搜索
摘要随着我国经济的发展、汽车拥有量的急剧增加，公路交通成为我国重要的交通运输途径，是国家大力发展的基础设施。日益拥堵的城市交通需要更先进、更有效的交通管理、控制。利用电子信息技术来提高管理效率、交通效率和安全的智能交通系统ITS已经成为当前交通管理发展的主要方向。车牌识别LPR是智能交通中关键技术之一。它以自动的车牌号码识别为基础，可以对车辆进行自动登记、验证、监视、报警，进而可以应用在多种场合，如高速公路收费系统；道路、卡口监控系统；小区、停车场收费、监控系统；车流统计、引导系统等。本论文是基于数字图像处理的相关理论，将计算机视觉与模式识别技术相结合，对车辆牌照识别系统进行了较深入的研究和分析，主要完成的工作包括以下两部分：（1）车牌定位算法。研究了两种车牌定位方法，分别是基于高帽变换和小波变换的车牌定位方法与基于投影法和数学形态学的车牌定位方法。前者利用高帽变换从车牌图像中定位出车牌的水平位置，利用小波变换从候选区域中定位出车牌竖直位置，进而从原始图像中提取出车牌；后者采用投影法进行车牌水平定位，通过数学形态学变换得到车牌竖直位置信息，从而准确地从含有车牌的图像中定位出车牌图像。（2）车牌识别系统软件平台。搭建了一个基于c/c++语言的算法演示平台，该平台集成了我们算法研究的结果，以及一些通用的数学算法，该平台是完全开放的，可以自由在其基础上增加新的算法并可方便的观察算法结果。本文提出的算法均已在软件平台上正确实现，并使用大量从各种不同环境下的具采集有代表性的车辆图像作为算法测试数据源对算法进行测试，结果证明两种车牌定位算法的准确率分别为98.89%和97.78％，两种字符分割算法的准确率分别为97.2％和98.44%。关键词：车牌识别系统，车牌定位，高帽变换，c/c++语言，字符分割AbstractWiththefantasticspurineconomyandrapiddevelopmentoftheowningamountofautomobile,thehighwaycommunicationbecomesoneofthemostimportantcommunicationandtransportationwaysinourcountry.Andnowitisinfrastructuresthatthecountrydevelopedenergetically.Alsocrowdedurbantrafficneedsmoreadvancedandmoreeffectivetrafficdministrationandcontrolsystem.IntelligentTransportationSystems(ITS)whichmakesuseofelectronicinformationtechnologytoraisemanagementefficiency,trafficefficiencyandtrafficsecuritybecomesmaindirectionoftrafficadministration.LicensePlateRecognition(LPR)isoneofthecriticaltechniquestransportationsystem.Thesystemcanautomaticallyregister,verify,monitorvehicleorreporttothepolicewithautomaticrecognitionforvehiclelicenseplates.Soitcanbeusedinmanykindsofoccasions,suchasthechargessystemofexpressway,monitoringsystematroadandroll-gate,chargeandmonitoringsystematthedistrict,parkingarea,guidesystem,thesystemcountingthequantityofvehiclepassinginacertainperiodtime,et.Basedondigitalimageprocessiontechnology,computervisiontechnologyandartificialneuralnetworktechnology,thepaperdeeplyresearchesandanalysesanautomobilelicenseplateidentificationsystem.AndIhavefinishedfollowingworks(1)Detectionofvehiclelicenseplate.Twolicenseplatelocationmethodsareputforwardinthisarticle，whichcanlocatelicenseplateexactlyfromthelicenseplateimages.Thefirstoneislicenseplatelocationbasedontop-hattransformandwavelettransform,andtheotheroneislicenseplatedetectionbasedonprojectionandmathematicalmorphology.(2)ThesoftwareplatformofLicensePlateRecognition.Asoftwaresystemcodedbyc/c++languagesisdesignedandaccomplished,itintegratesallofouralgorithms,itprovidesconvenientwaytoobservethealgorithmresults.Allofouralgorithmshavebeenprovedinthesoftwareplatform.Experimentshavebeenconductedonalargenumberoftypicalcarimagestakenfromvariousscenesanddifferentconditions,theresultshowsthattheratesofthetwolicenseplatelocationmethodsachieve98.89%and97.78%,respectively,andtheratesofthetwocharactersegmentationapproachescanachieve97.2%KeyWords:LicensePlateRecognitionSystem,Licenseplatelocation,Top-hattransform,Wavelettransform,CharacterSegmentation第一章引言车牌识别系统（LPR）是智能交通系统（ITS）中关键技术之一。近年来，随着ITS在社会生活中的广泛应用，LPR的发展也非常快，已经逐渐地应用到我们的现实生活中了。由于LPR具有广阔的发展前景，它的开发和研制工作不论是在国内还是在国外都受到很大的关注，它涉及的领域也非常广阔，包括图像处理、计算机、人工智能、模式识别、信息论等多门学科，是一门综合的应用技术。本章首先就本课题提出的背景和意义进行一个阐述；随后比较详细的介绍本文涉及的车牌识别技术在国内外的现状和特点；然后介绍车牌识别技术的应用情况，接着介绍中国汽车牌照的基本特点；然后回顾了本人在课题中所完成的工作；最后对本文的基本结构作了一个说明。1.1课题提出的背景和意义当前，智能交通系统（ITS）在交通信息统计收集、路车间通信、停车场管理、无停车收费等领域应用越来越为广泛。公路和停车场逐渐向信息化、智能化和无人化管理方向发展，对仪器的智能化程度也提出了更高的要求，特别是收费路段和停车场，要进行无人化管理。那么，准确无误的车牌识别，对于确定车辆身份，建立相应的数据库管理系统起到至关重要的作用。近几年来，许多国家开始试行无停车收费和停车场无人管理系统，主要采用无线通信手段，但是大量未装载通信装置的车辆无法实行，另外还存在许多无线卡和车辆信息不符的现象。为了解决这些问题，有的国家使用摄像机录像的方法，采用事后人工观察的手段来进行识别，造成无人化管理系统反而需要大量人工辅助工作的问题。为了提高工作效率和实时识别车辆，车牌自动识别（ALPR,AutomaticLicensePlateRecognition）技术就成为ITS系统中的一个重要研究领域。随着车牌自动识别系统性能的提高，其应用也在逐渐深入到我们生活的方方面面。如今市场上已经出现了一些车牌识别系统，它们在系统规定的条件和环境下车牌的识别效果比较良好，但一旦条件发生比较大的变化，或者在一些比较特殊的环境下，比如说雾天、雨天和晚上等拍摄图像质量较差的环境下，这些系统出现识别率迅速下降和拒识等等一系列问题，系统的通用性比较差。因此，寻找一个适合大多数情况和大部分环境的、更加通用的车牌识别方法显得十分有必要和重要。也只有当在大多数环境下LPR都具有很高的性能时，LPR才会得到更加广泛的运用。综上所述，车牌识别技术是未来交通领域必不可少的技术，现在进行车牌识别技术的研究和应用开发是具有相当的理论价值和现实意义的。1.2车牌识别技术的现状和特点车牌识别技术是现代交通管理中的一个非常重要的研究课题，在此基础上实现的车辆监控和管理的自动化、智能化是未来ITS的发展趋势，对其发展具有十分重要的意义。发达国家在上个世纪就开始了对车牌自动识别系统的研究，取得了很多的研究成果，并且有些发达国家已经把车牌自动识别系统应用在实际交通系统中。这不仅仅是因为国外的技术领先，而且还因为国外车牌比较单一，易于识别。而在我国，由于存在信息技术发展时间短、车牌种类复杂和车牌类别较多等问题，我国在车牌自动识别系统方面的研发和应用目前还基本停留在实验室阶段。虽然近年来也先后出现了一些实际应用，但受到一些因素的限制一直未能推广开来。限制我国车牌识别技术的应用和推广的原因主要有以下三个方面：（1）识别速度较慢，不能进行实时处理；（2）识别率不稳定，只有在特定的环境下才可以达到比较高的识别率。当天气和环境变化后，识别率有可能会大幅度下降；（3）系统可移植性不强，稳定性差，寿命较短。到目前为止，国内外的许多专家和学者对车牌自动识别技术进行了广泛的研究，先后提出了许多新的、快速的算法，并不断对其进行改进。比较常见的方法如基于扫描行的车牌提取方法。它通过扫描行经过车牌区域会有规律的起伏的特性，达到识别车牌区域的目的。其缺点是适用于车牌图像亮度变化比较均匀的情况。但是在实际应用中车牌图像处于变化光源的环境中，亮度极不均匀，从而限制了上述方法的使用。还有就是基于边缘检测的方法。它通过提取图像的边缘信息进行分析，进而测得车牌字符边缘。其缺点是要求图像边缘的连续性要好，但实际拍摄的车牌字符边框往往不连续。为了解决好车牌自动识别过程中的处理速度这个“瓶颈”问题，使用计算机分布式结构进行处理是一种可行的选择方案，但实施起来难度较大。直接根据车牌特征，进行特征提取与选择，进而分割图像，性好、可靠性高，便于使用，尤其是遗传算法用于车牌定位，鲁棒性较强。车牌定位是车牌自动识别系统中的关键和难点，实际图像中的噪声、复杂的背景等干扰都会使定位困难增加。将遗传算法用于车牌的定位，结合对待检测区域的特征提取，不用搜索全部图像就能寻找到车牌，抗噪声能力强，适用范围广。如果对遗传算法加以改进，或结合其他图像分割方法，可进一步提高定位精度，减小运算量，具有十分诱人的前景。然而，对于车牌识别系统而言，以上的算法都是针对图像后期处理，对整个系统的性能并不起决定性作用。国内外的研究也表明，采集的图像的好坏对整个系统的性能在一定程度上起着决定性作用。如果图像采集工具精度较高，即使在汽车高速行驶或者分辨率较低的环境中仍然可以得到比较清晰的图像，从而为图像处理提供了相当好的数据源