当前位置：文档之家› 车牌识别数字图像处理

车牌识别数字图像处理

期末大作业报告

课程名称：数字图像处理

设计题目：车牌识别

学院：信息工程与自动化学院

专业：计算机科学与技术

年级： xxxxx 学生姓名： xxxxxxx （学号 xxxxxxxxxxxxx）指导教师： xxxx 日期： 2012.6.10

教务处制

车牌识别

摘要:数字图像处理技术是20世纪60年代发展起来的一门新兴学科，随着图像处理理论和方法的进一步完善，使得数字图像处理技术在各个领域得到了广泛应用，并显示出广阔的应用前景。MATLAB既是一种直观、高效的计算机语言,同时又是一个科学计算平台。它为数据分析和数据可视化、算法和应用程序开发提供了最核心的数学和高级图形工具。根据它提供的500多个数学和工程函数，工程技术人员和科学工作者可以在它的集成环境中交互或编程以完成各自的计算。MATLAB中集成了功能强大的图像处理工具箱。由于MATLAB语言的语法特征与C语言极为相似，而且更加简单，更加符合科技人员对数学表达式的书写格式，而且这种语言可移植性好、可扩展性强，再加上其中有丰富的图像处理函数，所以MATLAB在图像处理的应用中具有很大的优势。车牌识别技术是智能交通系统的重要组成部分，在近年来得到了很大的发展。本文从预处理、边缘检测、车牌定位、字符分割、字符识别五个方面，具体介绍了车牌自动识别的原理。并用MATLAB软件编程来实现每一个部分,最后识别出汽车牌照。

关键词:车牌识别、数字图像处理、MATLAB

一、设计原理

车辆牌照识别系统的基本工作原理为：将摄像头拍摄到的包含车辆牌照的图像通过视频卡输入到计算机中进行预处理，再由检索模块对牌照进行搜索、检测、定位，并分割出包含牌照字符的矩形区域，然后对牌照字符进行二值化并将其分割为单个字符，然后输入JPEG或BMP格式的数字，输出则为车牌号码的数字。牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。

二、设计步骤

1. 提出总体设计方案:

（1）车牌图像预处理方法

因为车牌图像都是在室外拍摄的，所以不可避免地会受到光照、气候等因素的影响，而且拍摄者的手部抖动与车辆的移动会造成图像的模糊。要去除这些干扰就得先对车牌图像进行预处理。由于当前数码相机的像素较高，原始图像的数据一般比较大，输入的彩色图像包含大量颜色信息，会占用较多的存储空间，且处理时也会降低系统的执行速度。因此对图像进行识别等处理时，常将彩色图像转换为灰度图像，以加快处理速度。对图像进行灰度化处理后常用的方法是图像二值化、去除背景图像、增强处理、边缘检测、滤波等处理等。

（2）车牌定位方法

车牌定位在整个车牌识别系统中是非常关键的一部分，因为如果车牌无法定位或无法精确定位，就不可能进行后续的字符分割与字符识别工作。经过查阅文献，我发现车牌定位算法的种类非常多，但是至今没有一种通用的方法。考虑到本次课程大作业所用车牌的一些特点，可采用以下四种车牌定位的算法，下面具体介绍。

1）基于灰度边缘检测与形态学重构的方法。这种方法只要利用车牌区域局部对比度明显和有规律的纹理特征来定位，然后利用形态学方法将车牌区域与其它背景区域分离。

2）基于直线检测的方法。这种方法主要Hough变换的方法来检测车牌周围边框直线，利用车牌形状特性来定位车牌。

3）根据车牌的固有长宽比进行定位的方法。因为中外车牌的长宽比都是固定的3.1：1，在预处理完成后对二值化的图像进行膨胀腐蚀，计算联通区域长宽比确定车牌位置。

4）基于彩色图像的车牌定位方法。现在的牌照有四种类型:第一种是最常见的小型汽车所用的蓝底白字牌照；第二种是大型汽车所用的黄底黑字牌照；第三种是军用或警用的白底黑字、红字牌照；第四种是国外驻华机构用的黑底白字、红字牌照。基于彩色图像的车牌定位方法主要利用车牌颜色与车身其他部位颜色具有明显不同的差异来分割与提取车牌。

定位流程图:

（3）字符分割方法

字符分割是指将车牌区域分割成单个的字符区域，分割越准确，识别效果越好。目前有许多种车牌字符分割算法，由于在车牌字符分割中存在噪声干扰，边框、铆钉影响，车牌旋转和光照不均等问题，造成分割不准确，甚至分割错误，目前很难找到普遍适用的分割方法。常用的字符分割法主要是基于投影分析字符的分割方法和基于连通域分析的字符分割方法。

1）投影分析常采用的是水平投影法，即沿水平方向计算每一列属于车牌字符的象素数目，在字符的间隙处取得局部最小值，分割位置应在其附近。先根据车牌水平投影的统计特征呈现出明显“波峰——波谷——波峰”，进行水平方向上的粗分割，若字符出现合并和粘连现象，再采用递归回归办法进行二次字符分割。

2）投影法进行字符分割实现起较为简单，但在预处理效果不好的情况下，较难获得满足条件的列。若增加预处理，则使处理后的图像不可避免地损失一部分有用信息，还可能导致额外误差。基于连通域聚类分析切分车牌字符的方法按照属于同一个字符的像素构成一个连通域的原则，结合牌照字符的固定高度和间距比例关系等先验知识，较好地解决了汽车牌照在复杂背景条件下的字符切分问题，降低了对车牌定位准确度的要求，对不规范的车牌识别也具有一定的适用性。

（4）字符识别方法

标准的车牌共有七个字符，如上图所示。其中第1位为汉字，第2、3位为大写英文字母，4~7位为阿拉伯数字。目前还有一定数量的个性化车牌，因为保有量较少，故可以忽略不计。所以总共需要识别的字符约50个汉字，26个大写英文字母及10个阿拉伯数字。现在常用的字符识别主要是基于模版匹配和神经网络的方法。

1）模板匹配法是最简单的一种字符识别方法。将待识别字符经分割归一化成模板字体的大小，将它输入字符识别模块进行匹配。根据实际字符和模板图像之间匹配方差最小的原则，判定车牌图像字符所属类别。这种方法对于标准、规范的字符识别效果较好。但在复杂环境下的车牌字符会与理想模板字符不完全一致，这导致了识别结果存在较大误差。

2）模版匹配法简单、成熟，但其自适应不强。对于字符有断裂和粘连等情况容易造成误判。神经网络匹配法具有良好的容错性、自适应和学习能力，但样本的训练收敛速度慢，而大规模并行处理为此提供了解决途径。其中一种方法是采用并行识别的BP网络，让汉字、英文、阿拉伯数字，阿拉伯数字分别送到各自的网络识别。还有学者结合小波变化的优点，提出基于小波和BP神经网络的车牌字符识别新方法，采用小波变换提取字符特征，神经网络实现字符识别，加快了算法的执行，提高了识别率。

处理流程图：

2. 各模块的实现（此处仅为处理后的结果图，详细代码见附录）

（1）输入待处理的原始图像:

原图：

（2）图像的灰度化

彩色图像包含着大量的颜色信息，不但在存储上开销很大，而且在处理上也会降低系统的执行速度，因此在对图像进行识别等处理中经常将彩色图像转变为灰度图像，以加快处理速度。由彩色转换为灰度的过程叫做灰度化处理。选择的标准是经过灰度变换后，像素的动态范围增

加，图像的对比度扩展，使图像变得更加清晰、细腻、容易识别。

定位后

（7）车牌字符分割

确定车牌位置后下一步的任务就是进行字符切分分离出车牌号码的全部字符图像。考虑到基于投影分析字符的分割方法和基于连通域分析的字符分割方法实现起来比较复杂，于是我就综合前人方法总结出自己的算法。车牌字符分割包括字符分割和单个字符识别两个模块。考虑到获取的图像可能存在一定缺陷，因此在进行字符分割之前要先对定位后的车牌图像进行预处理，以方便后面的工作。

车牌上共有7个字符，间距相等，设平均字宽为W ，还有一个分隔符“﹒”占1/2字宽。通过之前的预处理，可以将分隔符“﹒”用滤波器去掉。设(,)f i j 是文字的二维点阵图形，有文字处为1，否则为0。首先在

(,)0f i j =∑处切割，若两个文字相粘连时，其间隔处便不会出现

(,)0f i j =∑，此时就要辅之以求平均字宽的方法。若某个字宽k

W ≥，说明k W 中含有一

个以上的文字，需要继续分割。由于在字符识别中我准备采用模板匹配的方法，因此需要将已分割出来的字符进行归一化处理。因为我所采用的模板的尺寸为4020?，因此需要将分割出的字符也归一化为4020?的尺寸。首先对彩色车牌进行二值化：

对二值图像进行形态滤波：

最后得到目标车牌区域：

经过以上步骤得到分割后的图像：

（8）车牌字符识别

字符识别方法主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法是首先将分割后的字符二值化,并将其尺寸缩放为字符数据库中模板的大小，然后与所有模板进行匹配，最后选取最佳匹配作为结果。建立数字库对该方法在车牌识别过程中很重要, 数字库准确才能保证检测出的数据正确。基于人工神经元网络的算法有两种，一种是先对特征提取待识别字符，然后用所获得的特征训练神经网络分配器；另一种是直接将待处理图像输入网络由网络自动实现特征提取直至识别结果。在本程序中用基于人工神经元网络识别车牌字符。在车牌字符识别部分, 字符集中包含约50个汉字, 26个大写英文字母及10个阿拉伯数字。总的字符样本并不太多。进行车牌识别前需要使用样本对神经网络进行训练，然后使用训练好的网络对车牌进行识别。其具体流程为:使用汉字、字母、字母数字、数字四个样本分别对四个子网络进行训练，得到相应的节点数和权值。对已经定位好的车牌进行图像预处理，逐个的特征提取，然后从相应的文件中读取相应的节点数和权值，把车牌字符分别送入相应的网络进行识别，输出识别结果。

此处我们给出10个阿拉伯数字，8个字母作为样本：

将样本进行归一化为50X20大小，再将图像按列转换成一个1000X1的行向量，将上述18个图像的样本排列在一起构成1000X18的矩阵样本，尽可能多的采集汽车图像提取车牌，部分切分出车牌字符，构造出更多1000X18的矩形样本，用构造好的样本库对神经网络进行训练。

三、设计结果及分析

通过匹配得到的结果图为：

从上面结果可以看出，这张车牌的识别失败了，将8误识别为M了，再次经过培训后匹配出图像如图：

这在识别中误将8匹配成了P匹配结果再次失败了，因此需要在其他方面做些弥补，最后经过修改库里面里的8.jpg文件最终达到如下识别效果。进行匹配得到的结果图为：

此次结果正确。

经过实际测试，基于MATLAB的车牌识别系统可以实现基本的车牌识别功能，但是整个系统还存在一些缺陷。第一识别率无法达到百分之一百，这与字符模板本身的准确度有很大的关系；第二可以识别的图像种类有限，车牌必须占整个图像面积比较大才可以识别，如果车牌面积较小甚至无法对车牌进行定位。在车牌识别的过程中数字库的建立很重要,只有数字库的准确才能保证检测出来的数据正确。切割出来的数据要与数据库的数据作比较，所以数据库的数据尤为重要，必须使数据库里的数据具有普遍代表性。

四、总结

本次期末大作业要求我们在众多题目中选做一题，最后我选择了最车牌识别。在做这个大作业之前，我本以为车牌识别比较简单，但是接触以后才发现限制车牌识别的因素很多，要想识别任意图像是非常困难的。本次作业我主要是对车牌识别系统的软件部分进行了研究，分别从图像预处理、车牌定位、字符分割以及字符识别等方面进行了系统的分析。做完这次车牌识别大作业后，我感觉它的工作量的确很大，花费了我不少时间，采集数据、一遍遍地尝试着各个图片有些图片不可以定位出车牌、有些不可以切割准确等等最后经过一次次的培训。通过这次期末大作业，我明白学习是一个长期积累的过程，在以后的工作、生活中都应该不断的学习，努力提高自己知识和综合素质。虽然这个设计做的也不太好，但是在设计过程中所学到的东西是这次课程设计的最大收获和财富，使我终身受益。通过这次期末大作业也让我学会了很多，主要有以下几点：1、巩固了数字图像处理课上所学的知识，比如滤波、膨胀、腐蚀、边缘提取等等。2、通过这次大作业使我对Matlab的使用更加熟练了。3、为了完成车牌识别系统，除参考老师给的资料之外，我还从网上查阅了不少资料，与同学交流经验和自学，并向老师请教，使自己学到了不少知识，也经历了不少艰辛，在整个设计中我懂得了许多东西，也培养了我独立工作的能力，树立了对自己工作能力的信心，相信会对今后的学习工作生活有非常重要的影响。而且大大提高了动手的能力，使我充分体会到了在创造过程中探索的艰难和成功时的喜悦。

4、通过这次作业我深刻感受到要实现一个系统的功能是一件很复杂的事。所以说实现一个比较完善的系统就需要对其中的每个部分进行优化设计，这也是我以后需要努力的。最后感谢王老师对我们的悉心指导。

五、参考文献

1. 白利波车牌检测与识别算法研究[D]北京交通大学，2007，30-31.

2. 谢盛嘉梁竞敏车牌识别系统的设计与实现[J]微计算机信息 2010（6）

3. 王刚冀小平基于MATLAB的车牌识别系统的研究[J]电子设计工程2009（11）

4. 王广宇车辆牌照识别系统的原理及算法研究[D]郑州大学 2000

5.崔江王友仁.车牌自动识别方法中的关键技术研究[J]计算机测量与控制，2003.11（4）

6. 许志影李晋平.MATLAB在图像处理中的应用[J].计算机与现代化，2004（4）

7.刘卫国 MATLAB程序设计与应用［M］.北京：高等教育出版社，2002

8. 成瑜汽车牌照自动识别技术研究[J].南京航空航天大学学报,2006，4：29-30

附录

Location函数：

function I2 = Location()

I=imread('P1.jpg');%读取图像

figure(); subplot(3,2,1),imshow(I), title('原始图像');

I1=rgb2gray(I);%转化为灰度图像

subplot(3,2,2),imshow(I1),title('灰度图像');

I2=edge(I1,'robert',0.09,'both');%采用robert算子进行边缘检测

subplot(3,2,3),imshow(I2),title('边缘检测后图像');

se=[1;1;1]; %线型结构元素

I3=imerode(I2,se); %腐蚀图像

subplot(3,2,4),imshow(I3),title('腐蚀后边缘图像');

se=strel('rectangle',[25,25]); %矩形结构元素

I4=imclose(I3,se);%图像聚类、填充图像

subplot(3,2,5),imshow(I4),title('填充后图像');

I5=bwareaopen(I4,2000);%去除聚团灰度值小于2000的部分

subplot(3,2,6),imshow(I5),title('形态滤波后图像');

[y,x,z]=size(I5);

I6=double(I5);

Y1=zeros(y,1);

for i=1:y

for j=1:x

if(I6(i,j,1)==1)

Y1(i,1)= Y1(i,1)+1;

end

[temp MaxY]=max(Y1);

figure();

subplot(3,2,1),plot(0:y-1,Y1),title('行方向像素点灰度值累计和'),xlabel('行值'),ylabel('像素'); %%%%%%%求的车牌的行起始位置和终止位置%%%%%%%%%

PY1=MaxY;

while ((Y1(PY1,1)>=50)&&(PY1>1))

PY1=PY1-1;

end

PY2=MaxY;

while ((Y1(PY2,1)>=50)&&(PY2

PY2=PY2+1;

End

IY=I(PY1:PY2,:,:);

X1=zeros(1,x);

for j=1:x

for i=PY1:PY2

if(I6(i,j,1)==1)

X1(1,j)= X1(1,j)+1;

end

subplot(3,2,2),plot(0:x-1,X1),title('列方向像素点灰度值累计和'),xlabel('列值'),ylabel('像数'); %%%%%%%求的车牌的列起始位置和终止位置%%%%%%%%%

PX1=1;

while ((X1(1,PX1)<3)&&(PX1

PX1=PX1+1;

end

PX2=x;

while ((X1(1,PX2)<3)&&(PX2>PX1))

PX2=PX2-1;

end

PX1=PX1-1;

PX2=PX2+1;

%分割出车牌图像%

dw=I(PY1:PY2,PX1:PX2,:);

subplot(3,2,3),imshow(dw),title('定位剪切后的彩色车牌图像')

if isrgb(I)

I1 = rgb2gray(I); %将RGB图像转化为灰度图像

else

I1=I;

End

g_max=double(max(max(I1)));

g_min=double(min(min(I1)));

T=round(g_max-(g_max-g_min)/2.1); % T 为二值化的阈值

[m,n]=size(I1);% d:二值图像

%h=graythresh(I1);

I1=im2bw(dw,T/256);

subplot(3,2,4);

imshow(I1),title('二值化车牌图像');

I2=bwareaopen(I1,20);

subplot(3,2,5);

imshow(I2),title('形态学滤波后的二值化图像');

end

Pretreatment函数：

function inpt = Pretreatment(I)

%% 训练样本前期处理

if isrgb(I)

I1 = rgb2gray(I);

else

I1=I;

end

I1=imresize(I1,[50 25]);%将图片统一划为50*25大小

I1=im2bw(I1,0.9);

[m,n]=size(I1);

inpt=zeros(1,m*n);

%% 将图像按列转换成一个行向量

for j=1:n

for i=1:m

inpt(1,m*(j-1)+i)=I1(i,j);

end

StringSplit函数：

function [ PIN0,PIN1,PIN2,PIN3,PIN4,PIN5,PIN6 ] = StringSplit(I2)

[y1,x1,z1]=size(I2);

I3=double(I2);

TT=1;

%%%%%%%去除图像顶端和底端的不感兴趣区域%%%%%

Y1=zeros(y1,1);

for i=1:y1

for j=1:x1

if(I3(i,j,1)==1)

Y1(i,1)= Y1(i,1)+1 ;

end

Py1=1;

Py0=1;

while ((Y1(Py0,1)<20)&&(Py0

Py0=Py0+1;

end

Py1=Py0;

while((Y1(Py1,1)>=20)&&(Py1

Py1=Py1+1;

End

I2=I2(Py0:Py1,:,:);

subplot(3,2,6);

imshow(I2),title('目标车牌区域');

%%%%%% 分割字符按行积累量%%%%%%%

X1=zeros(1,x1);

for j=1:x1

for i=1:y1

if(I3(i,j,1)==1)

X1(1,j)= X1(1,j)+1;

end

figure(5);

plot(0:x1-1,X1),title('列方向像素点灰度值累计和'),xlabel('列值'),ylabel('累计像素量'); Px0=1;Px1=1;

%%%%%%%%%%%%分割字符%%%%%%%%%%%%%%%%%%

for i=1:7

while ((X1(1,Px0)<3)&&(Px0

Px0=Px0+1;

end

Px1=Px0;

while (((X1(1,Px1)>=3)&&(Px1

Px1=Px1+1;

End

Z=I2(:,Px0:Px1,:);

switch strcat('Z',num2str(i))

case 'Z1' PIN0=Z;

case 'Z2'

PIN1=Z;

case 'Z3'

PIN2=Z;

case 'Z4'

PIN3=Z;

case 'Z5'

PIN4=Z;

case 'Z6'

PIN5=Z;

otherwise

PIN6=Z;

end

figure(3);

subplot(1,7,i);

imshow(Z);

Px0=Px1;

end

主函数：

close all;

clear all;

%% 归一化训练样本

I0=pretreatment(imread('BP/0.jpg'));

I1=pretreatment(imread('BP/1.jpg'));

I2=pretreatment(imread('BP/2.jpg'));

I3=pretreatment(imread('BP/3.jpg'));

I4=pretreatment(imread('BP/4.jpg'));

I5=pretreatment(imread('BP/5.jpg'));

I6=pretreatment(imread('BP/6.jpg'));

I7=pretreatment(imread('BP/7.jpg'));

I8=pretreatment(imread('BP/8.jpg'));

I9=pretreatment(imread('BP/9.jpg'));

I10=pretreatment(imread('BP/A.jpg'));

I11=pretreatment(imread('BP/B.jpg'));

I12=pretreatment(imread('BP/C.jpg'));

I13=pretreatment(imread('BP/G.jpg'));

I14=pretreatment(imread('BP/L.jpg'));

I15=pretreatment(imread('BP/M.jpg'));

I16=pretreatment(imread('BP/N.jpg'));

I17=pretreatment(imread('BP/P.jpg'));

P=[I0',I1',I2',I3',I4',I5',I6',I7',I8',I9',I10',I11',I12',I13',I14',I15',I16',I17']; T=eye(18,18); %输出样本

%% bp神经网络参数设置

net=newff(minmax(P),[1250,32,18],{'logsig','logsig','logsig'},'trainrp');

net.inputWeights{1,1}.initFcn ='randnr';

https://www.doczj.com/doc/9a1485879.html,yerWeights{2,1}.initFcn ='randnr';

net.trainparam.epochs=5000;

net.trainparam.show=50;

%net.trainparam.lr=0.003;

net.trainparam.goal=0.0000000001;

net=init(net);

[net,tr]=train(net,P,T); %训练样本

%% 测试

%I=imread('CAR/0.jpg');

DW=Location();%车牌定位

[PIN0,PIN1,PIN2,PIN3,PIN4,PIN5,PIN6]=StringSplit(DW);%字符分割及处理

%% 测试字符，得到识别数值

PIN0=pretreatment(PIN0);

PIN1=pretreatment(PIN1);

PIN2=pretreatment(PIN2);

PIN3=pretreatment(PIN3);

PIN4=pretreatment(PIN4);

PIN5=pretreatment(PIN5);

PIN6=pretreatment(PIN6);

P0=[PIN0',PIN1',PIN2',PIN3',PIN4',PIN5',PIN6']; for i=2:7

T0= sim(net ,P0(:,i));

T1 = compet (T0) ;

d = find(T1 == 1) - 1;

if (d==10)

str='A';

elseif (d==11)

str='B';

elseif (d==12)

str='C';

elseif (d==13)

str='G';

elseif (d==14)

str='L';

elseif (d==15)

str='M';

elseif (d==16)

str='N';

elseif (d==17)

str='P';

elseif (d==0)

str='0';

elseif (d==1)

str='1';

elseif (d==2)

str='2';

elseif (d==3)

str='3';

elseif (d==4)

str='4';

elseif (d==5)

str='5';

elseif (d==6)

str='6';

elseif (d==7)

str='7';

elseif (d==8)

str='8';

elseif (d==9)

str='9';

else

str=num2str(d);

end

switch i

case 2

str2=str;

case 3

str3=str;

case 4

str4=str;

case 5

str5=str;

case 6

str6=str;

otherwise

str7=str;

end

%% 识别出的结果以标题形式显示在图上

S=strcat('云',str2,str3,str4,str5,str6,str7); figure();

imshow(DW),title(S,'fontsize',40);

数字图像处理之车牌提取

车牌提取本文介绍了车牌定位的各种算法及发展，并利用matlab软件对一幅车头照片进行了车牌区域的定位。一、前言数字图像处理技术的发展十分迅速，最初应用在空间探索及医学领域，如今，它已经成为工程学、计算机科学、信息科学、统计学、物理学、化学、生物学甚至社会科学等领域学习和研究的对象。同时，随着我国经济的高速发展，交通变得日益繁忙，对智能交通系统的研究变得十分迫切。利用了图像处理技术的车牌自动识别系统己成为智能交通系统的重要组成部分。要实现交通智能化，首先要能获得道路交通状况和车辆情况的相关数据，因此车辆牌照的识别智能交通领域的一个重要研究课题之一，是实现交通智能化的一个重要环节。要想准确识别出车牌的数字，首先必须要能在含有车牌的图像中定位出车牌的位置，才能进行进一步的数字分析识别，所以，车牌的定位技术是车牌识别的基础。二、相关理论介绍（一）车辆牌照的特点现在我国车牌有4种类型：（1）小功率汽车使用的蓝底白字牌照；（2）大功率汽车使用的黄底黑字牌照；（3）军、警用的白底黑字、红字牌照；（4）国外驻华机构使用黑底白字牌照。这些牌照的长度均为45cm，宽为15cm，共有字符7个。一般民用牌照第一个字符为汉字，且是各省市的简称；第二个字符为大写英文字母，如“E”；第三个字符是英文字母或阿拉伯数字，第四至第七个字符为阿拉伯数字，如“沪E 30265”就是最典型的车牌符号。车牌的位置一般在汽车的下方。（二）车牌定位算法的发展现状车牌定位算法分为图像的预处理、车牌的搜索和车牌鉴别定位三部分。图像预处理就是要获得有用的图像的边缘，并将其二值化；车牌搜索则是搜索整幅图像以得到有可能包含车牌的若干感兴趣区域；车牌定位则是根据车牌的特征对提取出的感兴趣的区域进行鉴别和剔除假的车牌, 从而提取到真正的车牌。相较于车身其他位置，车牌区域有其自身特点，主要有车牌底色与车身颜色，字符颜色有较大差异；车牌的矩形区域内存在较丰富的边缘，呈现出规则的纹理特征；车牌内字符之间的间隔比较均匀，字符和牌照底色在灰度上存在跳变；图像中牌照长宽比的变化有一定范围等。这些都为车牌定位分割提供了先验知识。但是，摄像机获得的图像含有丰富的自然背景及车身背景信息，易受照明、天气条件及运动失真和模糊的影响，同时由于在野外环境下使用，车牌会有不同程度的磨损、污迹干扰、变形等，这些问题给车牌定位带来了难度。目前较为成熟的车牌区域定位算法有自适应边界搜索法、区域生长法、灰度图像数学形态学运算法、基于纹理或颜色的分割方法以及模糊聚类法等。这些方法都有各自的优点，但是在实际应用中也存在着一些不足之处。例如，对于基于纹理的分割方法，图像中很可能不止一个区域具有车牌区域类似的纹理特征，难以准确找到

第二代一体式车牌识别系统设计方案

第一部分：系统介绍及应用分析一、系统简述随着科学技术水平的发展，视频领域已进入高清时代，我公司通过多年研究，隆重推出了高清车牌识别一体机和道闸的简单且豪华组合，使用很少的设备完成了停车场系统对固定用户和临时收费的管理要求。传统的停车场大多采用近距离读卡方式，必须停车伸手刷卡，上下坡道停车刷卡容易造成溜车、碰撞等事故，并且停车场卡片属于一种耗材，后期添加需要购买，还涉及丢卡、坏卡等情况引发的经济纠纷，在以车牌识别为主导的智能车辆管理系统中不会出现此类情况，高清车牌识别系统主要通过车牌识别技术，实现对进出车辆车牌信息的识别，每一辆出入停车场的车辆均有出入图片匹配，由系统软件根据收费方案核算收费金额并显示在道闸的显示屏上，车辆进出场时可以实现不停车通行。整套系统使用简单、维护方便、稳定性强，采用TCP/IP网络通讯，布线简单、方便，大大减少了施工难度，便于设备的调试及维护。二、车牌识别介绍车牌识别技术以计算机技术、图像处理技术、模糊识别为基础，建立车辆的特征模型，识别车辆特征，如号牌、车型、颜色等。它是一个以特定目标为对象的专用计算机视觉系统，能从一幅图像中自动提取车牌图像，自动分割字符，进而对字符进行识别，它运用先进的图像处理、模式识别和人工智能技术，对采集到的图像信息进行处理，能够实时准确地自动识别出车牌的数字、字母及汉字字符，并直接给出识别结果，使得车辆的电脑化监控和管理成为现实。车牌识别系统流程

第二部分：系统设备组成及工作逻辑一、系统设备组成该套系统主要由以下部分组成：入口控制部分：X9道闸一体机也可换其他样式速度的道闸（含高清车牌识别一体机、聚光灯、控制主板带控制功能）出口控制部分：X9道闸一体机也可换其他样式速度的道闸（含高清车牌识别一体机、聚光灯、控制主板带控制功能）岗亭终端：电脑主机、停车场管理软件、485/232通讯转换器管理中心：电脑主机、停车场管理软件二、车辆管理流程车辆入场： ◆临时车辆临时车辆入场时，高清车牌识别一体机远距离自动识别车牌号、记录入场时间等，并在道闸的显示屏上显示该车的车牌号，道闸远距离快速抬杆，不停车通行进入车场；车辆通过后道闸杆自动落下。 ◆固定客户车辆管理计算机将对应授权通道的车牌信息到车牌识别管理软件中。固定车辆进入停车场时，车牌识别一体机自动抓拍、识别、处理车辆的车牌信息，并将识别结果传送到管理计算机，管理计算机利用识别结果查询数据库，识别正确自动放行车辆，并在道闸的显示屏上显示该车的车牌号；车辆通过后道闸杆自动落下，达到车辆不停车通行。车辆出场： ◆临时车辆临时车辆出场时，高清车牌识别一体机远距离自动识别车牌号、上传到电脑，管理电脑自动调出该车进场的车牌及入场时间等信息，并自动计算停车时间、收费金额，并在道闸的显示屏上显示收费金额；收费完成后，道闸杆自动开启放行车辆，车辆通过后道闸杆自动落下； ◆固定客户车辆固定车辆外出停车场时，车牌识别一体机自动抓拍、识别、处理车辆的车牌信息，并将识别结果传送到管理计算机，管理计算机利用识别结果查询数据库，识别正确自动放行车辆，并在道闸的显示屏上显示该车的车牌号；车辆通过后道闸杆自动落下，达到车辆不停车通行。

基于图像处理技术的车牌识别方法研究

龙源期刊网 https://www.doczj.com/doc/9a1485879.html, 基于图像处理技术的车牌识别方法研究作者：朱明秀来源：《信息记录材料》2019年第03期【摘要】近几年，智能化在我国各行各业中都应用极广，在交通系统中应用也非常多，车牌识别技术则是其中之一，如何在车辆正常行使状态下完成车牌自动识别？本文将从车牌识别现状入手进行分析，找到现有识别方式的一些问题，再吸取经验，从车牌定位、车牌字符分割、车牌字符识别几方面对基于图像处理技术的车牌识别方法进行探讨。【关键词】图像处理技术车牌识别方法抓取识别【中图分类号】TP274 【文献标识码】A 【文章编号】1009-5624（2019）03-0224-03 1 引言随着经济和科技的发展，我国国民生活水平也日益提高，汽车成为每家每户常见的交通工具，这虽然带动了我国经济的发展，但也使交通管理工作量变大，在这种情况下，再依靠传统的办法根本无法完成交通管理工作，这就需要我们依靠信息化、智能化的技术去辅助完成交通管理工作。对于车辆来讲其主要识别是依靠车牌来的，因此我们必须将这种智能化、信息化技术应用到车牌识别中来，使之能服务于我国的车辆管理工作，使车辆管理工作能更加高效的运行。 2 车牌识别技术概述 2.1 车牌识别技术现状近年来我国的车牌智能识别技术发展也非常快，现有的识别技术普遍有两种，一种是将车牌信息收集储存于IC卡或者条形码，通过无线电频率鉴别系统来识别汽车车牌号码，这种识别技术相对准确度比较高，但整套设备存在2个实际操作的问题：①十分复杂，不利于异型作业，而且需要所有车牌按照全国统一标准来制定，执行难度很大。②对扫描的工具要求非常高，这导致整套设备价格成本过高，而且虽能进行扫描，但无法核实车和卡是否一致，这也是个目前尚未突破的技术问题，这些问题都导致通过IC卡或条形码来进行识别的技术无法得到很好的推广。另一方面是直接通过突破来进行识别，因为这种识别方法能在无任何信号发送设备的情况下抓取到不同状态车辆的车牌，并通过非接触性信息菜系系统来进行智能识别，这种方法近年来使用很多，其相对IC卡和条形码来讲，能有效降低从成本，提高经济效益，而且起能通过图像抓取和人为参与结合来解决系统中的识别错误问题，有效提高。 2.2 车牌识别技术的研究意义

matlab车牌识别课程设计报告(附源代码)

Matlab程序设计任务书

目录一．课程设计目的 (3) 二．设计原理 (3) 三．详细设计步骤 (3) 四. 设计结果及分析 (18) 五. 总结 (19) 六. 设计体会 (20) 七. 参考文献 (21)

一、课程设计目的车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。二、设计原理: 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。三、详细设计步骤:

1. 提出总体设计方案: 牌照号码、颜色识别为了进行牌照识别，需要以下几个基本的步骤： a.牌照定位，定位图片中的牌照位置； b.牌照字符分割，把牌照中的字符分割出来； c.牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。牌照识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常与牌照识别互相配合、互相验证。 (1）牌照定位: 自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的视频图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后选定一个最佳的区域作为牌照区域，并将其从图象中分割出来。流程图:

高清车牌识别解决方案

一、车牌识别背景随着科技经济的不断发展，人们生活水平不断提高，机动车的数量也在逐年增加，势必会产生一定的停车问题，比如停车难，停车场入出口拥堵，传统停车场管理系统效率低等，为改变目前的停车现状，以车牌识别技术为基础的车牌自动识别技术应运而生。二、关于车牌识别技术车牌自动识别技术是车牌识别技术（License Plate Recognition， LPR）以计算机技术、图像处理技术、模糊识别为基础，建立车辆的特征模型，识别车辆特征，如车牌号码、颜色等。它是一个以特定目标为对象的专用计算机视觉系统，能从一幅图像中自动提取车牌图像，自动分割字符，进而对字符进行识别，它运用先进的图像处理、模式识别和人工智能技术，对采集到的图像信息进行处理，能够实时准确地自动识别出车牌的数字、字母及汉字字符，并直接给出识别结果，使得车辆的电脑化监控和管理成为现实。三、高清车牌识别系统搭建 3.1车牌识别工作原理高清车牌识别系统采用高清网络摄像机对进入停车场的车辆进行抓拍，上传计算机处理车牌信息，引导车辆进入，保存记录；在停车场出口通过高清网络摄相机对驶出的车辆进行图像抓拍，经计算机自动识别，与数据库中车牌信息对比，对固定车自动放行，对于临时车根据停车时间进行管理，实现车辆的进出监控和管理。一台电脑能管理一进一出，和多台电脑组成局域网，能实现多进多出的停车场联网管理。入口通过摄像机抓拍图片，经TCP/IP网络上传给本客户端电脑，

产生入场记录保存在数据库，出口通过摄像机抓拍图片，由客户端电脑处理识别结果，比对服务器电脑数据库，计算停车时间，根据对应的收费方案计算收费，显示在客户端电脑管理界面，配置语音播报和显示屏显示。 3.2 高清车牌识别管理系统组成高清车牌识别管理软件由识别模块和传统刷卡模块组成，集成传统软件稳定优势，融合识别模块，采用和汲取了国外及目前车牌识别算法的精华，并在此在基础上作了优化和改进，使得定位及识别的速度及准确性得到了很大的提升，特别是对光照的要求，因为过多地依赖环境无疑对安装及推广应用形成了障碍。由于安装位置的不固定性，车牌的反光，逆光，背光等因素将直接影响车牌的识别，改进过的算法对以上车牌的识别得到了很大提升。 3.2.1 车牌识别模块技术参数 1、视频触发捕获率：监控区域内对5km/h～160km/h行驶的车辆图像捕获率达99%以上。 2、车辆号牌识别准确率：白天车辆号牌识别准确率大于97%；夜间车牌识别准确率90%以上。 3、车牌捕获类型：可识别02式牌照（GA 36.1-2001）；92式牌照（GA 36-92）；新军车牌照；警车牌照；武警车牌照；港澳车内地牌照；使馆车辆等牌号。 3.2.2管理软件它将计算机视觉技术、神经网络系统技术、机械、电子自动化设备、计算机以及智能卡技术有机的结合起来，从而对各类出入车辆进行有效的管理。高清识别智能停车场系统软件采用面向对象的C#平台开发，支持目前稳定可靠的大型数据库SQL 2000、SQL2008等，软件操作界面简单，具有超强的兼容性。车牌自动识别，实时监控，语音报价，车位提示，多样化收费标准，报表详尽，车辆管理完善，自由组合权限控制。

全自动车牌识别停车场管理系统技术方案

车牌自动识别停车场管理系统技术方案

本设计方案就是基于以上的思想基础，针对小区车辆管理的实际情况，结合各种现代化高科技手段完成的。我们的目标是为小区用户的车辆管理提供一个车牌识别功能的解决方案。我们采用的是当前国内最先进的车牌识别技术。此设计方案着重考虑了识别的准确性，及车牌自动识别算法在各种停车场车辆管理系统中的灵活嵌入，既考虑到用户的需求，又囊括了各种高科技技术，而且增加了一些管理手段，尽可能地为用户提供一个完善的小区车辆管理系统。第1章用户需求分析在现代化停车场管理中，涉及到各方面的管理，其中车辆的管理是一个重要的方面。尤其是对特殊停车场、大院及政府机关、小区而言，要求对各种车辆实时地进行严格的管理，对其出入的时间进行严格的监视，并对各类车辆进行登记（包括内部车辆和外部车辆）和识别。对大规模的场区中，各种出入的车辆较多，如每辆车都要进行人工判断，既费时，又不利于管理和查询，保卫工作比较困难，效率低下。为了改善这种与现代化停车场、大院及政府机关、小区等不相称的管理模式，需要尽快实现车辆管理工作的自动化、智能化，并以计算机网络的形式进行管理，对所有出入口的车辆进行有效地、准确地监测和管理。要求系统提供相应的应用软件，实现营区管理的高效率、智能化。该系统是利用视频流的车牌自动识别算法，无需地感触发，对车辆进行抓拍、号牌识别，当车辆进入小区入口时，车牌自动识别算法自动抓拍车辆照片并识别车牌号码，将车牌号码，颜色，车牌特征数据，入场时间信息等传记录下来，固定车辆可无障碍出入停车场，临时车辆人工审核后入场，为用户提供了一种崭新的服务模式。系统自动识别进入小区车辆的号码和车牌特征，验证用户的合法身份，自动比对黑名单库，自动报警，并可对整个停车场情况进行监控和管理，包括出入口管理，内部管理，采集，存储数据和系统工作状态，以便管理员进行监控，维护，统计，查询和打印报表等工作。车辆出入小区，完全处于系统监控之下，使小区的出入，收费，防盗，车位管理完全智能化、自动化并具有方便快捷，安全可靠的优点。

基于数字图像处理的车牌识别系统

基于数字图像处理的车牌识别系统言经官电气学院电子112 摘要：车牌识别系统（License Plate Recognition 简称LPR）技术基于数字图像处理，是智能交通系统中的关键技术，同时他的发展也十分迅速，已经逐渐融入到我们的现实生活中。文章介绍了车牌识别系统的意义、图像去噪处理以及图像二值化方法,并通过仿真试验模拟了图像处理的过程。本文所做的工作在于前期的图像预处理工作。本次设计着重在于图像识别方面, 中心工作都为此而展开,文中没有进行车牌的定位处理,而是采用数码相机直接对牌照进行正面拍照,获取原始车牌图像。之后利用Matlab编程对图片进行了大小的调整、彩色图片转化成灰度图片、图片去噪、以及图片二值化等工作。其中,去噪与二值化是关系图像识别率的关键。关键字：车牌识别系统；图像预处理；字符识别；Matlab；去噪；二值化引言智能交通系统（ITS）是当今世界交通管理体系发展的必然趋势，而作为智能交通系统中的重要组成部分之一的车牌自动识别技术，目前已被广泛应用于城市道路监控、高速公路收费与监控、小区与停车场出入口管理、公安治安卡口等场合，成为研究的热点。伴随我国国民经济的高速发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制，安全管理的要求也日益提高。因此迫切需要采用高科技手段,对违法违章车辆牌照进行登记, 在这种情况下，作为信息来源的自动检索，图像识别技术越来越受到人们的重视。车牌识别系统的出现成为了交通管制必不可少的有力武器。 1 车牌识别系统的目标利用计算机等辅助设备进行的自动汽车牌照自动识别就是在装备了数字摄像设备和计算机信息管理系统等软硬件平台的基础之上，通过对车辆图像的采集，采用先进的图像处理、模式识别和人工智能技术，在图像中找到车牌的位置，提取出组成车牌号码的全部字符图像，再识别出车牌中的文字、字母和数字，最后给出车牌的真实号码。国外的车牌识别研究始于80 年代，90 年代始已有不少成套的产品出现。由于我国车牌的组成及组合的方式与国外的车牌不一致，使得我们不能直接使用国外的车辆牌照识别系统，而必须针对我国车牌重新设计相应的车辆牌照识别系统。车牌识别的使用环境、背景各有差异，目前还没有一种算法能在不同环境、各种复杂背景条件下达到非常高的车牌识别率，因而车牌识别技术仍然是研究的重点。 2 MATLAB 及其图像处理工具概述 MATLAB 是MAT rix LABora tory( 矩阵实验室) 的缩写, 是Ma thWorks 公司开发的一种功能强、效率高、简单易学的数学软件。MATLAB 7. 1 是一套功能十分强大的工程计算及数据分析软件, 其应用范围涵盖了数学、工业技术、电子科学、医疗卫生、建筑、金融、数字图像处理等各个领域。MATLAB 的图像处理工具箱, 功能十分强大, 支持的图像文件格式丰富, 如* .BMP、* . JPG、* . JPEG、* . GIF、* . ti;f% 95% 94、* . ti;f%95%94F、* . PNG、* . PCX、* . XWD、* . HDF、* . ICO、* .CUR 等。本文将给出MATLAB的图像处理工具箱中的图像处理函数实现图像处理与分析的应用技术实例。

人工智能车牌识别

车牌自动识别近年来，随着物联网、车联网的迅猛发展，以及中国汽车数量的不断增加，这对智能交通系统提出了新的要求。作为智能交通系统一部分的集成信号处理、计算机视觉、模式识别等技术的车牌识别系统因而也有了新的应用和挑战。除传统的用于高速公路超速违章管理、停车场管理、车辆流量管理以及车辆电子收费系统外，车牌识别系统还可以用于移动机器人对停车场车辆的监管以及交通管理部门对违章车辆车牌的自动登记等。一、车牌自动识别系统的技术说明车牌自动识别系统采用车牌识别技术来实现技术效果的。车牌识别技术（Vehicle License Plate Recognition , VLPR）是指能够检测到受监控路面的车辆并自动提取车辆牌照信息（含汉字字符、英文字母、阿拉伯数字及号牌颜色）进行处理的技术。车牌识别是现代智能交通系统中的重要组成部分之一，应用十分广泛。它以数字图像处理、模式识别、计算机视觉等技术为基础，对摄像机所拍摄的车辆图像或者视频序列进行分析，得到每一辆汽车唯一的车牌号码，从而完成识别过程。通过一些后续处理手段可以实现停车场收费管理，交通流量控制指标测量，车辆定位，汽车防盗，高速公路超速自动化监管、闯红灯电子警察、公路收费站等等功能。对于维护交通安全和城市治安，防止交通堵塞，实现交通自动化管理有着现实的意义。车牌识别技术结合电子不停车收费系统（ETC ）识别车辆，过往车辆通过道口时无须停车，即能够实现车辆身份自动识别、自动收费。在车场管理中，为提高出入口车辆通行效率，车牌识别针对无需收停车费的车辆（如月卡车、内部免费通行车辆），建设无人值守的快速通道，免取卡、不停车的出入体验，正改变出入停车场的管理模式。

车牌识别管理系统方案(DOC)

PA-WT车牌识别停车场管理系统方案

目录第一章前言................................ 错误！未定义书签。第二章系统设计依据及总则..................... 错误！未定义书签。一、本方案设计依据：........................ 错误！未定义书签。二、设计说明................................ 错误！未定义书签。 1、设计目标及原则........................ 错误！未定义书签。 2、系统概述 (2) 3、系统基本功能及特点 (5) 系统结构框图 (6) 图像识别系统主要设备 (7) 4 出口处电脑功能......................... 错误！未定义书签。 5 管理电脑功能 (11) 三．系统软件功能 (11) 第三章系统设计 (12) 注意事项 (13) 第四章售后服务 (14)

前言：车牌识别技术是指能够检测到受监控路面的车辆并自动提取车辆牌照信息（含汉字字符、英文字母、阿拉伯数字及号牌颜色）进行处理的技术。车牌识别是现代智能交通系统中的重要组成部分之一，应用十分广泛。它以数字图像处理、模式识别、计算机视觉等技术为基础，对摄像机所拍摄的车辆图像或者视频序列进行分析，得到每一辆汽车唯一的车牌号码，从而完成识别过程。通过一些后续处理手段可以实现停车场收费管理，交通流量控制指标测量，车辆定位，汽车防盗，高速公路超速自动化监管、闯红灯电子警察、公路收费站等等功能。对于维护交通安全和城市治安，防止交通堵塞，实现交通自动化管理有着现实的意义。目前国内有两种识别方式，1、软件识别，就是摄像机直接接入PC机，通过电脑上位机软件对摄像机抓拍图片进行分析识别，优点成本低，缺点：对电脑要求较高，长时间运行识别速度会有一定影响。2、DSP嵌入式硬件识别，摄像机直接接入DSP嵌入式车牌识别器，通过专业的DSP芯片对摄像机抓拍图片进行分析，优点：对电脑要求低，设备自带防死机功能，算法丰富，识别速度快，适用于工业环境长时间运行。缺点：成本相对于软识别成本较高。系统简介我司采用DSP嵌入式硬件图像处理器研制开发的PA-WT汽车牌照自动识别车辆出入管理系统，具有方便快捷、准确可靠、保密性好、灵敏度高、节省

停车场智能车牌识别系统方案培训课件

智能停车场管理系统车牌识别方案 1、车牌识别技术简介停车场无卡车牌识别管理系统的核心技术为车牌识别技术。对此技术很多公司已进行了较为深入的研究，但是在车牌定位和字符分割等关键技术上还存在着诸多难题，车牌识别率一般在90%左右，其在停车场实际应用效果更不甚理想。我公司多年来专注于车牌识别在停车场管理系统中的应用研究，引入了新的研发思路，较好的解决了车牌识别的关键难题，车牌识别率达到99.69%，配合我公司专业为车牌识别而开发的智能停车场管理软件，在各地的停车场工程项目中得到了客户的广泛赞誉。 2、无卡车牌识别管理系统与传统卡系统的对比：

10 系统安装需安装接收、读卡设备车牌识别，安装方便 11 系统维护射频卡易损坏，读卡设备需保养和维护，成本较高设备通用性强，维护成本低 12 车主成本需购买射频卡无需购买任何设备 13 新车加入新车加入，必须购买新卡和进行软件操作，较烦琐新车加入只需在系统添加客户资料，操作简单 14 报表管理基础数据不直接，各种车辆管理报表和查询车辆记录生成繁琐基础数据功能强大，报表功能与查询功能完美实现 3、系统建设 3.1系统作业流程图 1）车辆进入： 1、车辆驶入车牌摄像机识别区域，触发地感线圈或虚拟线圈。 2、车牌识别系统自动获取车辆的的图像并识别出车牌识号，然后通过检索数据库得出车辆类别。 3、显示屏显示该车的车牌号及有效期（月租车或临停车），欢迎光临等提示语。 4、语音播放识别出来的车牌，欢迎光临等提示语。 5、如果非满位或该车属固定车辆情况，闸机自动放行，同时记下车辆进入时间。车辆越过进口，驶入停车场内，车位显示屏刷新车位。

基于数字图像处理的车牌识别系统

课程设计报告-车牌识别系统的设计

车牌识别系统的设计一、摘要: 随这图形图像技术的发展，现在的车牌识别技术准确率越来越高，识别速度越来越快。无论何种形式的车牌识别系统，它们都是由触发、图像采集、图像识别模块、辅助光源和通信模块组成的。车牌识别系统涉及光学、电器、电子控制、数字图像处理、计算视觉、人工智能等多项技术。触发模块负责在车辆到达合适位置时，给出触发信号，控制抓拍。辅助光源提供辅助照明，保证系统在不同的光照条件下都能拍摄到高质量的图像。图像预处理程序对抓拍的图像进行处理，去除噪声，并进行参数调整。然后通过车牌定位、字符识别，最后将识别结果输出。二、设计目的和意义: 设计目的： 1、让学生巩固理论课上所学的知识，理论联系实践。 2、锻炼学生的动手能力，激发学生的研究潜能，提高学生的协作精神。设计意义：车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。三、设计原理: 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。四、详细设计步骤:

车牌号识别解决方案

一、车牌识别背景随着科技经济的不断发展，人们生活水平不断提高，机动车的数量也在逐年增加，势必会产生一定的停车问题，比如停车难，停车场入出口拥堵，传统停车场管理系统效率低等，为改变目前的停车现状，以车牌识别技术为基础的车牌自动识别技术应运而生。二、关于车牌识别技术车牌自动识别技术（License Plate Recognition， LPR）是以计算机技术、图像处理技术、模糊识别为基础，建立车辆的特征模型，识别车辆特征，如车牌号码、颜色等。它是一个以特定目标为对象的专用计算机视觉系统，能从一幅图像中自动提取车牌图像，自动分割字符，进而对字符进行识别，它运用先进的图像处理、模式识别和人工智能技术，对采集到的图像信息进行处理，能够实时准确地自动识别出车牌的数字、字母及汉字字符，并直接给出识别结果，使得车辆的电脑化监控和管理成为现实。

三、拓扑图四、高清车牌识别系统搭建 4.1车牌识别工作原理高清车牌识别系统采用高清网络摄像机对进入停车场的车辆进行抓拍，上传计算机处理车牌信息，引导车辆进入，保存记录；在停车场出口通过高清网络摄相机对驶出的车辆进行图像抓拍，经计算机自动识别，与数据库中车牌信息对比，对固定车自动放行，对于临时车根据停车时间进行管理，实现车辆的进出监控和管理。一台电脑能管理一进一出，和多台电脑组成局域网，能实现多进多出的停车场联网管理。入口通过摄像机抓拍图片，经TCP/IP网络上传给本客户端电脑，产生入场记录保存在数据库，出口通过摄像机抓拍图片，由客户端电脑处理识别结果，比对服务器电脑数据库，计算停车时间，根据对应的收费方案计算收费，显示在客户端电脑管理界面，配置语音播报和显示屏显示。

车牌识别系统说明

一、车牌识别出入口管理系统设计 1.1 系统简介停车场基于车牌识别管理模式的系统，设备一般包括车牌识别专用摄像机、车牌识别器、信息显示屏、自助缴费终端、电动道闸、图像对比和车牌识别系统、计算机等。为了满足客户不同管理需求，各个设备可以灵活组合。在本项目中，系统需要对临时用户、固定用户进行实时管理，对其出入的时间、车牌号、图像进行严格记录、识别和登记，并按照停车时间和计费规则对各种车辆进行收费，并防止车辆丢失。智能车牌识别收费管理系统系统图主要功能： ● 车牌识别比对功能，防止车辆被盗 ● 语音提示，人性化操作提示 ● 支持灵活费率设定，不限时段，多种设定。 ● 支持车牌识别缴费功能，免除临租卡的发放，提高通行速度管理中心服务器数据采集器自动道闸收费显示屏摄像头收费管理系统自动道闸摄像头

●多进多出联网系统管理，支持出入口嵌套管理功能 ●异常情况处理，满足消费报警、应急手动等 ●支持51park网站的车位查询和预定功能，利于数据集中、管理集中 1.2其他子系统介绍 ●一卡通支付、手机支付：用一卡通、手机支付缴停车费，替代临租卡，刷卡付费一次完成，还可自助缴费。 ●ETC缴费利用ETC有源卡，读卡距离6－10米，可不停车通过，提高通行效率，减少出入口数量。 ●车牌识别，集中收费利用车牌识别技术，获取车牌号码，替代临租卡的发放，驾车者在收费处输入车牌号就可缴费，提高了效率。 ●无人职守自助缴费驾车者自己在终端上输入车牌号码，调取入场记录，用一卡通、手机、信用卡等方式自助付费，提高了服务水准。 ●折扣机，积分扣缴对在商场酒店消费的客户，通过折扣机减免停车费，可用消费积分抵车费，吸引有效用户，提高商场收入。 ●车位查询和预定（配合51park网站）通过无线网络，自动上报停车场的空车位、收费价格等信息，供51park 网站的客户查询和预定，预定信息从51park网站下传到收费系统，并自动处理。 1.3停车管理系统出入口设置在停车场入口处设置车牌识别摄像机、LED显示屏（带语音）、自动道闸、地感线圈等。设备位置如图所示：

小区车牌自动识别管理系统方案

车牌自动识别停车场管理系统技术说明深圳市捷精诚科技（机电设备）有限公司

第1章前言现代化管理手段的不断进步完善，人工刷卡的管理方式已经不适应现代化发展的需要，针对目前快节奏，高效率的管理方式，自动化管理系统的设计正适应当前需求而产生。我们的目标是为小区用户的车辆管理提供一个车牌识别功能的解决方案。我们采用当前国内最先进的车牌识别技术结合百万高清络网摄像机方案，高识别率手段，尽可能地为用户提供完善的小区车辆管理系统。

第2章用户需求分析在现代化停车场管理中，涉及到各方面的管理，其中车辆的管理是一个重要的方面。尤其是对特殊停车场、大院及政府机关、小区而言，要求对各种车辆实时地进行严格的管理，对其出入的时间进行严格的监视，并对各类车辆进行登记（包括内部车辆和外部车辆）和识别。对大规模的场区中，各种出入的车辆较多，如每辆车都要进行人工判断，既费时，又不利于管理和查询，保卫工作比较困难，效率低下。为了改善这种与现代化停车场、大院及政府机关、小区等不相称的管理模式，需要尽快实现车辆管理工作的自动化、智能化，并以计算机网络的形式进行管理，对所有出入口的车辆进行有效地、准确地监测和管理。要求系统提供相应的应用软件，实现营区管理的高效率、智能化。该系统是利用视频流的车牌自动识别算法，无需地感触发，对车辆进行抓拍、号牌识别，当车辆进入小区入口时，车牌自动识别算法自动抓拍车辆照片并识别车牌号码，将车牌号码，颜色，车牌特征数据，入场时间信息等传记录下来，车辆可无障碍出入停车场，为用户提供了一种崭新的服务模式。系统自动识别进入小区车辆的号码和车牌特征，验证用户的合法身份，自动比对黑名单库，自动报警，并可对整个停车场情况进行监控和管理，包括出入口管理，内部管理，采集，存储数据和系统工作状态，以便管理员进行监控，维护，统计，查询和打印报表等工作。车辆出入小区，完全处于系统监控之下，使小区的出入，收费，防盗，车位管理完全智能化、自动化并具有方便快捷，安全可靠的优点．其主要特点如下：识别系统对环境的依赖性降低至最低程度，可实现全天候正常工作，且识别率保持较高水平。基于LPR识别系统提高了识别的速度和准确性。可识别的最小号牌宽度为60个像素适应复杂的气候及光照条件，如阴天、雨天、晚上仍可保证高识别率。适应高速大流量，车速在60 km/h，单车道流量为30辆/分钟时仍可保证高识别率(>95%)。实现对视频图像的逐帧处理，视频流触发。工程安装简便、运行稳定，不干扰用户已有系统。无需地感及车辆检测器，节省成本且施工简单快速，极大的缩短施工时间。

数字图像处理实验_汽车牌照自动识别

贵州大学实验报告学院：计算机学院专业：网络工程班级：101 姓名学号实验组实验时间12.11 指导教师戴丹成绩实验项目名称实验四汽车牌照自动识别实验目的 1.分析汽车牌照的特点，正确获取整个图像中车牌的区域，并识别出车牌号。 2.将图像预处理、分割、分析等关键技术结合起来，理论与实践相结合，提高图像处理关键技术的综合应用能力。实验原理牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。实验步骤 a.牌照定位，定位图片中的牌照位置； b.牌照字符分割，把牌照中的字符分割出来； c.牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。实验数据getword.m function [word,result]=getword(d) word=[];flag=0;y1=8;y2=0.5; while flag==0 [m,n]=size(d); wide=0; while sum(d(:,wide+1))~=0 && wide<=n-2 wide=wide+1; end temp=qiege(imcrop(d,[1 1 wide m])); [m1,n1]=size(temp);

车牌识别系统解决方案

车牌识别系统解决方案一、用户需求分析在现代化停车场管理中，涉及到各方面的管理，其中车辆的管理是一个重要的方面。尤其是对特殊停车场、大院及政府机关、小区而言，要求对各种车辆实时地进行严格的管理，对其出入的时间进行严格的监视，并对各类车辆进行登记（包括内部车辆和外部车辆）和识别。对大规模的场区中，各种出入的车辆较多，如每辆车都要进行人工判断，既费时，又不利于管理和查询，保卫工作比较困难，效率低下。为了改善这种与现代化停车场、大院及政府机关、小区等不相称的管理模式，需要尽快实现车辆管理工作的自动化、智能化，并以计算机网络的形式进行管理，对所有出入口的车辆进行有效地、准确地监测和管理。要求系统提供相应的应用软件，实现营区管理的高效率、智能化。该系统是利用视频流的车牌自动识别算法，或者地感触发，对车辆进行抓拍、号牌识别，当车辆进入小区入口时，车牌自动识别算法自动抓拍车辆照片并识别车牌号码，将车牌号码，颜色，车牌特征数据，入场时间信息等传记录下来，车辆可无障碍出入停车场，为用户提供了一种崭新的服务模式。系统自动识别进入小区车辆的号码和车牌特征，验证用户的合法身份，自动比对黑名单库，自动报警，并可对整个停车场情况进行监控和管理，包括出入口管理，内部管理，采集，存储数据和系统工作状态，以便管理员进行监控，维护，统计，查询和打印报表等工作。车辆出入小区，完全处于系统监控之下，使小区的出入，收费，防盗，车位管理完全智能化、自动化并具有方便快捷，安全可靠的优点．其主要特点如下：识别系统对环境的依赖性降低至最低程度，可实现全天候正常工作，且识别率保持较高水平。基于LPR识别系统提高了识别的速度和准确性。可识别的最小号牌宽度为80个像素

纯车牌识别停车场管理系统方案

设计方案

公司简介红门智能系统有限公司新疆分公司。总部创立于 1998年， 2006年更名为红门智能系统有限公司，注 “红册资金500万。门智能”是一家集研发、生产、销售、服务于一体的高科技企业。多年来，红门人以振兴民族工业为己任，本着“科技为民，服务大众”的企业宗旨，在总结吸收国内外众多同类产品优点的基础上以全新思路成功设计开发出以IC卡为信息载体的“一卡通智能管理系统”，从而在停车场、门禁、消费、电梯控制、考勤、巡更、通道控制等管理系统中，实现了全新的管理境界，并在大厦一卡通、车场一卡通、企业一卡通、校园一卡通的智能化运用管理上取得了质的飞跃。 “红门智能”拥有一支技术领先、勇于创新、追求卓越、敬业爱岗的杰出团队，多年来先后获得了：IS09001：2000国际质量体系认证、多项计算机软件授权登记证书、多项软件产品登记证书、相关产品生产登记证书、设计施工资质证书和多项国家专利。“红门智能”始终坚持以信誉为根本、以技术为依托、以质量为生命、以服务为基础，走高科技不断创新之路，一如既往地为国内各界用户朋友提供全方位的技术支持与服务，树立行业典范，并为我国的信息产业发展做出应有贡献！

前言随着现代化管理手段的进步和科学技术的日益发展，小区用户对车辆管理的要求越来越高。过去的人工刷卡的管理方式已经不适应现代化发展的需要，针对目前快节奏，高速度的工作模式，要求管理方法和制度要有一个根本的改善，这种改善不但要适应用小区管理的需求，也要适应社会的需求，要适应人的感官的需求和习惯性操作的需求。但是目前任何高科技产品都不能完全代替人类的手工操作，不能完全取代人的思维，更不能与人的思维方式相吻合。因此我们在做自动化管理系统的设计时，要尽可能地强调自动化手段，但又不可忽略人工干预的因素，二者巧妙地结合起来，可达到事半功倍的效果。本设计方案就是基于以上的思想基础，针对小区车辆管理的实际情况，结合各种现代化高科技手段完成的。我们的目标是为小区用户的车辆管理提供一个车牌识别功能的解决方案。我们采用的是当前国内最先进的车牌识别技术。此设计方案着重考虑了识别的准确性，及车牌自动识别算法在各种停车场车辆管理系统中的灵活嵌入，既考虑到用户的需求，又囊括了各种高科技技术，而且增加了一些管理手段，尽可能地为用户提供一个完善的小区车辆管理系统。

车牌识别图像处理过程汇总

————————————————————————————————作者：————————————————————————————————日期：

图像处理在车牌图像预处理中的应用 ●灰度化 ●车牌图像灰度化 ●直方图均衡化 ●灰度拉伸 ●二值化 ●全局阈值法和局部阈值法 ●适用于车牌的二值化方法 ●边缘检测 ●图像梯度 ●几种常见的边缘检测算子 ●适用于车牌的边缘检测算子一、车牌识别系统结构车牌识别系统通常由数据采集(车牌图像摄取)，车牌提取，车牌识别几个主要部分组成，其系统结构如图 1.1 所示：车牌自动识别系统中： 1.图像摄取主要由硬件部分完成，它提取汽车的前景图像，将摄像头的视频信号转换为数字图像信号送给计算机处理。 2.车牌图像预处理。由于拍摄的自然环境及光照条件的影响，车牌图像中存在许多干扰，对车牌的定位带来不便，为了更好的提取车牌，需要对车牌图像进行预处理以保证车牌定位的质量。 3.VLP 检测。即图1.1 中虚线环绕的部分，这一部分是系统的核心，它的实现影响着整个系统的性能，主要利用模式识别、数字图像处理、信息论等知识对车牌图像中的车牌进行定位及提取操作。 4.字符分割及识别。当车牌被成功提取后，需要分割其中的字符，并利用先验知识对其进行识别，以得到最终结果。

二、图像处理具体过程图像处理是人工智能在计算机图形学中的一个重要分支，是车牌识别系统的理论依据。在自然条件下摄取的车牌，除了包含大量噪声外，还具有多样性。为了使系统能够更好的分离车牌，必须对原始图像进行预处理。本章主要讨论车牌图像预处理的一些常用方法，包括图像的灰度二值化、噪声处理、边缘提取等。当摄像机从外界摄入视频图像时，首先把它转换为静态图片，再送入计算机进行处理。由于拍摄环境的多变性，车牌图像中存在噪声和干扰，这些给车牌提取带来困难。系统首先将输入的彩色图像灰度化，并且进行亮度平均，使图像具有较好的对比度；对图像进行边缘提取操作前，往往先要进行噪声抑制操作，以提高边缘提取的质量；二值化则多用于已提取车牌的处理上。车牌图像预处理的难点在于： 1.车牌图像质量不佳，灰度化后会弱化图像中的车牌信息，因而好的灰度化处理非常必要； 2.由于光照的原因，车牌很可能出现过分灰暗或明亮的情况，这种条件下的二值化处理应该分情况讨论，对应特殊的分割阈值； 3.图像中的复杂背景具有丰富的边缘信息，不但会增加系统识别的难度，也会造成系统的误判，怎样去除这些不必要的背景十分关键。实际操作中，因为车牌处于图像的中部偏下位置，所以通常取图像的下半部分进行处理或优先考虑图像中靠下方的位置。 4.车牌中的字符很容易在预处理中发生变形或丢失信息的情况，要注意保持车牌的字符信息。 2.1 灰度化在计算机中，一幅图像由若干个像素组成，每个像素都带有图像的相关信息(如背景、目标、噪声等)，而图像处理技术则通过对这些像素进行处理而得到我们所需要的关键信息。 2.1.1 车牌图像灰度化一般情况下，输入计算机的视频截取图像为RGB 格式，即彩色图片。由于这种图像包含大量的颜色信息，它的每个像素都具有三个不同的颜色分量R(Red)、G(Green)、B(Blue)，这样的图片占据的存储空间很大，而且在对其进行处理时也会耗用较多的系统资源，导致系统的执行效率不高。与之相比，灰度图像只含有亮度信息，从而大大减少了系统的工作时间，满足汽车牌照识别系统的实时性要求。因此，在对图像进行其它预处理之前，一般先将彩色图像转换成灰度图像。最基本的灰度化方法就是直接使用R、G、B 三分量中的最大值或平均值来代替各个分量。灰度化以后，相同颜色的像素具有相同的亮度，这就形成了以亮度为层次的灰度图片。灰度值大的像素比较亮，反之较暗。通常把灰度值分为256 等份，0 度表示最暗的级别，即黑色；255 表示最亮的级别，即白色。图像的灰度化转换还有其它不同的算法，比较常见的是给像素的R、G、B 分量各自增加一个特定的加权系数，相乘后求和，其计算结果作为灰度值，转换公