车牌识别系统的研究背景意义及国内外研究现状

车牌识别系统的研究背景意义及国内外研究现状1车牌识别系统的背景1.1车牌识别系统的背景及研究意义1.2车牌识别系统简介2车牌识别系统的国内外现状3车牌识别难点1车牌识别系统的背景1.1车牌识别系统的背景及研究意义随着经济社会的迅猛发展，人们的生活水平的提高，机动车辆的数量也越来越多。为了提高车辆的管理效率，缓解公路上的交通压力，我们必须找到一种解决方案。而作为汽车“身份证”的汽车车牌，是在公众场合能够唯一确定汽车身份的凭证。我们可以以此为依据，设计一种车牌识别系统监控各个车辆的情况。为此，我国交通管理部门对汽车车牌的管理非常重视并制定了一套严格的管理法规。其中对汽车车牌的制作、安装、维护都要求由制定部门统一进行管理。在此基础上，如果研制出一种能在公众场合迅速准确地对汽车牌照进行自动定位识别的系统(CPR)，那么这将是一件非常有意义的工作，并将极大地提高汽车的安全管理水平及管理效率。车辆牌照定位与识别是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一,该技术应用范围非常广泛,其中包括:(1)交通流量检测；(2)交通控制与诱导；(3)机场、港口等出入口车辆管理；(4)小区车辆管理；(5)闯红灯等违章车辆监控；(6)不停车自动收费；(7)道口检查站车辆监控；(8)公共停车场安全防盗管理；(9)计算出行时间；(10)车辆安全防盗、查堵指定车辆等。其潜在市场应用价值极大，有能力产生巨大的社会效益和经济效益。如图1所示，LPR[1]的部分应用：图1LPR在收费口、道路监控和停车管理中的应用近些年,计算机的飞速发展和数字图像技术的日趋成熟，为传统的交通管理带来重大转变。先进的计算机处理技术，不但可以将人力从繁琐的人工观察、检测中解放出来，而且能够大大提高其精确度，汽车牌照自动识别系统就是在这样的背景与目的下进行开发的。汽车牌照自动识别系统(VLPRS)是对由公路上配置的摄像头拍摄的照片进行数字图像处理与分析，综合应用大量的图像处理最新成果和数学形态学方法对汽车图像进行平滑、二值化、模糊处理、边缘检测、图像分割、开运算、闭运算、区域标识等多种手段以提取车牌区域,进而达到对汽车牌照的精确定位并最终完成对汽车牌照的识别。从20世纪80年代，国内外的研究人员就开始了对车牌识别系统的研究。在车牌识别的过程中，虽然运用了很多的技术方法，但由于外界环境光线变化、光路中有灰尘、季节环境变化及车牌本身被污染而模糊等条件的影响,使得车牌识别系统一直处于实验室阶段，得不到很好的应用；而且，很多的方法都需要大量的数值计算，不能很好地满足实时性要求。为了解决图像恶化的问题，目前采取的办法是采用主动红外照明摄像或使用特殊的传感器来提高图像的质量。虽然提高了识别率,但是，这同时也造成了系统的投资成本过大，应用领域变窄，不能普遍推广应用。车辆牌照定位与识别是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一,该技术应用范围非常广泛。国外汽车牌照识别系统研究工作已有一定进展,但并不尽合我国国情。我国汽车牌照的规范悬挂位置不唯一，并且由于环境、道路或人为因素造成汽车牌照污染严重,这种情况下国外发达国家不允许上路,而在我国仍可上路行驶等。由于我国汽车车牌识别的特殊性,采用任何一种单一识别技术均难以奏效。目前正在研制的无源型汽车牌照智能识别系统综合利用了车辆检测技术、计算机视觉(ComputerVision)技术、图象处理技术、人工智能技术和人工神经网络技术等,是一个比较有发展前途的车牌识别系统。1.2车牌识别系统简介汽车牌照自动识别技术可应用于道路交通流监控、交通事故现场勘测、交通违章自动记录、高速公路自动收费系统、停车场自动安全管理、智能园区管理等方面，在现代交通监控和管理系统占有很重要的地位。同时，汽车牌照识别的方法还可应用到其它识别领域，因此汽车牌照的识别问题己成为现代交通工程领域中研究的重点和热点问题之一。最为常见的车牌识别系统结构如图2：车牌定位车牌字符分割车牌字符识别识别结果输出图2车牌识别系统结构图汽车牌照识别系统的基本工作原理为:根据采集到的序列图像对图像中的车辆牌照进行搜索、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，归一化后输入字符识别系统进行识别。近年来，汽车牌照智能识别的技术发展很快，就其识别基础，主要可分为间接法和直接法两种:间接法是基于IC卡鉴别(REID)或基于条码的识别。直接法是基于图像的汽车牌照识别。1、间接法:指通过识别安装在汽车上的IC卡或条形码中所存储的车牌的信息来识别车牌及相关信息。IC卡技术识别准确度高，运行可靠，可以全天候作业，但它整套装置价格昂贵，硬件设备十分复杂，不适用于异地作业;条形码技术具有识别速度快、准确度高、可靠性强以及成本较低等优点，但是对于扫描器要求很高。此外，二者都需要制定出全国统一的标准，并且无法核对车、条形码是否相符，也是技术上存在的缺点，这给近期在短时间内推广造成困难。2、直接法:基于图像的车牌识别技术属于直接法，是一种无源型汽车牌照智能识别方法，能够在无任何专用发送车牌信号的车载发射设备情况下，对运动状态车辆或静止状态车辆的车牌号码进行非接触性信息采集并实时智能识别。与间接法识别系统相比，首先，这种系统节省了设备安置及大量资金，从而提高了经济效益;其次，由于采用了先进的计算机应用技术，所以可提高识别速度，较好地解决实时性问题;再次，它是根据图像进行识别，所以通过人的参与可以解决系统中的识别错误，而其他方法是难以与人交互的。直接法一般有图像处理技术，传统模式识别技术及人工神经网络技术。①图像处理技术:运用图像处理技术解决汽车牌照识别的研究最早始于80年代，但国内外都只是就车牌识别中的某一个具体问题进行讨论，并且通常仅采用简单的图像处理技术来解决，并没有形成完整的系统体系，识别过程是使用工业电视摄像机拍下汽车的工前方图像，然后交给计算机进行简单的处理，并且最终仍需要人工干预，例如车辆牌照中省份汉字的识别问题，1985年有人利用常见的图像处理技木方法提出汉字识别的分类是在抽取汉字特征的基础上进行的，根据汉字的投影直方图选取浮动闭值，抽取汉字在竖直方向的峰值，利用树形查表法进行汉字的粗分类;然后根据汉字在水平方向的投影直方图，选取适当闭值，进行量化处理后，形成一个变长链码，再用动态规划法，求出与标准模式链码的最小距离，实现细分来完成汉字省名的自动识别。②传统模式识别技术。传统模式识别技术指结构特征法，统计特征法等。90年代，由于计算机视觉技术的发展，开始出现汽车牌照识别的系统化研究。1990年AS.Johnson等运用计算机视觉技术和图像处理技术实现了车辆牌照的自动识别系统。该系统分为图像分割、特征提取和模板构造、字符识别等三个部分。利用不同闽值对应的直方图不同，经过大量统计实验确定出车牌位置的图像直方图的闽值范围，从而根据特定闽值对应的直方图分割出车牌，再利用预先设置的标准字符模板进行模式匹配识别出字符。③人工神经网络技术[2]。近几年来，计算机及相关技术发达的一些国家开始探讨用人工神经网络技术解决车牌自动识别问题，例如1994年M.M.M.FANHY等就成功地运用了BAM神经网络方法对车牌上的字符进行自动识别，BAM神经网络是由相同神经元构成的双向联想式单层网络，每一个字符模板对应着唯一个BAM矩阵，通过与车牌上的字符比较，识别出正确的车牌号码。近年来，基于图像的车牌识别系统的研制引起了许多学者的广泛兴趣，但车牌识别由于要适应各种复杂背景以及不同光照条件影响，使车牌分割及识别增加了难度，目前虽然国内外都有一些实用的车牌识别系统面市。但是，这些系统的应用都存在一定的约束，至今车牌自动识别技术尚未达到很完善的程度。2车牌识别系统的国内外现状车牌自动识别技术的研究国外起步地较早。早在20世纪80年代，便有一些零零散散的图像处理方法用于车牌自动识别的某些具体应用。在这个阶段，车牌自动识别技术的研究还没有形成完整的系统体系，一般采用简单的图像处理方法来解决某些具体问题，并且最终结果通常需要人工干预。进入20世纪90年代后，车牌自动识别的系统化研究开始起步。典型的如A.S.Johnson等提出车辆牌照的自动识别系统分图像分割(ImageSegment)、特征提取(FeatureExtraction)和模板构造(TemplateFormation)、字符识别(CharacterRecognition)等三个部分，完成车牌的自动识别。R.A.Lotufo使用视觉字符识别技术(OpticalCharacterRecognitionTechnology)分析所获得的图像，首先在二值化图像中找到车牌，然后用边界跟踪技术提取字符特征，再利用统计最邻近分类器(StatisticalNearestNeighborClassifyingSystem)与字符库中的字符比较，得出一个或几个车牌候选号码，再对这些号码进行核实检查，确定是否为该车牌号码，最终确定车牌号码。这个时期的应用在识别正确率方面有所突破，但还没有考虑识别实时性的要求，识别速度有待进一步提高。由于我国的车牌格式和国外有较大的差异，所以对于国外的车牌识别系统的研究技术，我们只能进行参考，不能进行直接应用。虽然我国车牌的识别需要识别汉字，但是对于英文字母和数字的识别，我们可以借鉴国外的研究技术。从80年代中期开始，ARGUS英国Alphatech公司就开始了名为RAUS的车牌自动识别系统的研制。ARGUS的车牌识别系统的识别时间约为100毫秒，通过ARGUS的车速可高达每小时100英里。还有Hi-Tech公司的See/Carsystem,新加坡Optasia公司的VLPRS等。另外日本、加拿大、德国等发达国家都有适用于本国的车牌识别系统。国内在90年代也开始了自己的车牌识别系统的研究。目前比较成熟的产品有中科院自动化研究所汉王公司的汉王眼，香港亚洲视觉科技有限公司的慧光车牌号码识别系统等等。另外西安交通大学的图像处理和识别实验室、上海交通大学的计算机科学和工程系、清华大学人工智能国家重点实验室、浙江大学自动化系等都做过类似的研究。虽然这些车牌识别系统的识别率大多都比较高，如95%，甚至97%、98%，但是这些车牌识别系统的识别检测结果大多数是在简单受限制的场景下取得的，在实际的交通场合以及更加复杂的背景环境的情况下，这些车牌识别系统的识别率一般都达不到90%，甚至更低。3车牌识别难点在复杂环境下的车牌识别率较低的主要原因有：①我国汽车牌照自身特征的复杂性1)汉字、字母、数字混合。我国的车牌不单单有英文字母和阿拉伯数字，还有汉字。由于汉字的复杂性，在识别方面难度远远大于字母和数字。2)颜色种类多。国外的车牌颜色种类相对于国内较少一些，我国的车牌颜色种类较多。大致可以分为四种：黄底黑字，蓝底白字，白底黑字和黑字白字。3)人为因素复杂。由于环境、道路或者人为因素造成车牌有严重污渍、车牌模糊不清或者车牌偏斜角度很大的车辆，在我国都可以上路行驶。在国外，这种情况是绝对不行的。4)车牌格式多。我国的车牌格式很多，包括：民用车牌、公安警察车牌、武警车牌、军车车牌、外交车牌、特种车牌、消防车牌等。5)悬挂方式多样化。我国汽车车牌的悬挂方式不唯一，由于不同汽车公司出产的汽车型号和外形各有不同，导致了车牌的悬挂位置不唯一。②外部环境影响1)外部光照条件各不相同，白天和晚上的光照各不相同。光照对采集的图像质量产生很大的影响。不同的光照角度对车牌光照的不均匀影响也很大。不同的气候条件、背景光照环境、车牌反光程度都决定了车牌的亮度特征。在特征提取时，光照过亮或者过暗都会影响车牌识别的准确率。2)外界背景的复杂程度也影响车牌的定位准确率。背景中和车牌区域当中有许多和车牌特征相似的长方形区域，这些容易给车牌定位造成误判导致车牌定位的准确率降低。③拍摄角度问题实际工程当中的拍摄角度相对于车辆的行驶方向一般是正上方、左侧和右侧。如果拍摄的角度越小，车牌在平面图像中的变形越小，识别效果越好。根据智能交通系统的结构可知，摄像机采集到