基于复杂背景下的多车牌定位与识别关键技术研究(2)

１．１．２车牌识别技术的应用

车辆牌照识别ＬＰＲ（ＬｉｃｅｎｓｅＰｌａｔｅＲｅｃｏｇｎｉｔｉｏｎ）技术其任务是采集、分析、处理汽车监控视频图像，自动捕获定位和识别汽车号，并进行相关智能化数据管理。牌照识别技术在智能交通领域中的应用已经非常的广泛。其应用场合包括：

高速公路、桥梁、隧道等自动收费管理系统；城市交通车辆管理，如超速车辆和违规车辆的识别、记录，电子警察，海关边境交通监控，以及管制区、国家重要机关部门的进出控制；智能小区、智能停车场管理；车牌验证，被盗车辆的检测、跟踪；车流量统计等。车牌识别系统作为智能交通的核心，在高速公路、

江苏大学硕士学位论文

城市道路和停车场等项目管理中占有举足轻重的作用，因而，车牌识别的研究具有极其重要的现实意义。

１．１．３车牌识别技术中的难点

车牌识别系统在实际应用中，由于受到天气、复杂的背景等因素的影响，识别率很难达到要求。其主要原因有以下几点：

（１）复杂的外部坏境

复杂的外部环境严重地影响着车牌的定位准确率。例如，与车牌字符相似的背景处的广告语、或者车头灯、散热器、标牌等；在天气方面，各种阴雨雾夜的变化；在光照方面，白天和晚上，不同的光照角度，背景光，车牌反光程度对车牌光照的不均匀度，都对图像质量影响很大。

（２）车牌样式较多

根据《中华人民共和国机动车号牌》标准有关规定，车牌的颜色、规格和适用范围各有不同。汽车车牌有通常车牌、一般警车车牌、交通警察车牌和武警车牌四种。由于车牌样式较多，增加了车牌定位、车牌识别过程中字符的分割难度。

（３）多车牌定位

由于我国监视区域比较复杂。比如车载监控系统、多车道公路路口的监视与监控、城市要道的监视与监控，所监控的区域一般同时会出现一辆，两辆或多辆汽车，背景也比较复杂。针对这种情况，需要一种算法针对其进行探讨和解决，不但要能识别一辆还要识别两辆以上，且还要满足实时性要求。

（４）摄像方位和角度

实际应用中摄像方位相对于车辆行驶的方向一般是正上方、左侧和右侧，拍到的车牌大都有所倾斜。车牌校正的能力要求较高。

（５）汉字难识别

中国车牌中汉字、字母和数字混合，尤其汉字很难识别。如何提取车牌汉字特征，成了车牌识别的难点问题，也限制了车牌识别系统的进一步应用。汉字识别最为重要指标是识别的正确率，在切分等预处理性能得到极大的提高后，汉字识别正确率就主要取决于系统的特征选择。

（６）车牌污损

车牌污损，使得车牌边框和字符不清晰。这些影响了车牌定位、字符分割和字符识别的准确率。

总之，车牌识别系统的难点：第一、复杂环境下如何获取车辆车牌的清晰图像，第二、在图像中如何正确的识别出多个车牌，第三，如何提高识别速度。

１．２论文的研究内容及主要工作

本文在广泛阅读了国内外现有的关于车牌定位和车牌识别的文献后，比较和借鉴现有车牌识别所采用的方法，提出了自己的算法，对相应的车牌定位关键技术进行改进和完善。在此基础上设计了一个简单的车牌识别原型系统。这些工作主要在以下几个方面：

（１）图像清晰化处理

为了提高车辆图像的质量，更好地进行车牌识别。本文对几种滤波器进行比较，提出一种新的插值自适应直方图均衡化和高斯滤波结合的方法对图像进行清晰化处理。使之能去除复杂环境的干扰，

识别率。

（２）基于感兴趣区域的多车牌自动定位算法

研究各种定位技术，比较其优缺点，然后提出一种新的基于感兴趣区域的多车牌定位算法。该算法通过对车牌特征的逐个提取，逐步找到准确的感兴趣区域。该算法不但要定位准确率高，速度快，还要能对图像中多个车牌定位。

（３）改进字符识别算法

由于数字字母字符与汉字字符特征差异很大，本文将其分开识别。在数字字母字符识别中，为了减少字符图像的变形产生的影响，提高匹配的准确度，提出提高阴、雨、雾、夜等环境下车辆牌号一种弹性模板匹配算法实现两者的匹配，将每一个模板在待识别图像中的某个小范围内进行适当的移动和变形，并计算两者之间的最小欧氏距离。当所有模块都按相同的算法与待识别图像匹配完，具有最小欧氏距离的匹配则为最佳匹配，视为最终的匹配结果。在汉字字符识别中，本文采用基于Ｇａｂｏｒ特证的神经网络算法对车牌进行识别。

（４）车牌识别系统的实现

为了将上述算法有机结合起来，本文采用基于组件丌发和面向对象的思想设计开发一个车牌识别的原型系统。

１．３论文的结构

本文共分为七章，其主要内容概括如下：

第一章主要介绍课题的背景和研究意义，并阐述了本文的主要研究工作。

第二章综合介绍车牌识别相关技术的研究现状，并着重对车牌定位方法进行分析和比较。

第三章详细描述基于复杂背景的车辆图像预处理，对车辆图像进行灰度化、边缘检测、二值化等。其中重点阐述了提出的一种插值自适应直方图均衡化和高斯滤波相结合的清晰化方法。

第四章重点阐述本文所提出的一种基于感兴趣区域的多车牌定位算法，并对车牌进行倾斜矫正，同时能对多个车牌进行定位，并具有较高的鲁棒性。

第五章详细描述了车牌字符分割和识别。提出一种基于改进的弹性模板匹配法，该算法主要对车牌数字字母字符进行识别，并与基于Ｇａｂｏｒ特证的神经网络汉字识别方法相结合对车牌字符进行识别。

第六章介绍采用的基于组件和面向对象思想设计开发的计算机车牌定位谚｛别系统的方法与过程。

第七章总结全文工作，并对下一步工作进行展望。４

江苏大学硕士学位论文

第二章车牌识别方法的研究概况

２．１概述

车辆牌照识别主要包括三个部分，车牌定位、车牌字符分割及车牌字符识别。车牌定位的任务是给出图像中可能的车牌位置；车牌字符分割的主要任务是将定位后的车牌区域中的字符一一切出来，它包括判定车牌的格式，进行倾斜校正等工作；车牌字符识别是将切分出的字符识别出来。

车辆牌照识别技术的研究在国外比较早，比较有名的是美国的Ｈｉ—ＴｅｃｈＳｏｌｕｔｉｏｎｓ公司、以色列Ｚａｍｉｒ公司和匈牙利的ＡｄａｐｔｉｖｅＲｅｃｏｇｎｉｔｉｏｎ公司。Ｈｉ－ＴｅｃｈＳｏｌｕｔｉｏｎｓ公司在自动车辆识别系统ＡＶＩ（ＡｕｔｏｍａｔｉｃＶｅｈｉｃｌｅＩｄｅｎｔｉｆｉｃａｔｉｏｎ）技术方面比较领先，已投入商用的产品如ＳＥＥ／ＣＡＲ，可以以每秒２—３辆的速度在各种天气下进行高达８０公里时速的汽车识别；美国的ＡＬＰＨＡＴＥＣＨ公司则因其ＡＶＩ产品容错性等方面性能较强而得以在该领域站稳脚跟。据称，其在ＳｋｙＨａｒｂｏｒ国际机场使用的ＡＶＩ系统三年以来每Ｒ进行４００００起检测而从未发生过系统崩溃。他们的识别率总体在９３％左右。

９０年代以来，基于交通现代化发展的需要，国内很多企业和高校也对车牌识别进行研究和产品开发。其中做的较好的有中科院自动化所汉王公司的“汉王眼’’，通过强化车牌的垂直边缘，通过行扫描，确定车牌位置，采用连通域进行字符分割，利用汉王自有的汉字识别优势进行车牌识别；还有川大智胜公司，它采用的是自适应能量滤波的方法进行车牌定位，采用水平投影分割字符，汉字的识别采用模板匹配的方法，识别率达９２％；此外，清华紫光、深圳科安信、利普视觉等都有自己的产品：另外国防 …… 此处隐藏：2295字，全部文档内容请下载后查看。喜欢就下载吧 ……