西南科技大学
毕业设计（论文）题目名称：车辆牌照图像识别算法研究与实现年级：■本科□专科
学生学号：
学生姓名：指导教师：
学生单位：技术职称：
学生专业：教师单位：
西南科技大学教务处制
车辆牌照图像识别算法研究与实现
摘要：近年来随着国民经济的蓬勃发展，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，汽车牌照识别技术在公共安全及交通管理中具有特别重要的实际应用意义。本文对车牌识别系统中的车牌定位、字符分割和字符识别进行了初步研究。对车牌定位，本文采用投影法对车牌进行定位；在字符分割方面，本文使用阈值规则进行字符分割；针对车牌图像中数字字符识别的问题，本文采用了基于BP神经网络的识别方法。在学习并掌握了数字图像处理和模式识别的一些基本原理后，使用VC++6.0软件利用以上原理针对车牌识别任务进行编程。实现了对车牌的定位和车牌中数字字符的识别。
关键词：车牌定位；字符分割；BP神经网络；车牌识别；VC++
Research and Realization of License Plate Recognition
Algorithm
Abstract:In recent years, with the vigorous development of the national economy，there are more and more construct in the domestic expressway, urban road, and parking area. The requisition on the traffic control, safety management improves day by day. Therefore, license plate recognition technology has the particularly important practical application value in the public security and the traffic control. In the paper, a preliminary research was made on the license location, characters segment and characters recognition of the license plate recognition. On the license location，the projection was used to locate the license plate; On the characters segmentation, the liminal rule was used to divide the characters; In order to solve the problem of the digital characters recognition in the plate, BP nerve network was used to recognize the digital characters. After studying and mastering some basic principles of the digital image processing and pattern recognition, the task of license plate recognition was programmed with VC++ 6.0 using above principles. The license location and the digital characters recognition in the license plate were implemented.
Keywords: license location, characters segmentation, BP nerve network, license plate recognition, VC++
目录
第1章绪论 (1)
1.1课题研究背景 (1)
1.2车辆牌照识别系统原理 (1)
1.3车辆牌照识别在国内外研究现状 (2)
1.4本文主要工作及内容安排 (3)
第2章车辆牌照的定位方法 (4)
2.1车辆牌照图像的预处理 (4)
2.1.1 256色位图灰度化 (4)
2.1.2 灰度图像二值化 (5)
2.1.3 消除背景干扰去除噪声 (6)
2.2车辆牌照的定位方法简介 (6)
2.3系统采用的定位方法 (7)
2.3.1 车辆牌照的水平定位 (7)
2.3.2 车辆牌照的垂直定位 (7)
2.3.3 定位的算法实现 (10)
2.4实验结果分析 (12)
第3章车辆牌照的字符分割 (13)
3.1车牌预处理 (13)
3.1.1 去边框处理 (13)
3.1.2 去噪声处理 (13)
3.1.3 梯度锐化 (15)
3.1.4 倾斜调整 (16)
3.2字符分割方法简介 (17)
3.3系统采用的分割方法 (19)
3.3.1 算法介绍 (19)
3.3.2 算法的实现 (20)
3.4字符分割实验结果 (21)
第4章特征提取与字符识别 (22)
4.1字符的特征提取 (22)
4.2字符的识别方法简介 (23)
4.3系统采用的识别方法 (24)
4.3.1 人工神经网络简介 (24)
4.3.2 BP神经网络识别车牌 (25)
4.3.3 BP神经网络识别算法实现 (28)
4.4实验结果分析 (29)
总结 (32)
致谢 (33)
参考文献 (34)
第1章绪论
1.1 课题研究背景
现代社会已经进入信息时代，计算机技术、通信技术和计算机网络技术的不断发展，自动化信息处理能力的不断提高，在人们社会活动和生活的各个领域得到了广泛的应用，在这种情况下，作为信息来源的自动检测、图像识别技术越来越受到人们的重视。
随着汽车数量的急剧增加，车牌自动识别(license plate recognition, LPR)技术日益成为交通管理自动化的重要手段[1]。车牌自动识别技术是计算机视觉、图像处理技术与模式识别等技术的融合，是智能交通系统中一项非常重要的技术。通过车辆牌照自动识别，就可以对运动车辆查询相关的数据库，根据提取的车辆信息，实现有针对性的车辆检查，极大的提高工作人员的效率，降低工作强度，同时也减少了国家财政收入的流失，减少交通事故的发生以及加强社会治安。因此对车牌识别技术研究有巨大的经济价值和现实意义。
由于车牌自动识别技术在智能化交通控制管理中发挥的重要作用，吸引了各国的科研工作者对其进行广泛的研究，目前已有众多的算法，有些已应用于交叉路口、车库管理、路口收费、高速公路等场合。由于需适应各种复杂背景，加之要识别的车辆种类繁多，颜色变化多端，以及检测时要适应不同天气变化导致的不同光照条件，因此，目前的系统都或多或少地存在一些问题。但随着计算机性能的提高和计算机视觉理论及技术的发展，这种技术必将日趋成熟。
车牌的定位与识别技术，总体来说是图像处理技术与车牌本身特点的有机结合，当然也包括小波分析、神经网络、数学形态学、模糊理论等数学知识的有效运用[2]。
本课题是对汽车图像进行分析，从算法角度来研究车牌的定位与识别。
1.2 车辆牌照识别系统原理
一个典型的车辆牌照识别系统(LPR)是由图像采集系统和图像识别系统组成的，如图1-1[3]。当系统发现有车时，图像采集系统便开始采集车辆牌照信息，得到的信息是图像识别系统的输入。通过识别系统的预处理，为目标搜索提供一个良好的定位环境。在预处理的基础上把图像中的车牌从背景中分割出来。对车牌中的字符做字符分割，最后把分割后的字符进行识别，便得到了汽车牌照的号码。
整套系统实际是一种硬件和软件的集成。在硬件上，它需要集成可控照明灯、镜头、图像采集模块、数字信号处理器、存储器、通信模块、温控模块、单片机等；在软件上，它包括车牌定位、车牌字符切割、车牌字符识别等算法。这样一体化的结构形式能在现实中降低对环境的要求。
图1-1 车辆牌照识别系统原理框图
1.3 车辆牌照识别在国内外研究现状
自1988年以来，人们就对车辆牌照识别系统进行了广泛的研究，目前国内外已经有众多的算法，一些实用的LPR技术也开始用于车流监控、出入控制、电子收费等场合。然而无论是LPR算法还是LPR产品都存在一定的局限性，都需要适应新的要求而不断完善。如以色列Hi-Tech公司的See/Car System系列，它需要多种变形的产品来分别适应某一个国家的车牌；新加坡Optasia公司的VLPRS系列，只适合于新加坡的车牌；See/Car Chinese系统可以对中国大陆的车牌进行识别，但都存在一定的缺陷，而且不能识别车牌中的汉字。
我国在90年代初期开始了车辆牌照识别技术的研究。但由于以下几个原因使我国的车辆牌照识别技术在研究和应用方面都有一定难度，且落后于其它国家：①我国的标准汽车牌照是由汉字、英文字母和阿拉伯数字组成，汉字的识别与字母和数字的识别有很大的不同，从而增加了识别的难度。②国外许多国家汽车牌照的底色和字符颜色通常只有对比度较强的两种颜色，而我国汽车牌照仅底色就有蓝、黄、黑、白等多种颜色，字符颜色也有黑、红、白等几种颜色。③其他国家的汽车牌照格式通常只有一种，而我国则根据不同车辆、车型、用途，规定了多种牌照格式。④我国汽车牌照的规范悬挂位置并不唯一，而且由于环境、道路或人为因素造成汽车牌照污染的情况比较严重，这都给车牌识别造成了一定的难度。
因此，我国车辆牌照识别技术的提高和广泛应用还需广大科研工作者和相关交通部门的共同努力。
1.4 本文主要工作及内容安排
本文主要研究车辆牌照识别系统中的数字识别技术，将数字图像处理技术与模式识别技术紧密结合，针对汽车牌照字符识别的特点，分析了车牌定位与分割、字符分割、特征提取、BP神经网络等算法。在车牌定位、字符分割和特征提取的基础上，详细研究了车牌数字字符的识别。
文章在接下来的第二章介绍了车辆牌照的定位方法；第三章介绍了车辆牌照的字符分割算法；第四章介绍了车辆牌照数字字符的识别。其中车辆牌照数字字符的识别是本课题的重点。文章在每一步处理后给出了实验结果，并给出了最后的识别结果。
第2章车辆牌照的定位方法
车辆牌照的定位方法是基于图像处理的基础上，对图像进行分析、总结并经过大量的试验所获得的。定位方法的研究与车牌特征和图像处理技术是分不开的。从自然背景中准确可靠地分割出车牌区域是提高系统识别率的关键，但是由于车牌图像摄于背景复杂且光照不均匀的自然场景，因而会出现颜色失真或低对比度的图像，这给车辆牌照的定位带来了很大的困难。为此人们进行了大量的研究，并取得了一定的成果。
本课题中，根据车牌的二值图像在水平和垂直方向的投影特性提出了基于二值化图像投影法和数学形态学相结合的车牌定位算法，该算法具有快速、简洁实用和与背景相关性小的特点。车牌的定位算法分为预处理、水平定位、垂直定位。其流程图如图2-1所示。
图2-1 车辆牌照定位原理
2.1 车辆牌照图像的预处理
为了使车牌能够被精确定位，在定位搜索以前，要对车牌图像进行预处理。为了能够方便的进行后期的数字图像处理，需要将彩色图像转化成256色的灰度图后进行处理，然后对图像做二值化处理，削弱背景干扰，消除噪声。经过以上的预处理，就可以对车牌进行定位和分割处理。
2.1.1 256色位图灰度化
由于256色的位图的调色板内容比较复杂，使得图像处理的许多算法都没有办法
展开，因此有必要对它进行灰度处理。所谓灰度图像就是图像的每一个象素的RGB 分量的值是相等的。彩色图像的每个象素的RGB 值是不同的，所以显示出红绿蓝等各种颜色。灰度图像没有这些颜色差异，有的只是亮度上的不同。灰度值大的象素比较亮，反之比较暗。图像灰度化有各种不同的算法，比较直接的一种是给象素的RGB 值各自一个加权系数，然后求和。经常用到的灰度化公式由式(2-1)完成：
B G R I *114.0587.0*229.0++= (2-1) 式(2-1)中I 为灰度值。
加权系数的取值是建立在人眼的视觉模型之上的，对于人眼较为敏感的绿色取较大的权值，对人眼较为不敏感的蓝色则取较小的权值。这样可以使得到的灰度图像在视觉上更接近人的主观感觉。应该注意的是最后得到结果一定要归一到0～255之内。
2.1.2 灰度图像二值化
在进行了灰度化处理以后，图像中的每个象素只有一个值，即象素的灰度值。它的大小决定了象素的亮暗程度。为了更加便利的开展下面的图像处理操作，还需要对已经得到的灰度图像做一个二值化处理。图像的二值化就是把图像中的象素的灰度值根据一定的标准分化成两种颜色。在系统中是根据象素的灰度值将图像处理成黑白两种颜色。图像的二值化有很多成熟的方法：可以采用阈值分割法，也可以采用给定阈值法。阈值分割法可以分为全局阈值法和局部阈值分割法。所谓局部阈值分割法是将原始图像划分成较小的图像，并对每个子图像选取相应的阈值。在阈值分割后，相邻子图像之间的边界处可能产生灰度级的不连续，因此需用平滑技术进行排除。局部阈值法常用的方法有灰度差直方图法、微分直方图法。
全局阈值分割方法在图像处理中应用比较多，它在整幅图像内采用固定的阈值分割图像。根据阈值选择方法的不同，可以分为模态方法、迭代式阈值选择等方法。这些方法都是以图像的灰度直方图为研究对象来确定阈值的。另外还有类间方差阈值分割法、二维最大熵分割法、模糊阈值分割法、共生矩阵分割法、区域生长法等等。
在本系统中考虑到所要进行处理的图像大多是噪声比较少的灰度车牌，系统中采用全局阈值分割的方法进行处理，初始阈值T 的确定方法是由式(2-2)完成：
()3/m i n m a x m a x G G G T --= (2-2)
max G 和min G 分别是最高和最低灰度值。
该阈值对不同牌照有一定的适应性，能够保证背景基本被置为0，以突出牌照区域。
经过二值化，可以进行下一步处理。
西南科技大学 毕业设计（论文）题目名称：车辆牌照图像识别算法研究与实现年级：■本科□专科 学生学号： 学生姓名：指导教师： 学生单位：技术职称： 学生专业：教师单位： 西南科技大学教务处制
车辆牌照图像识别算法研究与实现 摘要：近年来随着国民经济的蓬勃发展，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，汽车牌照识别技术在公共安全及交通管理中具有特别重要的实际应用意义。本文对车牌识别系统中的车牌定位、字符分割和字符识别进行了初步研究。对车牌定位，本文采用投影法对车牌进行定位；在字符分割方面，本文使用阈值规则进行字符分割；针对车牌图像中数字字符识别的问题，本文采用了基于BP神经网络的识别方法。在学习并掌握了数字图像处理和模式识别的一些基本原理后，使用VC++6.0软件利用以上原理针对车牌识别任务进行编程。实现了对车牌的定位和车牌中数字字符的识别。 关键词：车牌定位；字符分割；BP神经网络；车牌识别；VC++
Research and Realization of License Plate Recognition Algorithm Abstract:In recent years, with the vigorous development of the national economy，there are more and more construct in the domestic expressway, urban road, and parking area. The requisition on the traffic control, safety management improves day by day. Therefore, license plate recognition technology has the particularly important practical application value in the public security and the traffic control. In the paper, a preliminary research was made on the license location, characters segment and characters recognition of the license plate recognition. On the license location，the projection was used to locate the license plate; On the characters segmentation, the liminal rule was used to divide the characters; In order to solve the problem of the digital characters recognition in the plate, BP nerve network was used to recognize the digital characters. After studying and mastering some basic principles of the digital image processing and pattern recognition, the task of license plate recognition was programmed with VC++ 6.0 using above principles. The license location and the digital characters recognition in the license plate were implemented. Keywords: license location, characters segmentation, BP nerve network, license plate recognition, VC++
《车牌识别系统》 车牌识别系统 摘要：文章从车牌定位、车牌字符分割和车牌字符识别 3个阶段对车牌识别技术进行了深入研究，并用MATLAB进行了仿真。 关键词：车牌识别，车牌定位，车牌字符分割 1 引言
车牌是一辆汽车独一无二的信息，因此，对车辆牌照的识别技术可以作为辨识一辆车最为有效的方法。随着 ITS(智能交通系统)的高速发展，对车牌识别技术的研究也随之发展。从根本上讲，牌照识别应用了先进的图像处理，模式识别，人工智能技术来获取，处理，解释，记录拍照的图像。目前，牌照识别技术已经广泛而成功的应用于高速公路的监测，电子收费，交通违规管理，安全停车管理，偷盗车辆辨识等重要领域。 车牌识别系统一般包括以下几个部分，见图1。 图1 车牌识别系统 主要研究内容如下: 1.车牌的定位研究。先进行图像的预处理，包括:RGB彩色图像的灰度化、图像灰度拉伸、图像边缘检测、灰度图的二值化等;车牌定位采用基于水平和垂直投影分布特征的方法。 2.字符分割的研究。先对定位后的车牌图像进行预处理，然后按照车牌的先验信息,用区域增长算法来确定候选车牌的字符区域。 3.字符识别的研究。对于提取出的单个字符，先进行归一化操作，再与给定的模板做对比，识别出字符。 2. 图像的定位 2.1 图像的预处理 一般情况下，由CCD采集到的图像会有不理想的情况，如光线过强，或者偏弱，这些都会对后续的图像处理产生一向。而且车牌位于车身下部，靠近散热片，对比度较差，此时若直接对灰度图像进行定位会有不小的困难，为了获得较好处理的灰度图像，在对CCD 采集的原始图像进行灰度化后，要对其灰度转换。 首先对图像灰度拉伸，使灰度级占据 0--255整个区域，这样做的目的是为了减少光线过强，或者偏弱时造成的灰度级过少．本文直接采用直方图均衡化，这样处理简单，运算量小，效果也较理想。 2.2 边缘提取
车辆识别代号管理办法(试行) 中华人民共和国国家发展和改革委员会公告 2004年第66号 为加强车辆生产企业及产品管理，规范车辆识别代号的管理和使用，根据国家有关法律、法规，国家发展和改革委员会决定制定《车辆识别代号管理办法(试行)》，现予以发布，请各有关单位遵照执行。 本管理办法自2004年12月1日起施行。原国家机械工业局《车辆识别代号(VIN)管理规则》(CMVRA01-01，国机管[1999]20号)同时废止。 中华人民共和国国家发展和改革委员会 二○○四年十一月二日 目录 第一章总则 第二章WMI的申请、批准和备案 第三章VIN的编制和VIN编制规则的备案 第四章VIN的标示和使用 第五章监督管理 第六章附则 第一章总则 第一条为了加强车辆识别代号管理，规范车辆识别代号(英文：VehicleIdentificationNumber，以下简称：VIN)的编制、标示和使用，制定本办法。 第二条本办法适用于在中华人民共和国境内制造、销售的道路机动车辆以及需要标示VIN的其它类型车辆产品，包括完整车辆产品和非完整车辆产品。 第三条中华人民共和国境内的车辆生产企业及进口车辆生产企业均应按照本办法的规定在生产、销售的车辆产品上标示VIN。 第四条国家发展和改革委员会(以下简称国家发展改革委)负责VIN的监督、管理，中国
汽车技术研究中心(以下简称工作机构)承办有关具体工作。 第五条VIN是指车辆生产企业为了识别某一辆车而为该车辆指定的一组字码，由17位字码构成，分为三部分：世界制造厂识别代号(英文：WorldManufacturerIdentifier，以下简称：WMI)、车辆说明部分(英文：VehicleDescriptorSection，以下简称：VDS)、车辆指示部分(英文：VehicleIndicatorSection，以下简称：VIS)。 第二章WMI的申请、批准和备案 第六条在中华人民共和国境内从事道路机动车辆生产的企业，均应按照本办法的规定申请WMI。 其它类型车辆产品需要标示VIN时，其生产企业也应按照本办法的规定申请WMI。 第七条申请WMI的企业，应具备以下条件： (一)具有独立法人资格; (二)遵守国家有关法律、法规; (三)符合国家产业政策及宏观调控的要求; (四)符合国家道路机动车辆生产企业准入管理规定。 第八条申请WMI的企业应向工作机构提出申请，申请时应如实填写《世界制造厂识别代号(WMI)申请表》(附件一)，并提交相应的证明材料。其中道路机动车辆生产企业应提交以下材料： (一)企业营业执照(复印件); (二)符合国家汽车产业政策及车辆生产准入条件的相关证明; (三)获得国家车辆生产许可的情况说明; (四)企业实际生产条件、生产情况说明; (五)所生产的车辆产品类型及年产量的说明; (六)车辆品牌的有关证明材料; (七)现场审查前还应依据《车辆识别代号管理现场审查实施办法》(另行制定)提交相关资料。 第九条工作机构收到企业的申请之后，应根据下列情况分别作出处理：
（汽车行业）基于图像处理的汽车牌照的识别
基于图像处理的汽车牌照的识别 作者:陈秋菊 指导老师:李方洲 (温州师范学院物理和电子信息学院325027) 摘要：以壹幅汽车牌照的识别为例，具体介绍了车牌自动识别的原理。整个处理过程分为预处理、边缘提取、车牌定位、字符分割、字符识别五大模块，用MA TLAB软件编程来实现每壹个部分,最后识别出汽车牌照。在研究的同时对其中出现的问题进行了具体分析，处理。寻找出对于具体的汽车牌照识别过程的最好的方法。 关键词：汽车牌照车牌提取字符分割字符识别Thevehiclelicenserecognitionbasedontheimageprocessing Author:ChenQiuju Tutor:LiFangzhou (SchoolofPhysicsandElectronicInformationWenZhouNormalCollege325027) Abstract：Withonevehiclelicenserecognition,theprincipleoftheautomobileLicenserecognitionisintroduced.This processwasdividedintopre-process,edgeextraction,vehiclelicenselocation,characterdivisionandchara cterrecognition,whichisimplementedseparatedbyusingMA TLAB.Thelicenseisrecognizedatlast.Atthe sametime,theproblemsarealsoanalyzed Andsolvedintheprocess.Thebestmethodofrecognitiontotheveryvehiclelicenseisfound. Keywords:vehiclelicensevehiclelicenselocationcharactersegmentation Characterrecognition 引言 1.1选题意义 汽车牌照自动识别系统是以汽车牌照为特定目标的专用计算机视觉系统，是计算机视觉和模式识别技术在智能交通领域应用的重要研究课题之壹，是实现交通管理智能化的重要环节，它可广泛应用于交通流量检测，交通控制和诱导，机场、港口、小区的车辆管理，不停车自动收费，闯红灯等违章车辆监控以及车辆安全防盗等领域，具有广阔的应用前景。目前，发达国家LPR（汽车牌照识别技术LicensePlateRecognition，LPR，简称“车牌通”）系统在实际交通系统中已成功应用，而我国的开发应用进展缓慢，车牌识别系统基本上仍停留在实验室阶段。基于这种现状仍有它广阔的应用前景，目前对汽车车牌的识别研究就有了深远的意义。 课题组成 汽车车牌的识别过程主要包括车牌定位、字符车牌分割和车牌字符识别三个关键环节。其识别流程如下： 原始图像：由数码相机或其它扫描装置拍摄到的图像 图像预处理：对动态采集到的图像进行滤波，边界增强等处理以克服图像干扰 边缘提取：通过微分运算，2值化处理，得到图像的边缘 车牌定位：计算边缘图像的投影面积，寻找峰谷点，大致确定车牌位置，再计算此连通域内的宽高比，剔除不在域值范围内的连通域。最后得到的便为车牌区域。 字符分割：利用投影检测的字符定位分割方法得到单个的字符 字符识别：利用模板匹配的方法和数据库中的字符进行匹配从而确认出字符，得到最后的汽车牌照，包括英文字母和数字。
安徽建筑工业学院电子与信息工程学院本科毕业设计（论文）开题报告 课题名称：基于模式识别的图像处理算法研究 ——基于模式识别的车牌定位算法研究专业：电子信息工程 班级：08电子①班 学生姓名：陈宇栋 学号：08205010127 指导教师： 填表日期：2012年3月5日 安徽建筑工业学院电子与信息工程学院 二○一一年十二月制表
说明 1.抓好毕业设计（论文）的开题报告是保证毕业设计 （论文）质量的一个重要环节。为了加强对毕业设计（论文）的过程管理，规范毕业设计（论文）的开题报告，特印发此表。 2.毕业生一般应在毕业设计前期准备过程中，通过文 献调研，主动跟指导教师讨论，完成毕业设计（论文）的开题报告。 3.此表经过指导教师和有关人员签字后，一份由指导 教师保存，一份交院教学办公室。 4.毕业生在毕业设计（论文）答辩时，必须提交这份 毕业设计（论文）开题报告。 填写选题依据和设计方案，力求简练，若表中栏目不够填写，可另加附页。
一、简表 学生简况 姓名陈宇栋性别男出生年月1988-08入学时间2008-09学号08205010127专业电子信息工程班级08电子①班 课题名称基于模式识别的图像处理算法研究 子课题基于模式识别的车牌定位算法研究 课题来源纵向课题 类型计算机软件设计 研究（设计）内容 随着计算机和人工智能技术的发展，模式识别在图像处理中的应用日益广泛，智能交通工具在世界范围内引起重视，而车牌识别系统是智能交通工具的重要组成部分，该系统可以记录十字路口违章车辆，实现高速公路、收费路口、停车场等地的收费。车牌识别系统包括从图像的采集到预处理，再到车牌区域的定位和字符的分割，最后对分割出的字符进行识别的一系列过程。本次毕业设计主要对汽车牌照识别系统进行处理研究，借助于Visual C++编程环境运行在相应的硬件平台上，利用数字图像模式识别技术实现对汽车牌照的自动识别。按照模式识别系统组成，完成汽车牌照自动识别技术包括车牌预处理、车牌特征提取和车牌识别等功能，完成相应的算法研究。 对采集的车牌图像进行预处理包括图像灰度化、二值化、灰度拉伸及边缘提取等过程，并且过滤图像噪声使图像区域特征明显，根据区域特征确定车牌区域。车牌字符分割可以采用车牌区域纵向灰度投影的方式进行字符区域识别和分割实现。最后进行车牌分割字符图像归一化，将分割好的字符图像通过系数变换得到高度、宽度均相等的图像，以方便特征提取，提高识别的准确率，实现车牌的识别。
解析车牌识别率算法 首先剖析下车牌识别原理是怎样的，车牌识别是基于图像分割和图像识别理论，对含有车牌识别车辆号牌的图像进行分析处理，从而确定牌照在图像中的位置，并进一步提取和识别出文本字符。车牌识别过程包括图像采集、预处理、车牌定位、字符分割、字符识别、结果输出等一系列算法运算，其运行流程如下图所示： （车牌识别原理示意图） 那么高达99.7%的车牌识别率是怎样做到的？
首先，相机成像是车牌识别的基础，稳定、优质的成像效果为高识别率奠定了坚实的基础； 其次，现场安装调试是车牌识别的重要保障，专业的咨询服务部为每一个安装现场提供专业、合理的安装意见，角度、距离、补光灯调节等为高车牌识别识别率提供了有力的保障； 再次，强大的识别算法。 一、核心算法支持丰富多样的功能：支持车牌种类繁多，工作模式灵活等。 车牌识别核心算法支持各类车牌：普通蓝牌、单层黄牌、双层黄牌、警车车牌、武警车牌、军队车牌（新军牌）、大使馆车牌、02式个性化车牌、教练车牌、农用车牌、挂车号牌、民航车牌、港澳出入境车牌、台湾车牌等。 支持线圈触发识别工作模式和视频流识别工作模式，灵活互补。 支持车身颜色识别，支持车标识别，支持车型识别。 二、鲁棒性强 （鲁棒性即在异常场景、异常情况下均能正常工作，且有较高的识别率）针对反光车牌、逆光车牌、阴阳车牌、变形车牌、污损车牌、奔驰特殊车牌、倾斜车牌、低对比度车牌、雨雾天气车牌、过爆车牌、粘连边框车牌、相似字符等特殊情况，均有较高的车牌识别率。
三、算法实时性 线圈触发工作模式，单帧耗时500ms左右；视频流识别模式，单帧耗时100ms左右。 综上所述，无论从核心软件、智能硬件还是强大的售前、售后服务体系，易泊时代都有强大的支持，因此车牌识别率99.7%，必须这么高，也必然这么高！
核心提示：汽车牌照识别技术是一个以特定目标为对象的专用计算机视觉系统。到目前为止，通用计算机视觉系统仍然是当今科学界尚未攻克的难题。究其原因主要是当前的串行计算机结构难以完全适合做人工智能视觉工作。也许，只有新一代的计算机诞生了，真正的通用的计算机视觉系统才能实现。人们已经意识到，光靠加快计算机计算速度是无法彻底解决机器视觉所遇到的问题。神经网络的出现曾给人们带来一线曙光，但经过十多年的努力，新一代计算机还是遥遥无期，而机器视觉系统仍然在黑暗中摸索。 - 一、汽车牌照的基本元素 目前我国机动车使用的牌照主要是根据公安部一九九二年颁布的《中华人民共和国机动车号牌》标准（GA36-92）制作的。另外，部队、武警等部门的汽车牌照也有自己的标准。但无论是哪种汽车牌照都由四大基本元素组成： 1）汉字 2）英文字母（A～Z） 3）数字（0～9） 4）颜色（蓝、黄、白、黑） 二、识别技术简介 汽车牌照识别技术是一个以特定目标为对象的专用计算机视觉系统。到目前为止，通用计算机视觉系统仍然是当今科学界尚未攻克的难题。究其原因主要是当前的串行计算机结构难以完全适合做人工智能视觉工作。也许，只有新一代的计算机诞生了，真正的通用的计算机视觉系统才能实现。人们已经意识到，光靠加快计算机计算速度是无法彻底解决机器视觉所遇到的问题。神经网络的出现曾给人们带来一线曙光，但经过十多年的努力，新一代计算机还是遥遥无期，而机器视觉系统仍然在黑暗中摸索。 经过反思，人们认为，在当前科学技术条件下，机器视觉系统的研究只能退而求其次，即首先研究针对特定对象的、专用的计算机视觉系统。汽车牌照识别器就是这一技术的典型应用，但就是要研究开发这种专用的视觉系统，也不是轻而易举的。 用计算机完成视觉任务，其主要困难就是串行计算机不适合作视觉工作，而人类却恰好相反，人可以随时随地轻而易举地完成无数的、令计算机无法想象的视觉任务。但是，计算机具有“忠实、吃苦、耐劳”和不怕重复、重复工作结果绝对一致等许多人类不具有的优点，所以计算机视觉研究，特别是专用计算机视觉的研究具有绝对重要的价值。 汽车牌照自动识别设备主要由触发单元、抓拍单元、处理单元三部分组成。汽车牌照识别对人来讲是一件轻而易举的事，但用计算机处理却要难得多。其中： ◆算法难点包括： 1）汽车牌照区域定位； 2）变形校正； 3）旋转校正； 4）污损修复； 5）字符切分； 6）字符识别； ◆成像环节中的难点包括： 1）环境光影响（太阳定向反射、镜面反射）； 2）车辆高速运动中成像；
OpenCV下车牌定位算法实现代码（一） 车牌定位算法在车牌识别技术中占有很重要地位，一个车牌识别系统的识别率往往取决于车牌定位的成功率及准确度。 车牌定位有很多种算法，从最简单的来，车牌在图像中一般被认为是长方形，由于图像摄取角度不同也可能是四边形。我们可以使用OpenCV中的实例：C:\Program Files\OpenCV\samples\c.squares.c 这是一个搜索图片中矩形的一个算法。我们只要稍微修改一下就可以实现定位车牌。 在这个实例中使用了canny算法进行边缘检测，然后二值化，接着用cvFindContours搜索轮廓，最后从找到的轮廓中根据角点的个数，角的度数和轮廓大小确定，矩形位置。以下是效果图： 这个算法可以找到一些车牌位置，但在复杂噪声背景下，或者车牌图像灰度与背景相差不大就很难定位车牌。所以我们需要寻找更好的定位算法。下面是squares的代码： #ifdef _CH_ #pragma package
#include
车辆车辆编码的内容有五部分： 1、企业名称代号； 2、车辆类别代号； 3、主要参数代号； 4、产品序号； 5、企业自定代号。 1、企业名称代号用2位汉语拼音表示。 如：CA表示一汽、EQ表示二汽、BJ表示北京、NJ表示南京。 2、车辆类别代号用1位阿拉伯数字表示。 用1表示载重汽车；2表示越野汽车；3表示倾卸汽车；4表示牵引车；5表示特种车；6表示客车（大、中、小）；7表示轿车；8表示挂车；9表示半挂车、加长货挂车。 3、主要参数代号用2位阿拉伯数字表示。 ①在载重货车中，这两位数表示的是车辆总质量（车辆自重和载重量之和）； ②在轿车中这两位数表示的是汽车的排气量（单位：升）； ③客车中这两位数表示的是车身长度（单位：m）。 4、产品序号用1位阿拉伯数字表示。用0、1、2分别表示车型的改动及改型情况。 5、企业自定代号： 第一汽车制造厂企业自定代号： A——带空调 B——自卸 C——超豪华或牵引车底盘柴油车 D——客车底盘 E——高栏板 K——柴油车〈K2=大连柴油机，K1=德国道依茨发动机,K4=无锡柴油机〉 P——平头车〈P=两个雨刮片平头两个雨刮片平头驾驶室〈FK型驾驶室〉。 P1=三个雨刮片平头驾驶室，比P宽近200MM〈FP型驾驶室〉。 P2=加宽型三个雨刮片平头驾驶室，比P1宽近312MM〈FM型驾驶室〉。如企业自定部分有P或P1的同时还有H时，驾驶室在P或P1基础上加宽一级〉 R——带卧铺 S——加油车底盘 T——双桥驱动 L——长轴距 Y——右方向 Z——出口汽车 H——宽体驾驶室 举例：CA 1 09 0 K2L2 1 2 3 4 5 1——企业名称代号 2——车辆类别代号 3——主要参数代号 4——产品序号 5——企业自定代号 长春第一汽车制造厂生产的各种货车有100多个品种，我们要准确地确定定损的车型，一定
近几年，一遇假期堵成狗，已成为中国现代交通的常态，为了改善这种现状，各地高速设置ETC专用通道，不少出行者反应，在ETC实现全国联网之后，使用ETC通道过高速收费站比以往减短的时间少了不止10秒钟，这也成为减少高速拥堵情况的一大原因。 ETC通道能实现快速汽车快速通过，自动栏杆机功能的重要性不言而喻，但是车牌自动识别技术也发挥不可替代的作用。近年来，车牌自动识别技术已被广泛应用于城市智能交通系统中，如闯红灯抓拍、超速行驶违章抓拍以及交通治安卡口系统等，尤其是交通治安卡口系统，其作为治安刑侦管理的重要科技手段之一，对车牌自动识别技术提出了更高的要求，促进了车牌自动识别技术的快速发展。 车牌识别技术（LicensePlateRecognition，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。 与传统的射频卡刷卡管理系统相比，车牌自动识别系统最大的优点是：第一、可以完全实现无干扰、不停车通行；第二、真正实现车辆一车一杆的通行管理要求，杜绝传车卡互换情况的发生；第三、实现车场管理收费的完全电脑化记录、统计，最大程度减少了停车费用的流失。
车牌自动识别流程 系统前端采用了嵌入式高清一体化摄像机，可实现百万级分辨率的视频和图片码流输出，内置了高性能DSP芯片，支持内置智能算法、可实现视频检测、车牌自动识别等功能。采用了动态视频识别技术，实现对视频流每一帧图像进行识别，从而达到增加识别比对次数，大大提高了识别的效率和准确率。 车辆牌照的自动识别主要是基于图像分割和图像识别理论，对含有车辆号牌的图像进行分析处理，从而确定牌照在图像中的位置，并进一步提取和识别出文本字符。 识别的具体步骤分为车牌定位、车牌提取、字符识别。在自然环境中，相机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。 完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别，车牌识别算法采用基于模板匹配算法，首先将分割后的字符二值化，并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果，通过这种多次比对的
西南交通大学 毕业设计（论文） 基于视频的车流量检测算法研究 专业: 自动化 指导老师: 侯进 二零一零年六月
西南交通大学本科毕业设计（论文）第I页 院系信息科学与技术学院专业自动化 年级2006级姓名安伟 题目基于视频的车流量检测算法研究 指导教师 评语 指导教师(签章) 评阅人 评语 评阅人(签章) 成绩 答辩委员会主任(签章) 年月日
毕业设计任务书 班级自动化2班学生姓名安伟学号2006 专业自动化 发题日期：2010 年1月1 日完成日期：2010 年6 月15 日 题目基于视频的车流量检测算法研究 题目类型：工程设计√技术专题研究理论研究软硬件产品开发 一、设计任务及要求 车流量信息是交通控制中的重要信息，其检测在智能交通系统中占有重要地位。基于视频图像处理技术的车流量检测系统，通过安装在道路旁边或者中间隔离带的支架上的摄像机和图像采集设备将实时的视频信息采入，经过对视频图像的处理分析可以进行车流量的实时检测。基于视频的车流量检测系统有易安装、维护及实现方便等明显的优势，非常有利于交通系统的管理及控制。具体要求如下： 1. 对图像进行预处理 2. 进行车流量的统计 3. 人机界面简单清楚友好 二、应完成的硬件或软件实验 采集视频图像，对图像进行分析处理，完成车流量的统计，与实际通过车辆数目比较，分析本系统的正确检测率。 三、应交出的设计文件及实物（包括设计论文、程序清单或磁盘、实验装置或产品等） 1. 毕业设计论文（必须完全符合学校规范，内容严禁有丝毫的抄袭剽窃） 2. CD-R（含论文，程序，程序使用说明书，演示视频，盘面注明姓名，专业，日期） 3. 英文翻译按学校规定，导师无特殊要求
车牌识别LPR(License Plate Recogniti ON)技术作为交通管理自动化的重要手段和车辆检测系统的一个重要环节，能经过图像抓拍、车牌定位、图像处理、字符分割、字符识别等一系列算法运算，识别出视野范围内的车辆牌照号码；它运用数字图像处理、模式识别、人工智能技术对采集到的汽车图像进行处理，能够实时准确地自动识别出车牌的数字、字母及汉字字符，并以计算机可直接运行的数据形式给出识别结果，使得车辆的电脑化监控和管理成为现实。 车牌识别技术的任务是处理、分析摄取的视频流中复杂背景的车辆图像，定位、分割牌照字符，最后自动识别牌照上的字符。为了保证汽车车牌识别系统能在各种复杂环境下发挥其应有的作用，识别系统必须满足以下要求: (1)鲁棒性:在任何情况下均能可靠正常地工作，且有较高的正确识别率。 (2)实时性:不论在汽车静止还是高速运行情况下，图像的采集识别系统必须在一定时间内识别出车牌全部字符，达到实时识别。 车牌识别技术的关键在于车牌定位、字符分割和字符识别三部分，其中车牌定位的准确与否直接决定后面的字符分割和识别效果，是影响整个LPR系统识 别率的主要因素，是车牌识别技术中最为关键的一步。目前车牌定位的方法多种多样, 归纳起来主要有基于纹理特征分析的方法、 基于边缘检测的方法、 基于数学形态学定位、基于小波分析定位以及基于彩色图像定位等，这些方法各有所长。
1、车牌目标区域特点 车牌定位方法的出发点是利用车牌区域的特征来判断牌照，将车牌区域从整幅车辆图像中分割出来。车牌自身具有许多的固有特征，这些特征对于不同的国家是不同的。从人的视觉角度出发，我国车牌具有以下可用于定位的特征: (1)车牌底色一般与车身颜色、字符颜色有较大差异; (2)车牌有一个连续或由于磨损而不连续的边框; (3)车牌内字符有多个，基本呈水平排列，在牌照的矩形区域内存在丰富的边缘，呈现规则的纹理特征; (4)车牌内字符之间的间隔较均匀，字符和牌照底色在灰度值上存在较大的跳变，字符本身和牌照底内部都有比较均匀的灰度; (5)不同图像中牌照的具体大小、位置不确定，但其长宽比在一定的变化范围内，存在1个最大值和1个最小值。 以上几种特征都是概念性的，各项特征单独看来都非车牌图像所独有，但将它们结合起来可以唯一地确定车牌。在这些特征中，颜色、形状、位置特征最为直观，易于提取。纹理特征比较抽象，必须经过一定的处理或者转换为其他特征才能得到相应的可供使用的特征指标。通常文字内容特征至少需要经过字符分割或识别后才可能成为可利用的特征，一般只是用来判断车牌识别正确与否。
车牌识别 电子1301 洪江 13 一、目的与要求 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、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，然后组成牌照输出。 三、详细设计步骤: 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。 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。 （2）牌照字符分割 :
Q260046902 专业做论文 西南科技大学 毕业设计（论文）题目名称：车辆牌照图像识别算法研究与实现
车辆牌照图像识别算法研究与实现 摘要：近年来随着国民经济的蓬勃发展，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，汽车牌照识别技术在公共安全及交通管理中具有特别重要的实际应用意义。本文对车牌识别系统中的车牌定位、字符分割和字符识别进行了初步研究。对车牌定位，本文采用投影法对车牌进行定位；在字符分割方面，本文使用阈值规则进行字符分割；针对车牌图像中数字字符识别的问题，本文采用了基于BP神经网络的识别方法。在学习并掌握了数字图像处理和模式识别的一些基本原理后，使用VC++6.0软件利用以上原理针对车牌识别任务进行编程。实现了对车牌的定位和车牌中数字字符的识别。 关键词：车牌定位；字符分割；BP神经网络；车牌识别；VC++
Research and Realization of License Plate Recognition Algorithm Abstract:In recent years, with the vigorous development of the national economy，there are more and more construct in the domestic expressway, urban road, and parking area. The requisition on the traffic control, safety management improves day by day. Therefore, license plate recognition technology has the particularly important practical application value in the public security and the traffic control. In the paper, a preliminary research was made on the license location, characters segment and characters recognition of the license plate recognition. On the license location，the projection was used to locate the license plate; On the characters segmentation, the liminal rule was used to divide the characters; In order to solve the problem of the digital characters recognition in the plate, BP nerve network was used to recognize the digital characters. After studying and mastering some basic principles of the digital image processing and pattern recognition, the task of license plate recognition was programmed with VC++ 6.0 using above principles. The license location and the digital characters recognition in the license plate were implemented. Keywords: license location, characters segmentation, BP nerve network, license plate recognition, VC++
基于matlab的汽车牌照识别程序 摘要：本次作业的任务是设计一个基于matlab的汽车牌照识别程序，能够实现车牌图像预处理，车牌定位，字符分割，然后通过神经网络对车牌进行字符识别，最终从一幅图像中提取车牌中的字母和数字，给出文本形式的车牌号码。 关键词：车牌识别，matlab，神经网络 1 引言 随着我国交通运输的不断发展，智能交通系统（Intelligent Traffic System，简称ITS）的推广变的越来越重要，而作为ITS的一个重要组成部分，车辆牌照识别系统（vehicle license plate recognition system，简称LPR）对于交通管理、治安处罚等工作的智能化起着十分重要的作用。它可广泛应用于交通流量检测，交通控制于诱导，机场，港口，小区的车辆管理，不停车自动收费，闯红灯等违章车辆监控以及车辆安全防盗等领域，具有广阔的应用前景。由于牌照是机动车辆管理的唯一标识符号，因此，车辆牌照识别系统的研究在机动车管理方面具有十分重要的实际意义。 2 车辆牌照识别系统工作原理 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。 3 车辆牌照识别系统组成 （1）图像预处理：对汽车图像进行图像转换、图像增强和边缘检测等。 （2）车牌定位：从预处理后的汽车图像中分割出车牌图像。即在一幅车辆图像中找到车牌所在的位置。 （3）字符分割：对车牌图像进行几何校正、去噪、二值化以及字符分割以从车牌图像中分离出组成车牌号码的单个字符图像
车辆自动识别技术（一）——车牌定位算法研究及实现 (2010-07-19 22:45:15) 分类：控制仿真类 标签： 杂谈 摘要 随着我国交通事业的迅速发展，城市汽车容量的急速攀升，建立现代化的智能交通系统已经成为解决此类中诸多问题的焦点所在。汽车牌照识别系统是交通管理领域和数字图像处理领域里的热点问题，车辆是构成整个智能交通系统的最基本元素，而车辆牌照是我们标定车辆的唯一ID，所以说，车牌定位是实现车牌字符分割和字符识别的前提和关键。 本文介绍了三种基于MATLAB的汽车牌照图像定位方法。这些算法充分利用了车牌纹理、颜色、宽高比等特征，经过灰度化、运动区域定位、边缘提取、水平投影、自适应数学形态学处理、垂直投影、颜色判定、区域生长等一系列步骤，最终实现车牌定位。特别是边缘处理算子的改进、自适应数学形态学的引入以及小波分析的应用，对算法性能有着巨大影响，是本算法的关键所在。 实验结果表明，所述的三种方法是有效的，能够定位所采集的车牌，虽然不能定位全部采集到的图片，但方法三相对前两种方法的准确率有很大的提高，达到了预期的目的。 关键词：车牌定位；纹理分析；边缘检测；数学形态学；小波分析 目录 摘要 Abstract 第1章绪论 1 1.1 课题研究背景及意义 1 1.2 课题研究目的 2 1.3 国内及国外研究现状 2 1.3.1 国内研究现状 2
1.3.2 国外研究现状 4 1.4 本文的工作及基本结构 4 第2章图像处理技术基础 5 2.1 图像预处理 5 2.1.1 图像灰度化 5 2.1.2 图像二值化 6 2.1.3 图像小波变换 6 2.1.4 图像形态学处理 7 2.2 图像区域裁剪 9 第3章基于MATLAB的车牌定位算法实现 10 3.1 MATLAB及其图像处理工具 10 3.2 我国车牌特点及识别难点 10 3.2.1 我国车辆牌照特点 10 3.2.2 我国车辆牌照定位难点 11 3.3 图像的采集 11 3.4 基于不同车牌特征的程序实现过程及结果图 13 3.4.1 基于车牌颜色特征的方法 13 3.4.2 基于数学形态学和边缘特征的方法 16 3.4.3 基于小波分析的方法 20 3.5 三种方法的结果比较 23 第4章结束语 26 参考文献 27 致谢 28 附录 29 第1章绪论 1.1 课题研究背景及意义