外文资料翻译

第1页共15页外文资料翻译资料来源：20138thIranianConferenceonMachineVisionandImageProcessing(MVIP)文章名：AnIntelligentandReal-TimeSystemforPlateRecognitionunderComplicatedConditions书刊名：《PlateRecognition》作者：KennethR.Castleman出版社：清华大学出版社，2002章节：7.2ThePlateRecognitionunderComplicatedConditions页码：P245~P250第2页共15页文章译名：中厚车牌复杂条件下智能实时识别系统姓名：杨倩倩学号：１００４０３０１２５指导教师(职称)：李琼（副教授）专业：电子信息工程班级：０１班所在学院：电气信息学院第3页共15页２０１３伊朗第八届机器视觉和图像处理（ＭＶＩＰ）会议中厚车牌复杂条件下智能实时识别系统穆罕默德Salahshoor计算机工程的部门科学和研究分支，伊斯兰阿萨德大学，Saveh，伊朗[e-mail]阿里Broumandnia计算机工程的部门德黑兰南部的分支，伊斯兰阿扎德大学，伊朗德黑兰[e-mail]玛丽亚姆Rastgarpour计算机工程的部门伊斯兰阿萨德大学，Saveh，伊朗[e-mail]@gmail.com摘要：图像和视频中车牌识别（VPR）算法通常是由以下三个步骤组成：1）区域提取的车牌块（车牌块本地化），2）人物分割每个字符的车牌，3）确认。本文提出了实时车牌识别新方法的每个步骤。我们使用一个探测器的蓝色区（DBA）来定位车牌，为平均白色像素的对象（AWPO）字符分割，然后用方法的欧几里得距离和模板训练后的匹配字符识别。该系统使用的250车辆图像是在不同背景和非均匀的条件下。理想的系统是在诸如照明和距离的变化下依旧稳定，并且挑战了相机和车辆的存在之间的不同角度阴影，划痕和在平板上的污垢的准确率，这三个阶段分别是91.6％，89％和95.09％。该系统实时识别车牌时间为2.3秒。关键词：实时车牌识别;车牌本地化;字符分割;模板匹配;欧氏距离.一．引言汽车车牌结构在不同国家可以有所不同。在一些如英国国家车牌具有高水准的设计。车牌设计的标准化使识别车牌和从视频中读取字符更容易。因此，大多数应用都集中在标准车牌上。一直以来，这些车牌具体的标准和它们的规格和细节并不太严格。在伊朗，车牌有以下几种类型，其中包括1）私人车牌用白色背景和黑色文字2）公用车牌的黄色背景和黑色文字，和3）政府车牌上有红色背景和白色文字（图1（a））。伊朗标准车牌有8个字符“x1x2x3x4x5x6x“x1x2x3x4x5x6x7x8”的格式。而X3是一个字母及其他字符是数字。该板具有一个蓝色的区域上的左侧。这个品种使得难以识别车辆车牌。VPR用于智能停车场有以下功能：[1]控制流量以提高安全性在限制进入区域，[2]执行交通法规，查找驾驶犯罪行为车辆所在公路和道路，[3]智能化的薪酬收费，[4]测量行程时间和控制车辆的速度。第4页共15页图1.车牌类型（一）伊朗的标准车牌（二）伊朗的非标准车牌A.车牌识别（VPR）中的挑战。车牌识别中存在一些挑战。其中之一是还有一些没有明确的标准即使在一个国家里，包括以下牌照：（1）外交车牌，（2）属于那些从外国进口的车辆的车牌，（3）临时过往车辆的车牌，（4）老车牌，（5）用于警车的车牌，（6）空白车牌。图1（b）示出了这些车牌的一些例子。由于这些类型的车辆的数目是有限的，没有规则来识别它们，我们忽略了它们所提出的系统，并假定一些车辆与标准车牌。除了非标车牌，其他挑战也存在。除了非标车牌，其他挑战为标准VPR，包括（1）不同颜色的背景和前景，（2）摄像机和车辆之间的可变距离，（3）成像角度，（4）车牌存在划痕和损伤，（5）落在车牌上的影子，（6）车牌的蓝色区域（7）车牌里存在一个伊朗字如“伊朗”（i.e.）（8）脏车牌。图.2和3，显示这些具有挑战性的情况下的一些例子。大部分在这个问题上的论文认为一些模仿试验使VPR容易。如限定在建筑物内，令人满意的背景[5]，固定相机和车[5-6]，固定之间的距离力度，速度有限，同时限定正常的车牌。本文的目的是要省略其中的一些局限性。换句话说，所提出的方法是适当的，粗略与非均匀和复杂的条件，如照相机和车辆之间的光照和距离的变化，并且不同的角度，阴影的存在下，划痕和在平板上的污垢中的图像。B.相关作品。第一VPR系统在世界上被设计于1976年。但在伊朗，第一个是由科学技术（UST）和控制交通大学总公司于1994年设计的[7]。该VPR系统有三个主要步骤：车牌定位，字符分割和字符识别。ANAGNOSTOPOULOS等。[8]研究分三个阶段全面实施方法。Broumandnia和法蒂[3]提出了多网络的算法来定位板。首先，车牌的图像被划分为N行和边的数目在每行中进行计数。如果边缘的数目是大于指定阈值时，则该行可能被指定为车牌块候选。如果该车牌没有在第一阶段被确定，该阈值将减少迭代直至确认该车牌。该方法是快速的，因为它不扫描整个图像，但是，它取决于尺寸及距离。第5页共15页（a)(b)(c)(d)图2.车牌识别的挑战（a）接近和高角度成像（b）遥远的距离成像（c）高角度与阴影成像（d）晚上与阴影成像(a)(b)(c)图3.车牌识别的挑战（a）车牌上有刮痕（b）车牌上有阴影（c）车牌不干净。ANAGNOSTOPOULOS事例。[4]用滑动同心窗口（SCW）来定位车牌，它们应用了两同心窗口具有不同的长度和宽度。该窗口从左至右，从上到下扫描图像。该地区被认为是车牌的候选人，如果对象税率一个窗口到另一个窗口小于预定门槛。本文提出了一种新方法VPR。在第一步，它通过识别蓝色区域本地化的车牌块。然后，它用AWPO的字符分割。最后，该车牌的字符将通过模板匹配来确认与欧氏距离。该系统是适合和善于识别与非均匀和复杂条件的图像。本文的其余部分安排如下：第二部分提出的建议由三个主要细节组成部分的制度。第三节评估系统。最后，结论和未来的作品呈现在第四节。第6页共15页二.所提出的系统图.4表明了该系统的示意图。该系统包VPR三个主要步骤。它们的功能提取和车牌的定位，字符分割和光学字符识别步骤。首先，系统读取的由数字照相机的输入图像。然后，它局部化的车牌使用DBA和提取功能。接着，提出了方法细分车牌使用AWPO的字符。最后，该方法比较所述车牌的字符该数据集的训练字符并计算欧几里得为了识别该字符与车牌之间的距离字符。详情在下面的章节中描述。图4.该系统的示意图。A.特征提取与定位板相机是最流行的设备来捕获图像车牌识别系统。被安装在高速公路或在交通区域，提供该车辆的图像中的颜色形式（图5（a））。在第一步中，所提出的系统中使用的新颖的想法是蓝色区域检测器，以加快系统和提高准确率。彩色图像由三个灰度图像与16万个独特的颜色（即224=256×256×256）。此外，该输入图像往往具有不同的质量和照明因天气和气候条件。因此，三个步骤的系统被认为是检测的蓝色区域（DBA）中的左侧车牌。因此，800出1600万独特的颜色考虑每一个步骤。这些步骤包括深蓝色，蓝色和明亮的蓝色。然后，蓝色的部分被检测为在显示图。5（b）所示。应当指出的是一系列特定的颜色为蓝色区域被认为是对每一个步骤。因此，一些其他小区域，这是不包括在蓝色区域，是出现在蓝色区域识别的输出。因此，另外的项目被删除到找到的左侧的蓝色区域蓝盘通过形态学方法。其余地区将放大并然后对的左侧的蓝色区域被检测板（图5（c））。在此步骤之后，对左侧蓝色部分是为了提高效率去除。然后，将图像转换为灰度图像（图5（d））。第7页共15页(a)(b)(c)(d)图5.（a）输入图像（b）查找的区域来识别蓝色区域（c）消除额外的噪声（d）条卸下左侧识别蓝色区域后的蓝色区域。将Sobel边缘检测器的使用，因为变化图像板的亮度可多于其他区域并在这些领域的照明变化是显著。此外，该目标是寻找在一个矩形窗口图像。所以，水平Sobel滤波器认定上水平边缘的图的图像。5（d）所示。然后，垂直Sobel滤波器是施加在图5（d）中，找到垂直边缘。最后，该水平和垂直边缘被加在一起以提取缘在一起（图6（a））。我们使用了3*3掩模，方程（1）对于水平索贝尔和方程（2）为纵索贝尔找到边缘。Gx=[(Z7+2Z8+Z9)-(Z1+2Z2+Z3)](1)Gy=[(Z3+2Z6+Z9)-(Z1+2Z4+Z7)](2)所提出的系统在本款的目的是找到矩形候选。由于该车牌的面积通常包括划痕，边缘会通过形态学运算扩张。因此，该边缘被连接在划痕（图的存在图6（b））。闭合边界被填充，使得它们被认为是车牌[5]（图7）的考生。有必要定义在该步骤Z1Z2Z3Z4Z5Z6Z7Z8Z9第8页共15页中的一些特性来找到之间的车牌候选对象。这些特性可以删除其他候选车牌的对象。例如，由于伊朗标准车牌具有52厘米的长度和11.5的宽厘米，一个特征在于，所述车牌是用一个矩形对象长度，其宽度为2.5至5倍。因此，本领域5×宽？L'2.5×宽度被认为是大车牌的旋转，以及所述车牌的变化环境。(a)(b)图6.（a）车牌的水平和垂直边缘点心（b）扩张的（a）该边确定在车牌上的左侧的蓝色部分是另一个步骤中车牌定位。然后，其他对象不是这是该车牌的候选对象将被删除。然后，该图像将被放大到50*250个像素。（图8（a））(a)(d)图7.（a）封闭区域填充后（b）车牌定位B.字符分割步骤一些需要进行预处理操作执行上图的图像。图8（a）分割字符正确。该以下分步介绍了这一过程：1.直方图调整本款增加了图像的对比度。增加亮度和图像清晰度会导致显示的细节图像轻松，同第9页共15页时删除车牌的影子。因此，前景和背景分离正确的图像二值化等步骤。因此，这步骤是适合与深色背景的输入图像。增强分布的亮度值图像均匀地在区间[0255]，则输出这个阶段的图像具有高品质（图8的（b））。(a)(b)图8.（a）车牌角位修正。（b）所示的对比度增强。（a）2.二值化操作有几个局部和全局阈值技术以二进制文件的图像。研究了两种类型的阈值显示，它的更好的划分图。图8（a）到20大小的块25×25先。然后，大体阈值是本地应用。由于局部阈值去掉一些字符的信息，我们采用全球大体阈值的图像能够正确区分字符上（图9（a））。相较于以前的方法结果是令人鼓舞。3.形态学操作二值化处理后，图像的空穴内的对象被淘汰。然后，除去的对象被转换为白色物体并出现在候选输出车牌的字符。在接下来的小节中，我们定义了形态操作和垂直线和水平线具有一定阈值以消除对象小于阈值。因此，小物件的出现作为噪声图像将被删除。（图9（b））(a)(b)图9.（a）车牌块二值化，（b）按图形态操作。（a）4.每个字符分割它是必需的，以显示板的单个的每个字符输出。Roy等人。[9]中的名称中使用了一种新的思路,在字符分割的对象白色居多数据。我们受他们的方法的启发，并提出了一种新的方法叫AWPO的字符分割。首先，我们考虑图中的每个对象的边界框。图9（b）所示。计数中的每个对象的白色像素数后，我们找到了对象的白色像素附近的数白色像素平均数。然后，我们把他们看作车牌的字符（方程3）。图。图10（a）和表1还参照的问题。如图图10（a）所示，对象的数量在图9（b）是12。白色像素的平均数是83利用所提出的平均计算方法。它的优点这种方法的是，如果车牌的旋转角度不校正，如果有一个在字符之间的重叠图像或附加信息也可在图像，该字符将被分割很好。因此，该字符被分割的AWPO（图10（b）），以及它们各自被存储在64×64的图像中为了在接下来的步骤中使用。第10页共15页表1：显示边框物体的细节。(a)(b)图10.（a）图AWPO（a），（b）AWPO分割的车牌字符3.