车牌识别技术实现方法初探

车牌识别技术实现方法初探冯新宇1,庞艳辉2(1.黑龙江大学,黑龙江哈尔滨150086;2.哈尔滨市特种机动车检定中心,黑龙江哈尔滨150086)摘 要:现代智能交通系统把计算机视觉和模式识别技术应用到车牌识别技术领域中,车牌识别是指对已知车辆数字图像进行预处理、车牌定位、字符分割、字符识别的过程。

车牌识别系统中的关键技术在于车牌区域定位技术和字符分割与字符识别技术,探讨了车牌识别过程中的常用方法。

关键词:车牌识别;车牌定位;字符分割中图分类号:TP301 文献标识码:A 文章编号:1008-5696(2007)02-0050-02The primary reasearch of vehicle license plate recognition realizationFENG Xin 2yu 1,PANG Yang 2hui2(1.Heilongjiang Universit y,Harbin,Heilongjiang 150086;2.Harbin Special Vehicle Inspection and Ident ification Center,Harbin,Heilongjiang 150086)Abstr act :Computer vision and mode identification technology are used in car license identification in modern in 2telligence transportation system.Car license identification refers to the process of trial processing,car license po 2sitioning,character segmentation and character identification for the known vehicle .s digital images.The key technology in car license identification system lies in positioning technology for car license zone,character seg 2mentation and character identification technology.T his paper discusses the common methods applied in the pro 2cess of car license identification.Key words :car license identification,car license positioning,character segmentation收稿日期:2006-11-27作者简介:冯新宇(1977~),男,助理工程师,研究方向:计算机网络.1 概 述车牌识别技术(Vehicle License P late Recognition,VLP R)是计算机视觉和模式识别技术在现代智能交通系统中的一项重要研究课题,是实现交通管理智能化的重要环节。

它是以数字图像处理、模式识别、计算机视觉等技术为基础的智能识别系统,由于每一个汽车都有唯一的车牌号码,通过摄像机所拍摄的车辆图像进行车牌号码的识别。

本文分四步来探讨车牌识别技术,即图像预处理、车牌定位、字符分割、字符识别。

2 图像预处理在车牌自动识别系统中,车辆图像是通过图像采集卡将运动的车辆图像抓拍下来,并以位图的格式存放到系统内存中,这时的车辆数字图像虽然没有被人为损伤过,但在实际道路上行驶的车辆常会因为各种各样的原因使得所拍摄的车辆图像效果不理想,如外界光线对车牌的不均匀反射、极强阳光形成的车牌处阴影、摄像机快门值设置过大而引起的车辆图像拖影、摄像头聚焦或后背焦没有调整到位而形成的车辆图像不清晰、由于视频传输线而引起的图像质量下降、所拍摄图像中存在的噪声干扰、所安装的车牌不规范或车辆行驶变形等,这些都给车牌的模糊识别增加了难度。

图像预处理技术可最大限度提高车牌正确识别率,这些图像预处理包括图像灰度化、平滑、倾斜校正、灰度修正等。

211 图像灰度化图像采集卡采集到的图像是24位的真彩色图像,首先将图像进行灰度变换,转换为256色的灰度图,以去掉彩色信息,加快处理速度。

灰度化的公式可以采用下式g (i ,j )=0111@R (i ,j )+0159@G (i ,j )+013@B (i ,j )(1)式中:g 为(i ,j )处的灰度值,R ,G ,B 分别为该点的3基色值。

但是,定位车牌时亮度信息并不重要。

由于在这个式子中,G 基色占的比重最大,所以灰度化时只取绿色信息就可以了。

212 图像平滑图像平滑的目的是为了消除噪声。

噪声并不限于人眼所能看到的失真或变形,有些噪声只有在进行图像处理时才能发现。

一般来说,图像的能量主要集中在其低频部分,而车牌的信息主要在高频部分,为了去掉高频干扰,有必要进行图像平滑。

如果采用不合适的图像平滑算法,则会带来图像模糊。

可以采用低通滤波的方法去除噪声,为此要设计空间域系统的单位冲激响应矩阵。

213 图像倾斜校正在行驶的车辆中,车牌在图像往往存在不水平情况,如摄像机不在车道正中央、挂放的车牌不水平或车辆突然变道行驶等都会使采集的车牌图像需要进行车牌倾斜校正。

由于车牌的上下沿是两条明显的平行线,所以一般采用HOUGH变换,检测出这两条直线的倾斜角,或者利用特征投影法来检测车牌的倾斜角,然后对车牌图像进行水平校正。

214图像灰度修正灰度修正也是图像增强行之有效的方法,通常采用直方图修正法使图像具有期望的灰度分布。

水平方向为像素灰度值,垂直方向为该像素值出现的数量,根据灰色图像直方图调整图像像素值的分布范围,确保图像亮度值均匀和平滑,同时如果直方图中存在多个峰值,则按直方图峰值计算出限定阀值,然后进行分段图像处理,由此分离出背景和噪声。

图像预处理过程需要有一定的运算时间,而对于实时车牌识别系统来说,图像预处理的时间不可能太长,否则会加重内存负担,并有可能丢失其它车辆图像数据。

3车牌定位车牌定位对车牌识别系统来说至关重要,目前已经提出了很多车牌定位的方法,这些方法都具有一个共同的出发点,即通过牌照区域的特征来判断牌照。

根据不同的实现方法,大致可以把现有的定位方法分为直接法和间接法2类。

1)直接法。

直接分析图像的特征,如基于线模板的二值化图像中的角检测算法,该算法利用车牌的边框角点,检测车牌的四个角点,并以此来定位车牌。

基于直线边缘识别的图像区域定位算法,并且利用该算法定位车牌的边框线,以此定位车牌。

利用车牌的尺寸、字符间距、字符特征等纹理特征定位车牌。

利用车牌部分垂直高频丰富的特点先利用小波提取图像的垂直高频信息,然后利用数学形态学方法对小波分解后的细节图像进行一系列的形态运算,进一步消除无用的信息和噪声,以定位车牌。

2)间接法。

主要是指利用神经网络法或者遗传算法定位车牌的方法。

利用神经网络和遗传算法等柔性方法进行计算是当前研究热点之一。

利用遗传算法对图像进行优化搜索,结合区域特征矢量构造的适应度函数,最终寻找到车牌的版照区域的最佳定位参量。

目前较为常用的方法是先提取车辆图像的边缘,然后结合车辆牌照的几何特征,分析二值化边缘图像像素在水平和垂直方向的投影,判断出车辆牌照的位置。

常用的边缘检测算子有:Sobel算子、Roberts算子、Prewitt算子、Laplacian算子等。

4字符分割字符分割是先将车牌区域分割成单个的字符,然后再进行识别,难点是模糊、断裂字符的识别。

字符分割目前一般采用垂直投影法。

由于字符块在竖直方向上的投影必然在字符间或字符内的间隙处取得局部最小值,因此,字符的正确分割位置应该在上述局部最小值的附近,并且这个位置应满足车牌的字符书写格式、字符尺寸限制和一些其他条件。

在水平方向上从左至右检测各坐标的投影数值,当检测到第一个投影值不为0的坐标可视为首字符的左边界,从该坐标向右检测到的第一个投影值为0的坐标可视为首字符的右边界,其余字符的边界坐标同理可得。

通过字符的平均字宽和两字符左边界之间的平均距离去除可能存在的错误切分。

对于字宽小于平均字宽一定比例(如012)的字符可视为无效字符;前后两字符距离小于平均距离且此距离与字宽之和不大于平均距离,则合并为一个字符;对于字宽大于平均字宽一定比例(如214)则视为两字符出现粘连,当字符数量多于或少于车牌可能的字符数时则认为所定位的车牌无效。

利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果。

5字符识别目前,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。

基于模板匹配算法首先把待识别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。

由于这种匹配算法稳定性较差、时间花费也较大,因此,在此基础上提出了基于关键点的匹配算法。

此算法先对识别字符进行关键点提取,然后对关键点去噪,最后再确定字符的分类。

这种匹配算法只利用了字符的关键点进行匹配,因此,提高了识别速度又具有较高的识别率。

基于人工神经网络的算法主要有2种:一种是先对待识别字符进行特征提取,然后用所获得的特征来训练神经网络分类器;另一种方法是直接把待处理图像输入网络,由网络自动实现特征提取直至识别出结果。

前一种方法识别结果与特征提取有关,而特征提取比较耗时,因此,特征提取是关键。

后一种方法无须特征提取和模板匹配,随着相关技术的进步,这种方法更实用。

6结论汽车牌照自动识别系统中的关键技术)))车牌区域定位技术和字符分割与字符识别技术的发展日趋成熟,且算法比较多。

每一种算法均有其优缺点,单一算法很难达到良好的识别效果,只有多种方法结合,才能实现车牌识别的高效性和高准确性。

参考文献[1]YANG Yibing,Hong Yan.An adaptive logi cal method for binariza2tion of degraded document images[J].Pattern Recognition,2000, 33:787-807.[2]包健,吴迎笑,严义.神经网络反锐化掩模算法在车牌识别中的应用[J].仪器仪表学报,2005(1).[3]林立,何为.汽车牌照自动识别技术的现状与发展[J].北京轻工业学院学报,2001(1):36-40.[4]廖翔云,许锦标,龚仕伟.车牌识别技术研究[J].微机发展,2003(6).[5]王广宇.车辆牌照识别系统综述[J].郑州轻工业学院学报,2001(2):47-50.[责任编辑:王欣]#51#第2期冯新宇,等:车牌识别技术实现方法初探。