搜索
1前言随着我国汽车产业的飞速发展，大量在公共场合的汽车需要得到监管，为了更好地进行管理，必须对车辆进行一种智能化管理。所谓的智能交通系统，是指在较完善的基础设施（包括道路，机场）之上将先进的通信技术和计算机技术和系统综合技术有效的集合并应用于地面交通运输系统，从而建立起来在大范围发挥作用的，准确，高速，实时的交通运输系统。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。车牌识别系统作为智能交通系统最重要的子系统之一，是指对公路上配置的摄像头所拍摄的照片进行数字图像处理与分析对汽车图像进行平滑、二值化、模糊处理、边缘检测、图像分割等利用多种手段实现车牌定位，识别，分割最终完成对车牌的识别。车牌识别系统的用途很多，在高速公路收费站、路口监测(电子警察)、大型停车场等场所具有广阔的发展前景。由此可见，对车牌自动识别系统的研究有重要的现实意义。2国内外研究现状车牌自动识别系统起源于20世纪80年代，那时候主要是应用在被盗车辆的检测，还没有形成一套完整的识别系统。到了80年代，出现了一些用于车牌自动识别的图像处理方法，那时只是针对一些特定的问题采用简单的图像处理技术来实现。到了20世纪90年代，随着计算机视觉技术的发展以及计算机计算性能的提高，才兴起了车牌的自动识别研究热潮，欧美的一些国家率先开始了车牌识别系统的研究工作。国外学者具有代表性的研究工作有：A.S.Johnson等在1990年提出了利用图像分割来实现车牌自动识别，系统主要由特征提取、模板构造和字符识别三个部分组成，该系统可以实现车牌的自动识别，具有开创性的意义。R.Mullot等在1991年利用文字纹理的特性对车牌和集装箱上的文字进行定位和识别，开发了一套包含车牌识别和集装箱识别于一体的识别系统。EunRyung等于1995年利用图像中的颜色分量实现对车牌的定位和识别，也得到了比较高的识别率。Tindail在1997年开发了一套利用车牌反光原理而实现的车牌识别系统。R.Paris在1998年结合人工神经网络和DSP开发出了一套车牌识别系统，向真正的市场应用打下良好的开端。现有国外技术比较成熟而且应用广泛的的产品主要有：以色列Hi-Tech公司研发的see/Car系统系列，香港AsiaVisionTechnology公司研发的VECON系列，新加坡Optasia公司研发的VLPRS系列。其中，VECON系列和VLPRS系列主要适合于香港和新加坡地区的车牌。See/CarChinese系统能够对中国内地大部分地区的车牌类型进行识别，但是对于车牌字符中的汉字却无法进行识别，因此不能直接应用于我国的车牌识别。国内在车牌识别方面的研究开始于20世纪90年代，取得了一定的成效并且日趋成熟，车牌识别率可达到95%左右。国内比较好的定位算法有基于车牌字符变化特征的自动扫描识别算法，但由于车牌多具有不同的色彩，且多与牌号、车身、车辆背景不同，因此基于颜色来研究车牌的定位成为了车牌定位方法的一种新思路。尽管在车牌的彩色定位方面的研究还不十分成熟，但有些人做出了一些有益的探索。赵雪春等提出了一种采用色彩分割及多级混合集成分类器的车牌自动识别方法，该方法采用多层感知器网络(MLPN)将具有均匀色度空间的彩色图像进行色彩分割，再利用投影法分割出潜在的各种底色的车牌区域。郭捷等车牌图像从RGB颜色模型转换为HSV颜色模型，利用颜色空间距离和相似度计算，得到满足车牌颜色特性的区域，再利用纹理及结构特征对分割出的颜色区域进行分析和进一步判断，确定车牌区域。任仙怡等将图像从RGB颜色模型转换到HSI颜色模型，再结合区域融合的方法定位车牌区域。这些人在这方面做出一些有益尝试，但这些方法受环境光的影响较大，特别是偏色光线的影响，并且对计算机性能的要求也比较高。虽然上述各种车牌定位方法都具有一定的实用性和参考价值，但大都不完善，具有一定的针对性和局限性，背景要求比较简单，基本属于单一车辆情景，不能满足当今背景复杂、车牌多、干扰多等实际场合应用要求。因此对实用的复杂背景下的车牌定位方法需要做进一步研究，需要解决如下一些难点：(1)拍摄图像受环境因素干扰，如逆光、光学成像发生衍射等，图片的质量很难保证。(2)其它字符区域的干扰，车牌难以准确定位，如车牌旁挂其它牌子。(3)车牌出现污点变脏，字迹模糊和退色。(4)车牌磨损厉害，噪声污损严重。(5)车牌部分被遮挡和车牌变形。(6)图像背景复杂和一幅图像多车牌。(7)运动图像的模糊失真，形成锯齿。从目前一些产品的性能指标可以看出，车牌识别系统的识别率和识别速度有待提高。但不可否认，目前的这些车牌识别系统已经大大提高了智能交通的管理效率。3技术分析车牌识别系统主的研究要包括车牌定位、字符分割、字符识别三大部分。3.1车牌定位的研究车牌定位就是从经过图像预处理后的灰度图像中确定牌照位置，并将车牌部分从整个图像中分割出来，它能有效地解决图像处理中的实际问题。对车牌定位的研究内容包括：先进行图像的预处理，其中有对RGB彩色图像的灰度化、图像灰度拉伸、图像边缘检测、灰度图的二值化、图像去噪等；车牌定位采用改进的基于水平和垂直投影分布特征的方法。3.2字符分割的研究字符分割是把多行或多字符图像中的每个字符从图像中切割出来成为单个字符。它在前期牌照定位的基础上进行字符的分割，然后再利用分割的结果进行字符识别。对车牌定位的研究内容包括：先对定位后的车牌图像进行预处理，然后对预处理后的车牌图像进行水平方向的投影，根据车牌边框的性质定位车牌字符的上下边界；最后利用模板匹配—垂直投影结合法，在确定字符上下边界的基础上，进行字符的垂直分割。3.3字符识别的研究字符识别是对车牌上的汉字，英文字母，阿拉伯数字进行准确确认的过程。其基本原理是将输入文字与各个标准文字进行模式匹配计算类似度，将具有最大类似度的标准文字作为识别结果输出。目前用于车牌字符识别中的算法主要有基于模板匹配的OCR算法。基于模板匹配的OCR的基本过程是:首先对待识别字符进行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。模板匹配的主要特点是实现简单，当字符较规整时对字符图像的缺损、污迹干扰适应力强且识别率相当高。4总结综上所述，可见在智能交通系统中，车牌自动识别系统是智能化交通系统非常重要的发展方向。而随着社会经济的高速发展，车辆数目增长迅速，道路交通运输日益繁忙，造成了交通堵塞和交通事故频繁发生，给我国的交通生活带了颇大的困扰，日益严重的交通状况也让人们更加重视了交通运输管理系统的开发和应用，其中车牌自动识别系统便越来越受到人们的关注。虽然，目前车牌识别系统的研究已经取得了技术上的很大突破，但是距离普及应用化还有很大的差距，许多研究方法还停留在理论上，所以对车牌自动识别的研究还有很长的路要走。5.参考文献[1]陆福宏.车牌识别技术在智能交通系统中的应用[J].中国科技博览.2010(12).[2]史忠科,左奇一.一种基于数学形态学的实时车牌图象分割方法[J].中国图象图形学报.2009.[3]李树广,吴舟舟,罗小伟.基于边缘统计和颜色特征的车牌综合自动定位方法[J].山东大学学报.工学版.2005,35(3).[4]齐永奇,王文凡,赵岩,赵耀.基于纹理特征和垂直投影的车牌定位算法研究[J].现代电子技术.2007.[5]曾致远,李波,周建中等.一种车牌自动识别系统设计方法.计算机应用研究,2006,10.[6]姚蕾.车牌识别系统法规的软件设计与实现,硕士学位论文,上海交通大学,2009.12[7]成瑜.汽车牌照自动识别技术研究[J].南京航空航天大学学报.2006.4：29-30.[8]白利波.车牌检测与识别算法研究[D].北京交通大学,2007.[9]智斌,黎绍发,余棉水.车辆牌照定位算法研究[J].微型电脑应用.2006,27(21).[10]周妮娜,王敏,黄心汉,吕雪峰,万国红.车牌字符识别的预处理算法.计算机工程与应用，2003(15)[11]谢伟生.车牌定位及字符分割算法的研究预实现[D].西南交通大学2010.[12]郭景云.图像处理与车牌识别[J]。科技资讯2007(12).[13]廖翔云，许锦标，龚仕伟.车牌识别技术研究[J].微机发展.2003(s2).[14]庞茂群,邓开发.一种基于灰度图像的车牌定位方法[J].计算机工程与科学.2009(10).[15]裴加强.车牌识别系统中车牌定位方法的研究[J].可编程控制器与工厂自动化.2009(09).[16]吕文敏.车牌识别系统中图像的采集和定位问题研究[J].计算机与现代化.2009(03).[17]关学忠，刘勇智.基于数字图象处理的车牌定位继字符分割算法[J].装备制造.2010(01).[18]邹星.车牌识别中的图像提取和分割算法[J].重庆工学院学报(自然科学版)2009(08).[19]李战明，徐锦钢.车牌识别系统中的车牌图像预处理研究[J]2008(08).[20]冯慧娜.车牌识别系统中车辆定位与字符分割技术的研究[D].电子科技大学2010.