基于多模板匹配的车牌字符识别算法

基于模板匹配和SVM的车牌字符识别研究作者：姜改新来源：《汽车世界·车辆工程技术（上）》2019年第04期摘要：对于车牌识别过程中的字符识别问题，提出了基于模板匹配和SVM（支持向量机）的方法，这两种方法各自有自己的特点，识别率都比较高。

本文给出了这两种方法的性能比较，可以在具有不同需求的情况下采用不同算法。

关键词：模板匹配;SVM;字符识别;性能对比1 引言随着生活水平的提高的汽车行业的发展，家用汽车和其他类型的汽车越来越多，在很多方面造成了监管不便的问题。

汽车的车牌号就犹如人的身份证件号一样是汽车唯一的身份识别信息，在交通系统，住宅小区，事业单位和学校等等许多地方为了信息监测和安全防范都需要检验汽车的身份信息，单单靠人工的方式识别显然十分困难，车牌识别系统的出现在一定程度上为汽车信息识别提供了很大的便利，应用市场也十分广泛。

车牌识别系统的流程一般是首先进行车牌图像的获取，然后对图像进行预处理，而车牌定位、车牌字符分割和字符识别这几个部是比较核心的步骤，本文对字符识别这一部分提供了模板匹配和支持向量机这两种算法，给出了特点的介绍和性能的比较。

2 支持向量机支持向量机方法的基本模型是定义在特征空间上的间隔最大线性分类器，学习的目标是在特征空间中找到一个分类超平面，能够将实例分到不同的类。

分类特征要求分类内部样本距离足够小，类间样本距离足够大。

根据以上原理构造的SVM判别函数为：a为约束函数的解，y是出入样本的值，为核函数。

步骤：（1）对测试样本进行预处理，使其便于获得特征;（2）再对字符图像求其特征参数;（3）根据SVM方法进行判別。

SVM着重于最小化训练集的结构误差，识别效率高，识别速度快，测试误差小，而且还具有较强的泛化能力，但是SVM是基于小样本统计理论的基础上的，对于数据量很大的训练样本，SVM的训练时间比较长。

3 模板匹配算法我国普通汽车车牌的字符共有七位，第一位是各省或者直辖市的汉字简称，然后第二位是A～Z的字母，后五位是数字和字母的混合搭配，由于字符特征差距较大，采用不同的模板分别识别，提高了效率和准确性。

基于模板匹配的车牌识别1、实验目的和意义通过设计车牌识别系统，正确获取整个图像中车牌的区域，并识别出车牌号。

在实验过程中，熟悉基于模式识别的车牌识别的原理，并对其实现方法进行了分析和仿真。

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。

2、实验原理车牌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。

3、详细设计步骤3.1 提出总体设计方案:为了进行牌照号码、颜色识别，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(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。

基于模板匹配车牌识别技术的研究——王宜政1、研究背景汽车牌照自动识别模块是现代社会智能系统的重要组成部分，是图像处理和模式识别技术研究的热点，具有非常广泛的应用[1]。

车牌识别主要包括以下三个步骤：车牌区域定位、车牌字符分割、车牌字符识别。

本论文通过对采集的车牌图像进行灰度变换、边缘检测、腐蚀、平滑等过程来进行车牌图像预处理，并由此得到一种基于车牌颜色纹理特征的车牌定位方法，最终实现了车牌区域定位。

车牌字符分割是为了方便后续对车牌字符进行匹配，从而对车牌进行识别。

本论文采用了模板匹配的方法，对输出的字符图像和模板库里的模板进行匹配，以得到对应于车牌字符的具体信息。

本论文还基于MATLAB进行了设计仿真实验，实验表明，该方案整体有效可行。

基于模板匹配的车牌识别技术在其识别正确率、速度等方面具有独特的优势及广阔的应用前景。

2、理论基础车牌定位与字符识别技术是以计算机数字图像处理、模式识别等技术为基础，通过对原图像进行预处理及边缘检测等过程来实现对车牌区域的定位，然后对车牌区域进行图像裁剪、归一化、字符分割及保存，最后将分割得到的字符图像与模板库里的模板进行匹配识别，从而输出匹配结果。

该流程如下图所示：——>采集图像——>图像预处理——>定位车牌区域——>车牌图像处理——>字符分割——>字符识别——>输出结果（⇒车辆牌照识别系统）车牌识别首先要正确地分割车牌区域，为此已经提出了很多方法：使用霍夫变换检测直线来定位车牌边界，进而获取车牌区域；使用灰度阈值分割、区域生长等方法进行区域分割；使用纹理特征分析技术检测车牌区域等。

然而霍夫变换对图像噪声比较敏感，因此在检测车牌边界直线时，容易受到车牌变形或噪声等因素的影响，具有较大的误检测几率。

灰度阈值分割、区域增长等方法则比霍夫直线检测方法稳定，但当图像中包含某些与车牌灰度非常相似的区域时，便不再适用了。

同理，纹理特征分析方法在遇到与车牌纹理特征相近的区域或其他干扰时，车牌定位的正确率也会受到影响。

科类理工类编号（学号）20082036本科生毕业论文（设计）基于模板匹配的车牌识别及matlab实现License plate recognition based on template matching and matlabimplementation伏绍鸫指导教师：朱玲职称讲师农业大学黑龙潭650201学院：基础与信息工程学院专业：电子信息工程年级：2008级论文（设计）提交日期：2012年5月答辩日期：2012年5月答辩委员会主任：林楠农业大学2012年05 月目录摘要 (1)ABSTRACT (2)1 前言 (3)2 车牌识别系统分析 (4)2.1 车牌识别的目的 (5)2.2车牌识别现状分析 (5)2.3车牌识别的意义 (6)2.4 我国车牌分析 (7)3 车牌识别系统的原理及方法 (8)3.1车牌识别系统简述 (8)3.2 车牌图像处理 (9)3.2.1 图像灰度化 (9)3.2.2 图像二值化 (10)3.2.3边缘检测 (10)3.2.4 图像闭运算 (12)3.2.5图像滤波处理 (13)3.4 车牌字符处理 (15)3.4.1 阈值化分割原理 (15)3.4.2 对车牌阈值化分割 (16)3.4.3 字符归一化处理 (17)3.5 字符识别 (17)3.5.1 字符识别简述 (17)3.5.2 字符识别的分类 (18)3.5.3 基于模板匹配的字符识别 (19)4 实验分析 (19)4.1车牌定位过程及分析 (19)4.2 车牌字符识别 (23)4.3 车牌识别结果及分析 (26)5 结论 (28)参考文献 (29)致 (29)附录 (29)基于模板匹配的车牌识别及matlab实现伏绍鸫（农业大学基础与信息工程学院，650201）摘要随着我国经济、交通的的快速发展，车牌定位系统以及车牌字符自动识别技术也逐渐受到人们的重视。

车牌识别是对采集的车牌图像进行灰度变换、边缘检测、腐蚀以及平滑处理，最后在取得的大对象中移除小对象，由此提出了一种基于车牌纹理特征的车牌定位算法，最终实现对车牌的定位。

基于改进的模板匹配识别算法的研究摘要：车牌识别系统是智能交通系统的核心组成部分，在交通部门的违章检测、高速公路自动收费和智能停车场管理等方面占有重要的作用。

车牌字符识别问题是车牌识别的关键技术之一，也是目前该领域研究的热点问题之一。

本文通过对两种模板匹配的车牌字符识别方法进行了比较与研究。

关键词：车牌识别模板匹配汉字识别1.引言车辆牌照识别(LPR)系统作为一个综合的计算机视觉系统主要分为车流量、车型检测子系统和车辆牌照识别子系统两部分，而车牌字符识别是系统的核心。

车辆牌照识别子系统又可分为车牌定位、车牌字符识别两部分。

LPR系统主要需要进行的是图像的实时采集、处理、分析和识别，属于图像工程的范畴。

现代社会已进入信息时代，随着计算机技术、通信技术和计算机网络技术的发展，自动化的信息处理能力和水平不断提高，并在人们社会活动和生活的各个领域得到广泛应用，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。

2.两种模板匹配法2.1 传统模板匹配法识别传统模板匹配法是实现离散输入模式分类的有效途径之一，其实质是通过度量输人模式与模板之间的相似性，取相似性最大的作为输人模式所属类别。

该方法通过对字符的直观形象进行特征抽取，使用相关匹配原理确定的匹配函数进行判决，也就是通过一个分类器将输入的字符与标准模板字符进行匹配。

2.2 改进的模板匹配法识别传统模板匹配方法的缺点是抗干扰能力差。

模板匹配法根据建模时所取特征的不同，分为图形匹配、笔画分析、几何特征抽取等几种形式。

图形匹配法在建模和匹配比较时，都是基于字符的图形块本身进行匹配，并根据其相似程度得出识别结果，本文采用了该方法对汉字进行识别。

通过图形匹配的方法识别汉字字符的时，首先，要对输入的汉字字符进行二值化和归一化处理，若背景用0表示，汉字字符用1表示，对每一个汉字字符均建立一个标准的模板Ti，令待识别的图像为Y，它们的大小均为A×B，将Y与每一个模板进行匹配，分别求出它们的相似度Si：其中，Ti和Y均为像素的二值点阵，Y×Ti表示矩阵和矩阵的点乘，即矩阵中对应位置元素的相乘。

一种基于模板匹配的车牌识别方法
车牌识别是计算机视觉领域的研究热点之一，其应用涉及到交通管理、车辆安全等众多领域。

本文介绍一种基于模板匹配的车牌识别方法。

1.图像预处理。

首先，利用灰度化和高斯滤波对车牌图像进行预处理。

这样可以减少
噪声对后续处理的影响。

2.车牌定位。

利用色彩信息和边缘信息对图像进行分割，找到车牌区域，并提取出
车牌部分的图像。

3.字符分割。

在车牌图像中，车牌号码的字符是比较明显的。

利用二值化和形态学
操作，将车牌号码的字符与背景分割开来。

4.模板匹配。

使用已有的模板库，将车牌号码的字符与模板进行匹配。

匹配度最高
的模板即为对应的字符。

5.字符识别。

通过字符宽高比比较，判断字符是否为数字或字母。

借助已有的字符
识别算法，对字符进行识别。

6.车牌识别。

将识别出的字符按顺序组合成车牌号码，即可完成车牌识别。

模板匹配方法是一种比较直观、简单的车牌识别方法，但是其鲁棒性
较差，对车牌角度、字符大小变化等的容忍度不高。

因此，结合其他算法，如深度学习、卷积神经网络等，可以提高车牌识别的准确率和鲁棒性。