果較好的方法，能夠更有針對(duì)性的解決在不同條件下牌照?qǐng)D像的二值化問(wèn)題。我們采用最簡(jiǎn)單的方法，當(dāng)象素灰度級(jí)低于常數(shù)t時(shí)，[0t]象素灰度為0，[t255]象素灰度為255。%figure,imshow(bw)。hbreak39。%figure,imshow(bw)。spur39。%figure,imshow(bw)。擦除之前39。bw=bwmorph(bw,39。,5)。title(39。)。figure,imshow(bw)。擦除39。bw=~bw。title(39。)。由于字符在垂直方向上的投影必然在字符間或字符內(nèi)的間隙處取得局部最小值的附近，并且這個(gè)位置應(yīng)滿(mǎn)足牌照的字符書(shū)寫(xiě)格式、字符、尺寸限制和一些其他條件。 Y方向處理 字符精確定位%=========Y方向處理定位字符的程序=========function bw_fir = touying(imane_bw)X_yuzhi=1。Y_touying=(sum((~imane_bw)39。%往左邊投影統(tǒng)計(jì)黑點(diǎn)X_touying=sum((~imane_bw))。Y_yuzhi=mean(Y_touying((fix(y/2)10):(fix(y/2)+10),1))/。amp。amp。if (X_touying(1,fix(x/14)))=X_yuzhi X_right=fix(x/14)%找黑體邊緣bw_fir=imane_bw(Y_up:Y_down,X_right:x)。bw = bwareaopen(bw, threshold)。%figure,imshow(bw)。二次擦除39。[y,x]=size(bw)。字符分割的方法也有多種：1. 基于聚類(lèi)分析的字符分割；2. 投影分割的方法；。優(yōu)點(diǎn)是程序邏輯設(shè)計(jì)簡(jiǎn)單，循環(huán)執(zhí)行功能單一，便于設(shè)計(jì)和操作，程序執(zhí)行時(shí)間短。它在前期牌照定位的基礎(chǔ)上進(jìn)行字符的分割，然后再利用分割的結(jié)果進(jìn)行字符識(shí)別。由于字符在垂直方向上的投影必然在字符間或字符內(nèi)的間隙處取得局部最小值的附近，并且這個(gè)位置應(yīng)滿(mǎn)足牌照的字符書(shū)寫(xiě)格式、字符、尺寸限制和一些其他條件。對(duì)‘豫’字經(jīng)常出現(xiàn)的是把木字旁和右邊的部首分割開(kāi)。一個(gè)智能的識(shí)別系統(tǒng)應(yīng)減少系統(tǒng)對(duì)閾值的過(guò)分依賴(lài)。對(duì)車(chē)牌字符進(jìn)行垂直投影設(shè)定閾值去掉車(chē)牌的框架按字符寬度切割出字符分析垂直投影找到每個(gè)字符中心位置 字符分割流程圖 分割出的字符%=========字符分割的主要程序=========[y,x]=size(imfenge)。k=1。%去掉多產(chǎn)生的一個(gè)K值[m n]=size(fenge)。建立自動(dòng)識(shí)別的代碼表讀取分割出來(lái)的字第一個(gè)字符與模板中的漢字模板進(jìn)行匹配后5個(gè)字符與模板中字母與數(shù)字模板進(jìn)行匹配第二個(gè)字符與模板中的字母模板進(jìn)行匹配識(shí)別完成，輸出此模板對(duì)應(yīng)值待識(shí)別字符與模板字符相減，值越小相似度越大，找到最小的一個(gè)即為匹配的最好的 字符識(shí)別流程圖 本文采用的是基于模版匹配法，在構(gòu)建標(biāo)準(zhǔn)字庫(kù)的過(guò)程中，用繪圖工具繪制了A—Z、09和車(chē)牌地區(qū)名，并且以32行*16列的大小黑體字保存。①數(shù)字09，；②字母AZ，；③各省自治區(qū)簡(jiǎn)稱(chēng)，文件名為： ,，,,. 字符識(shí)別過(guò)程車(chē)牌字符識(shí)別方法基于模式識(shí)別理論，主要有：(1) 統(tǒng)計(jì)識(shí)別；(2) 結(jié)構(gòu)識(shí)別；(3) 基于神經(jīng)網(wǎng)絡(luò)的字符識(shí)別；(4) 基于模板匹配的字符識(shí)別。另外車(chē)牌字符常發(fā)生變形、斷缺等情況，使字符結(jié)構(gòu)受損，則依賴(lài)于字體結(jié)構(gòu)完整性的結(jié)構(gòu)識(shí)別方法所提取的特征會(huì)不準(zhǔn)確，識(shí)別結(jié)果的誤識(shí)率也高?；谏窠?jīng)網(wǎng)絡(luò)的字符識(shí)別方法，具有良好的容錯(cuò)能力，分類(lèi)能力和并行處理能力及自我學(xué)習(xí)能力，應(yīng)用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)模式識(shí)別，運(yùn)行速度快，自適應(yīng)好，分辨率高，對(duì)信息復(fù)雜、背景不清楚、推理不明確的問(wèn)題尤為有利。當(dāng)學(xué)習(xí)系統(tǒng)所處環(huán)境平穩(wěn)時(shí)(統(tǒng)計(jì)特性不隨時(shí)間變化)，神經(jīng)網(wǎng)絡(luò)可以學(xué)到這些環(huán)境統(tǒng)計(jì)特性，作為經(jīng)驗(yàn)記住?；谀０迤ヅ涞淖址R(shí)別方法主要有：簡(jiǎn)單模板匹配，外圍輪廓匹