（交通运输规划与管理专业论文）基于视频图像的车牌识别技术研究.pdf

r e s e a r c ho nt h ev i d e oi m a g eo ft h el i c e n s ep l a t e r e c o g n i t i o nt e c h n o l o g y ad i s s e r t a t i o ns u b m i t t e df o r t h ed e g r e eo fm a s t e r c a n d i d a t e ：l iy u n h u a s u p e r v i s o r ：p r o f l ix i a n m i n 、p r o f x i a om e i c h a n g a nu n i v e r s i t y , x i a n ，c h i n a 论文独创性声明 本人声明：本人所呈交的学位论文是在导师的指导下，独立进行 研究工作所取得的成果。除论文中已经注明引用的内容外，对论文的 研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本论 文中不包含任何未加明确注明的其他个人或集体已经公开发表的成 果。 本声明的法律责任由本人承担。 论文作者签名： 神 彬年 论文知识产权权属声明 月) j 日 本人在导师指导下所完成的论文及相关的职务作品，知识产权归 属学校。学校享有以任何方式发表、复制、公开阅览、借阅以及申请 专利等权利。本人离校后发表或使用学位论文或与该论文直接相关的 学术论文或成果时，署名单位仍然为长安大学。 ( 保密的论文在解密后应遵守此规定) 论文作者虢鸯久彳 i 导师签名：鸯皂瓷 辨年t - m 日 力卯d 年多月y 日 摘要 基于图像处理和模式识别技术的牌照识别系统( 1 i c e n s ep l a t er e c o g n i t i o n s y s t e m ，l p r s ) 是智能交通管理中的重要研究课题之一，它利用计算机图像处理、模式 识别和人工智能技术，对视频交通图像进行处理、分析和识别，从而提取车牌信息，为 交通管理、收费、调度、统计提供依据，它的应用非常广泛。概括起来说，牌照识别系 统可以有以下几方面的应用：车辆收费管理；出行时间测量；公共停车场安全防 盗管理：机场、港口等出入口车辆管理；道口检查站车辆监控；小区车辆管理； 闯红灯等违章车辆监控；交通流量检测；交通控制与诱导；被盗车辆及特种车 辆的鉴别。 本文在分析了近年来一些典型识别算法的基础上，最终提出了一有效的算法对车牌 进行识别。车牌自动识别系统分为车牌定位、车牌字符分割和字符识别三个部分。在车 牌定位方面，首先，介绍了车牌定位前的预处理技术，包括图像的灰度化、二值化、图 像的边缘检测和滤波处理，这些处理可以提高图像质量，突出车牌信息，有利于车牌的 定位。接着介绍了几种常用的车牌定位方法，对这几种方法进行分析，最后本文提出一 种改进的投影法对车牌进行定位。在字符分割方面，介绍了车牌的二值化、几何校正等 各种算法，然后分析了目前常用的车牌字符切分方法，最后提出了基于垂直投影法的字 符切分方法，对车牌字符进行两次切分，达到了很好的效果。在字符识别方面，介绍了 目前常用的字符识别方法，在研究了基于b p 神经网络的字符识别方法的基础上，对其 进行了改进，提出了一种改进的b p 神经网络的字符识别方法。实验证明，本文提出的 方法是有效的，具有较强的理论指导意义和实用价值。 关键词：b p 神经网络，预处理，车牌定位，车牌字符分割，车牌识别。 a b s t r a c t t h el i c e n s ep l a t er e c o g n i t i o ns y s t e mb a s e do ni m a g ep r o c e s s i n ga n dp a t t e mr e c o g n i t i o n i st h ei n t e l l i g e n tt r a f f i cm a n a g e m e n ti no n eo ft h ei m p o r t a n tr e s e a r c ht o p i c s i tu s e sc o m p u t e r i m a g ep r o c e s s i n g ，p a t t e r nr e c o g n i t i o na n da r t i f i c i a li n t e l l i g e n c et e c h n o l o g yt op r o c e s s ，a n a l y z e a n di d e n t i f yt h ev i d e ot r a f f i ci m a g e a n dt h e nt oe x t r a c tl i c e n s ep l a t ei n f o r m a t i o n i tp r o v i d e s t h eb a s i sf o rt r a f f i cm a n a g e m e n t ，f e e s ，s c h e d u l i n g ，s t a t i s t i c s i ti sw i d e l yu s e d i nan u t s h e l l ， l i c e n s ep l a t er e c o g n i t i o ns y s t e mc a nl o o ka ts e v e r a la s p e c t so ft h ea p p l i c a t i o n ：q v e h i c l e c h a r g i n gm a n a g e m e n t ；( 乳r a v e lt i m em e a s u r e m e n t ；( 量) p u b l i cc a rp a r ks e c u r i t ym a n a g e m e n t ； a i r p o r t s ，p o r t sa n do t h e ri m p o r ta n de x p o r tt r a f f i cm a n a g e m e n t ； c r o s s i n gc h e c k p o i n t s v e h i c l em o n i t o r i n g ； c o m m u n i t yt r a n s p o r tm a n a g e m e n t ；q r u n n i n gr e dl i g h t sa n do t h e r v e h i c l ev i o l a t i o nm o n i t o r i n g ； t h ed e t e c t i o no ft r a f f i cf l o w ；( 变) t r a f f i cc o n t r o la n dg u i d a n c e ； t t h ei d e n t i f i c a t i o no fs t o l e nv e h i c l e sa n ds p e c i a lv e h i c l e s t h i sp a p e rs t u d i e st h el i c e n s ep l a t er e c o g n i t i o na n da n a l y z e st h ek e yt e c h n o l o g i e so ft h e t y p i c a lr e c o g n i t i o na l g o r i t h mi nr e c e n ty e a r s ，f i n a l l yas e r i e so fe f f e c t i v ea l g o r i t h mi sf o u n dt o d e t e r m i n et h ei d e n t i f i c a t i o np l a t e l i c e n s ep l a t er e c o g n i t i o ns y s t e mi sd i v i d e di n t op l a t e l o c a t i o n ，l i c e n s ep l a t ec h a r a c t e rs e g m e n t a t i o na n dc h a r a c t e rr e c o g n i t i o no ft h r e ep a r t s i t s r e s e a r c hi n v o l v e sd i g i t a li m a g ep r o c e s s i n g ，p a t t e mr e c o g n i t i o n ，c o m p u t e rv i s i o n ，a r t i f i c i a l i n t e l l i g e n c e a n da r t i f i c i a ln e u r a ln e t w o r k sa n dm a n yo t h e rs u b j e c ta r e a s i nt h ep l a t e p o s i t i o n i n g ，t h i sp a p e ri n t r o d u c e st h ep r e t r e a t m e n tb e f o r et h el i c e n s ep l a t el o c a t i o n ，i n c l u d i n g g r a y i n g ，b i n a r i z a t i o n ，e d g ed e t e c t i o na n df i l t e r i n gp r o c e s s i n go fi m a g e s s u c ht r e a t m e n tc a l l i m p r o v et h ei m a g eq u a l i t ya n dh i g h l i g h tt h el i c e n s ep l a t ei n f o r m a t i o n a l l o ft h e s ea r e c o n d u c i v et ot h ep o s i t i o n i n gp l a t e t h e nt h i sp a p e ri n t r o d u c e ss o m ec o m m o n l yu s e d p o s i t i o n i n gm e t h o da n da n a l y z e st h e m f i n a l l y , t h ei m p r o v e dp o s i t i o n i n gp r o j e c t i o no ft h e p l a t ei su s e d i nt h ec h a r a c t e rs e g m e n t a t i o na r e a s ，t h i sp a p e ri n t r o d u c e st h eb i n a r yl i c e n s e p l a t e s ，g e o m e t r i cc o r r e c t i o na l g o r i t h m sa n da n a l y z e st h ec u r r e n tc o m m o n l yu s e dm e t h o d so f c h a r a c t e rs e g m e n t a t i o no fl i c e n s ep l a t e f i n a l l yt h ev e r t i c a lp r o j e c t i o no ft h ec h a r a c t e r s e g m e n t a t i o nm e t h o di s u s e d a c h i e v e dv e r yg o o dr e s u l t s i nt h ec h a r a c t e rr e c o g n i t i o n a r e a , t h ep a p e ri n t r o d u c e dt h en o r m a lm e t h o d so fc h a r a c t e rr e c o g n i t i o n b a s e do nb pn e u r a l n e t w o r kc h a r a c t e rr e c o g n i t i o nm e t h o d ，am o d i f i e db pn e u r a ln e t w o r kc h a r a c t e rr e c o g n i t i o ni s h u s e d e x p e r i m e n t a lr e s u l t ss h o w , t h ep r o p o s e dm e t h o di sr e a s o n a b l ea n dh a ss t r o n gt h e o r e t i c a l g u i d a n c ea n dp r a c t i c a lv a l u e k e yw o r d s ：b pn e u r a ln e t w o r k s ；l i c e n s ep l a t ep r e t r e a t m e n t ；l i c e n s ep l a t el o c a t i o n ； c h a r a c t e rs e g m e n t a t i o n ；l i c e n s ep l a t er e c o g n i t i o n 目录 第一章绪论1 1 1 课题背景及其意义l 1 2 国内外车辆牌照识别技术的发展与现状2 1 3 国内外车辆牌照识别技术介绍4 1 3 1 图像的采集6 1 3 2 图像的预处理6 1 3 3 复杂背景下的车辆牌照检测和定位6 1 3 4 字符切分7 1 3 5 字符识别7 1 4 现有车辆牌照识别技术存在的不足与改进的难点7 1 5 本文的主要研究工作8 第二章图像预处理9 2 1 灰度化9 2 2 灰度拉伸1 0 2 3 二值化1 l 2 4 中值滤波12 2 5 边缘检测13 2 6 本章小结1 5 第三章车辆牌照区域的检测与定位1 6 3 1 引言1 6 3 2 常见的车牌定位方法1 6 3 2 1 基于灰度图像的车牌定位方法1 7 3 2 2 基于彩色图像的车牌定位方法。18 3 3 基于投影法的车牌定位1 8 3 3 1 八方向s o b e l 算子18 3 3 2 基于投影法的车牌定位算法2 0 3 4 本章小结2 l 第四章车辆牌照字符切分2 2 4 1 引言2 2 4 2 车牌图像分割2 2 4 3 车牌的几何校正2 3 4 4 字符的切分方法2 5 4 4 1 车牌字符的各种特征参数2 5 4 4 2 车牌字符切分的参考点确定2 6 4 4 - 3 基于垂直投影法的字符切分2 6 4 5 本章小结2 8 第五章车辆牌照字符识别2 9 5 1 引言2 9 5 2 车牌字符识别概述2 9 5 2 1 车牌字符识别的特点2 9 5 2 2 字符大小的归一化。3 0 5 2 3 车牌字符的特征提取。3 2 5 2 4 车牌字符识别的常用方法3 3 5 3b p 神经网络简介。3 4 5 4b p 神经网络需要考虑的问题一3 8 5 5 b p 神经网络的不足及改进3 9 5 6 神经网络的设计3 9 5 6 1 汉字字符子网4 0 5 6 3 英文、数字字符子网4 2 5 6 4 数字字符子网4 2 5 7 实验环境和数据分析。4 3 5 8 本章小结4 4 总结与展望4 5 参考文献4 7 弱c 谢5 0 长安大学硕士学位论文 1 1 课题背景及其意义 第一章绪论 近年来，随着计算机技术的不断发展以及计算机技术越来越多的应用于现代智能交 通中，已经使得现代交通变得越来越智能化和自动化。现代交通需要有计算机技术的支 持，计算机技术在智能交通中已经占据着越来越重要的地位。采用计算机技术进行车牌 的定位和识别已经成为实现交通管理智能化的重要环节，自动检测，图像处理和模式识 别技术也越来越受到人们的关注。 目前，我国正处于经济持续、高速发展的阶段，近年来汽车的销售量也一直处于持 续增长阶段，我国目前的机动车拥有量已经达到了1 9 2 亿万辆。虽然我国道路交通设施 及管理设施较之改革开放以前而言有了很大的改观，但是道路交通设施及管理设施的发 展还是难以与机动车的发展速度达到同步，他们之间还存在有很大的差距。这就使得机 动车在道路运行过程中难以将其作用发挥到最大，并且也严重制约了机动车的发展。目 前的调查研究数据表明，与发达国家相比较，我国道路的总体水平还存在着很多问题， 主要有以下几点：( 1 ) 我国大多数城市的路网结构还存在着很多不合理的因素；( 2 ) 道 路系统不健全，而且功能不完善，交通设施缺乏，存在着安全隐患。总体管理水平也没 有和汽车的发展形成同步。虽然现在很多地方已经建立了交通控制中心，但是大多数目 前还只能实现监视功能，控制功能的实现受到了限制，没有发挥出理想的作用。 智能交通系统( i n t e l l i g e n tt r a n s p o r ts y s t e m 或者i n t e l l i g e n tt r a n s p o r t i o ns y s t e m ，简 称i t s ) 是将先进的信息技术、通讯技术、传感技术、控制技术以及计算机技术等有效 地集成运用于整个交通运输管理体系，而建立起来的在大范围内、全方位发挥作用的一 种实时、准确、高效的综合运输和管理系统。它通过人、车、路的和谐、密切的配合提 高交通运输效率，缓解交通阻塞，提高路网通过能力，较少交通事故，降低能源消耗， 减轻环境污染。智能交通系统是一个复杂的综合性的系统，从系统组成的角度可分成以 下一些子系统：( 1 ) 先进的交通信息服务系统( a t i s ) ；( 2 ) 先进的交通管理系统( a t m s ) ； ( 3 ) 先进的公共交通系统( a p t s ) ；( 4 ) 先进的车辆控制系统( a r c s ) ；( 5 ) 货运管理系 统；( 6 ) 电子收费系统( e t c ) ；( 7 ) 紧急救援系统( e m s ) 。中国交通运输目前存在的问题 主要有：( 1 ) 基础设施短缺与其利用的低效率并存；( 2 ) 基础设施建设速度落后于车辆 增长速度。目前，中国机动车保有量约1 9 2 亿万辆，大城市机动车保有量增长率1 5 ， 而城市道路每年仅增长3 - 5 ，道路的增长远远落后于机动车保有量的增长；( 3 ) 交通 第一章绪论 拥堵已经成为大中城市交通中的普遍现象并且短时间内得不到有效的缓解；( 4 ) 交通安 全形势严峻，造成的损失巨大；( 5 ) 机动车尾气排放已成为城市大气污染的主要来源。 一些大城市机动车排放的污染物对多项大气污染指标的贡献率已达到6 0 以上，正在严 重地危害着人们的身体健康；( 6 ) 运输效率低，能源消耗不断上升。抽样调查表明，全 国货运汽车实载率不足7 0 。 智能交通系统的研究范围非常广泛，根据各国各地区的差异，其侧重点也会有所不 同。例如：电子收费系统主要应用于i t s 公路收费领域，它可以很好的解决收费站经常 出现的排队等候、交通拥挤以及环境污染等问题。在电子收费系统的运行过程中中，待 检测的车辆可以不用停车而直接驶过收费站，所以这一系统的关键问题是对车辆准确而 迅速的识别和分类。为了满足这些需求，在智能交通管理系统中引入车辆牌照自动识别 技术是很有必要的【4 j 。 车辆最准确和唯一的标志就是汽车牌照。车辆牌照识另l j ( v e h i c l el i c e n s ep l a t e r e c o g n i t i o n ，简称v l p r ) 系统是一个专门的计算机视觉系统，它的运用包含了多方面的 理论技术，包括图像处理、模式识别以及人工智能技术等。当车辆行驶至检测系统时， 该系统可以从运动的车辆中，将动态车辆的车牌数据提取出来，然后会及时准确的把车 辆牌照上的字符识别出来。车辆牌照识别系统能够定位复杂背景下的车辆牌照，并对定 位后的车辆牌照上的字符进行切分和识别。 车辆牌照识别系统是首先将目标车牌进行分割，然后再对分割后的目标进行识别。 对车辆牌照识别系统进行深入研究可以推进对交通智能系统中道路运输管理中存在的 问题的解决，同时也可以推动图像处理、模式识别等领域的发展。因此对运动车辆车牌 识别系统的研究具有非常重要的理论价值和现实意义。 1 2 国内外车辆牌照识别技术的发展与现状 早期的交通监控系统使用的图像处理技术相对来说比较简单。具体做法如下：首先 是选择基准图像，即把一幅不含车辆的图像选为基准图像，然后比较要分析图像和基准 图像两者对应部分的图像灰度，最后使用差分原理确定车辆区域。通过这种方法，可以 将车辆的速度、车流量、道路负载等数据大致地计算出来，但是还远远不能满足实时性 和准确性的要求。 随着我国经济水平的不断提高，道路建设和车流量得到了不断完善和加大。车辆在 行驶的过程中，比如当车辆经过高速公里收费站时，由于车流量比较大，要对车辆进行 2 长安大学硕士学位论文 不停车监控，要求在很短的时间内能够准确的识别出车辆牌照，这样就能对不同的车辆 进行准确的识别，有助于提高车辆在运行过程中对其进行牌照识别的识别率和保证道路 运行的流畅，这在现代交通运输系统中是非常重要的。随着计算机技术越来越广泛的应 用于现代智能交通中，并且计算机运行速度的不断提升，车辆牌照的识别在人们平时的 生产和生活中占据着越来越重要的地位。 车辆牌照识别技术在国外已经得到了广泛的应用，经过近几十年的发展，这种技术 已经慢慢趋于成熟，在国外的应用已经得到了认可，表1 1 中列举了车辆牌照识别系统 的应用场合。但是这些系统都只是识别英文字母或是阿拉伯数字，并没有识别汉字。 表1 1国际上的车辆牌照识别系统 公司名产品名识别率识别速度 h it e c hl t ds e e c i l l c h i n e s e9 3 5 0 0 m s o p t a s i al t d v l p r s9 9 7 5 0 0 m s 2 s a s i av i s i o nv e c o n 9 5 1 s 近几年来，在国内出现了一些牌照识别系统，如汉王，高德威等公司的产品( 如图 图1 1 国内的v l p r 产品模型 由于车辆牌照识别系统具有不需要车辆安装额外的设备，不影响车辆行驶状态，自 动化水平高等优点，车辆牌照识别系统是一种自动识别系统。应用这种技术可以大大降 低工作时间，减少工作过程的复杂程度，而且检测结果可信度高。由于车辆牌照识别系 统在现代智能交通控制中占据着越来越重要的地位，并且在以后的实际应用中将会发挥 出越来越重要的作用，所以国内外学者对于车辆牌照自动识别技术的研究也越来越深 入，并且在实际的道路运输控制中也越来越实用化。车辆牌照自动识别系统能够应用到 第一章绪论 实际生活中的很多地方，具体可以体现在以下几个方面：单位出入口车辆管理；智能交 通系统；停车场；公路和桥梁自动收费管理系统；车管所机动车检测线；公路流量观测 系统；车库和停车场自动管理系统；门卫系统等【7 1 。 1 3 国内外车辆牌照识别技术介绍 欧美等发达国家从上世纪8 0 年代开始就率先进行了车辆牌照识别方面的研究。由 于受到诸多硬件条件的限制，比如计算机的运行速度慢，存储器的容量低等，导致识别 的精度低，识别的过程所需要的时间很长。所以车牌识别系统的研究工作也仅仅是在一 些特殊的场所使用。随着今年来计算机处理速度的提高和各种硬件设备性能的不断提 升，车辆牌照识别系统已经可以应用于很多场所，并且也发挥出了巨大的作用。我国对 于车辆牌照自动识别技术的研究起步较晚，目前还尚处在一个起步的阶段，主要是在识 别的过程中识别速度较慢，识别的准确度还不是很高。世界上发达国家的车牌自动识别 系统在实际交通系统中已经取得了实际的应用价值。 车辆牌照识别系统主要分为图像采集，图像预处理，车牌定位，字符切分，字符识 别几个部分，图1 2 所示为车辆牌照识别流程图。 图1 2 车辆牌照识别流程图 车辆牌照自动识别系统的基本工作原理是：当车辆通过监测区域时，传感器发送一 个信号给图像采集的控制部分，然后控制摄像机采集该汽车的图像并发送至图像预处理 模块，再由预处理模块对输入的图像进行简单的预处理，最后计算机通过图像的预处理、 车牌提取、车牌图像二值化、字符切分、字符识别等步骤后将最终的车牌字符提取出来， 并且把识别的结果和图像存入到电脑数据库中以备以后的使用，查询和管理等。基本原 理可以用图1 3 表示。 4 长安大学硕士学位论文 图1 3 车牌识别系统原理图 图像采集：目前图像的采集主要还是采用专用的摄像机连接图像采集卡或进行实时 图像采集，然后再将模拟信号转换为数字信号。 图像处理：图像处理的目的是突出车牌的主要特征，以便于更好的从背景中提取车 牌区域，图像处理功能主要是对图像进行灰度化、图像增强、滤波降噪等处理。 车牌定位：车辆在实际的行驶过程中，由于所处的环境多种多样，所以在拍摄车辆 牌照时，实际的背景对于车辆牌照的识别有很大的影响，车牌定位在车辆牌照自动识别 系统中占据着非常重要的作用，定位准确与否会直接影响到最终识别结果的准确性和识 别的速度，车牌定位实际上是在对车牌图像进行二值化，然后在二值化图像的基础上再 对其相应的特征进行提取。 车辆牌照的分割：牌照分割是一个在多因素条件下寻找最符合牌照特征区域的过 程。 字符分割：字符分割是从获得的牌照区域分割出单个字符以便于后续的字符识别的 过程。车牌上的字符一般除了一个汉字外其他的都是字母和数字，即在理想状态下每个 字符是全连通的并且相互之间会有一定的间距，根据车辆牌照的这个特点可以相应的采 取特定的方法对车辆牌照进行字符切分。 字符识别：字符识别实际上是对分割以后得到的车辆牌照作进一步的字符划分，并 且在此基础上将划分的字符转化为文本直接显示出来或者直接存入数据库中。 5 第一章绪论 1 3 1 图像的采集 目前主要存在两种图像采集的方法：一种方法是首先利用硬件探测传感器检测是否 有车辆存在，当有车辆存在时进行图像采集；另一种方法是不检测拍摄区域内是否存在 车辆，直接进行图像采集。前一种方法的优点是车牌识别的错误率较低，能够比较准确 的进行车辆牌照的识别，缺点是这种方法的成本过高，不适合于大范围推广。后一种方 法由于在拍摄车辆牌照时拥有更多的机动性，可以全天候不间断工作。与前一种方法相 比成本较低，便于移动，目前已经被广泛地采用。 1 3 2 图像的预处理 图像预处理结果的好坏会直接影响到车辆牌照识别最终结果的准确性和识别的效 果。目前对于车辆牌照识别系统主要存在有以下两种方法：基于灰度图像和基于彩色图 像的图像预处理方法。基于灰度图像的预处理方法是将采集到的彩色图像首先转换成灰 度图像再进行进一步识别，主要采用基于灰度的二值化、滤波降噪、膨胀腐蚀边缘检测 等方法。基于灰度的处理方法的优点主要是在处理的过程中运行量较低，计算机的运行 速度就会提高很多，此外就是占用的计算机内存较少。但是由于此种方法在进行处理的 过程中会损失掉一定的图像信息，所以采用这种方法得到的结果有时难以达到理想的要 求，识别效果较基于彩色模型的稍型1 2 】。基于彩色图像的预处理方法主要有以下几种方 法，基于r g b ，基于h s v 和基于c m y 等几种方法，主要采用基于不同色彩模型的对 比度调整、降噪二值化等的方法。基于彩色模型处理方法的优点是在进行图像预处理的 过程中图像的基本信息都能得到保存，这样在识别时，准确度较之基于灰度图像处理时 要好很多。但是由于这种处理方法是对彩色图像直接进行处理，所以在处理的过程中， 会占用大量的计算机内存，而且在运行过程中的速度比基于灰度图像处理时稍慢。 1 3 3 复杂背景下的车辆牌照检测和定位 自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照 区域是整个识别过程的关键。首先对采集到的视频图像进行大范围相关搜索，找到符合 汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后 选定一个最佳的区域作为牌照区域，并将其从图像中分割出来。 6 长安大学硕士学位论文 1 3 4 字符切分 车辆牌照的字符切分主要是在完成牌照区域的定位后进行的，先将牌照区域从复杂 的背景中分割出来，然后在拍照区域中将字符进行分割，最后将分割后的字符进行识 别。车辆牌照是表征车辆身份的重要标志，它是按照一定的规格制成的，即车辆牌照是 区别于车身其他部位的一种特殊特征，并且组成车辆牌照的字符之间的距离一般来说都 是固定的。所以对于车辆牌照的识别和字符切分就有一定的特殊性。 1 3 5 字符识别 字符识别方法目前主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹 配算法首先将分割后的字符二值化，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。基于人工神经元网络的算法有 两种：一种是先对待识别字符进行特征提取，然后用所获得特征来训练神经网络分配器； 另一种方法是直接把待处理图像输入网络，由网络自动实现特征提取直至识别出结果。 1 4 现有车辆牌照识别技术存在的不足与改进的难点 实际应用中，牌照识别系统的识别率与牌照质量和拍摄质量密切相关。牌照质量会 受到各种因素的影响，如生锈、污损、油漆剥落、字体褪色、牌照被遮挡、牌照倾斜、 高亮反光、多牌照、假牌照等等；实际拍摄过程也会受到环境亮度、拍摄亮度、车辆速 度等等因素的影响。这些影响因素不同程度上降低了牌照识别的准确率，也正是牌照识 别系统的困难和挑战所在。为了提高牌照识别的准确率，除了不断的完善识别算法，还 应该想办法克服各种光照条件，使采集到的图像最利于识别。 目前，车辆牌照自动识别系统的研究方向主要是要能在满足在一定的识别准确率的 情况下再提高识别的速度，尽量使识别的效率更高，从而满足人们对于现代化智能交通 的要求，并且应用车辆牌照识别时，尽量要能够使得这种技术能够应用到不同的场合， 并且在不同的场合能够取得预期的效果。由于车辆牌照在实际拍摄的过程中，会受到多 种因素的影响，比如车辆牌照的污染，拍照时的光线，天气情况都会对车辆牌照的拍摄 有很大的影响，所以当把这些因素都考虑到的话就会增加算法的复杂性，如果在考虑到 多因素的情况下，车辆牌照的识别过程会增加巨大的复杂性，从而使得计算过程消耗的 时间增加，识别结果的准确率下降。不能满足人们对于现代智能交通系统的要求。因此， 在不同的背景环境下使得识别的速度和识别的准确率达到一个相对平衡的关系就显得 7 第一章绪论 尤为重要，并且这也是目前车辆牌照技术研究的一个难点和热点问题。 1 5 本文的主要研究工作 本文以汽车牌照为研究对象，运用图像处理技术和模式识别技术实现对车牌的识 别。其中对车牌的定位、字符分割和字符识别技术进行了深入的研究。全文共分为五章。 第一章主要论述了汽车牌照识别技术的研究背景、意义和国内外研究现状以及对车 牌识别技术进行了介绍。 第二章介绍了车牌识别技术中应用到的图像预处理技术。 第三章主要介绍了车牌区域的定位技术，在研究目前常用的定位方法的基础上，本 文采用了改进的投影法对车牌进行定位。 第四章主要对车牌的字符分割技术进行研究并提出基于垂直投影法的字符分割方 法。 第五章对车牌字符识别技术进行了深入研究并提出改进的b p 神经网络的字符识别 方法。 最后是结论部分，主要是对当前工作的总结和对未来工作的展望 8 长安大学硕士学位论文 第二章图像预处理 数字图像处理技术的运用是在计算机系统上，其中包括各种输入、输出等硬件设备， 它的基本原理是：首先是连续的模拟图像信号到离散的数字图像信号的转变，然后按照 各种要求建立模型，最后通过编程、控制进程来实现。硬件设备和软件设备以及必要的 科学技术储备是数字图像处理技术发展的基础。目前，数字处理是图像处理的研究和发 展趋势，主要原因有以下几个方面：一是，利用数字图像处理的方法进行图像处理时， 灰度阶多( 超过2 5 6 级) 、精度高，还可以进行复杂的非线性运算，功能非常齐全也非 常灵活；二是，数字处理技术可以进行复杂的非线性运算。同时它还具有很多优点，包 括通用性强、使用简单、保存方便等。数字图像处理技术是车牌识别技术的基础。 在对车牌进行定位前，需要进行一系列的图像处理，也就是预处理。本文中所采用 的是基于灰度图像的图像预处理方法，它是将彩色图像转换成灰度图像进行处理，这种 方法有效的缩小了一幅图像的大小，这样对存储器容量的要求就降低了，同时运算量也 减少了，节约了运算的时间，从而提高了处理速度，满足实时系统的要求。 对采集得到的彩色图像的预处理包括彩色一灰度变换，灰度拉伸处理，二值化，中 值滤波，边缘检测等【1 们。 2 1 灰度化 一般来说，摄像头所得到的是含有车辆的图像是2 4 位的真彩色图，需要转换成灰 度图，原因有二：一、方便后边能够更快速的对图像进行处理；二、将处理多种颜色的 车辆牌照进行了统一。本文采用的灰度化方法是现行标准的平均值法，即： g = 0 3 r + 0 5 9 g + 0 1 1 曰( 2 1 ) 其中，g 表示灰度化后的灰度值，r 、g 、b 分别表示原真彩色图中的红、绿、蓝分 量。 9 第二章图像预处理 2 2 灰度拉伸 原图 图2 1 灰度化后图 低对比度指的是一幅图像偏强( 例如，灰度范围从2 0 0 - - 2 5 5 ) 或偏暗( 例如，灰度 范围从0 - 6 3 ) ，其主要原因是成像时光照过强或者不足，即灰度没有被拉开，都挤在一 起。灰度拉伸的目的是增强对比度，是将需要的灰度范围拉开，使得该范围内的像素出 现两种相反的情况，即亮的更亮，暗的更暗。将灰度化的图像进行灰度拉伸之后，图像 上的边缘特征更加明显，从而牌照区域的笔画特征更加明显，对后边的边缘检测也就更 加有益。 厂 ) = 鲁x x 其中，( 呐，b y , ) ，( ，b y , ) 是灰度拉伸的第一、二个点的坐标。 1 0 长安大学硕士学位论文 2 3 二值化 图2 2 灰度拉伸后的图像 阈值的选择是车牌在二值化过程中遇到的难点之一。车牌的二值化方法一般分为全 局阈值和局部阈值两大类。全局阈值法有o s t u 算法等，局部阈值法有b e r s e n 等。但这 两种算法的利弊不同：全局阈值的方法虽然速度较快，但是比较容易造成车辆牌照中笔 画的丢失，与此对比，局部阈值的方法可能造成笔画断裂和伪影等现象。 本文中用到的阈值选取方法是基于全局阈值化方法的改进，将灰度值小于阈值的像 素直接设置为0 ，而灰度值大于阈值的像素直接设置为2 5 5 。其中初始化阈值的方法是： t = g 二一( g m 戤一吒) 3 式中，g 僦是最高灰度值，g 二缸是最低灰度值。实验证明，利用该方法选取阈值对 不同类型的牌照都有一定的适应性，基本可以保证背景设置为0 ，以突出车牌区域。车 牌二值化后的图像如图2 3 。 第二章图像预处理 2 4 中值滤波 图2 3 二值化后的图像 图像中的噪声可以导致图像质量的恶化，使得图像模糊，有的甚至还会造成图像本 身的特征被淹没和改变，给图像的识别和分析带来困难。所以，为了去除噪声，采用滤 波的方法。 中值滤波是一种非线性的滤波，也是一种邻域的运算，与卷积类似。中值滤波是首 先将它邻域内的所有像素按照灰度值进行排序，然后取该组值中的中间值作为邻域中心 像素点的输出值，并不是简单的加权求和。中间值的选取方法如下：如果邻域内的像素 个数是奇数，则取像素灰度值排序后的中间值作为输出值；如果邻域内的像素个数是偶 数，则取排序后的中间两像素灰度值的平均值作为输出值。邻域窗口可以是圆形、菱形、 方形、十字形、线状等不同大小和形状的。形状不同的窗口产生的滤波效果是不同的， 使用的时候必须根据图像的内容和不同要求进行选择，通过以往的经验，轮廓线较长的 物体图像可以选择方形或者圆形，而对于有尖顶角状的图像选择十字形窗口的效果好。 利用中值滤波器消除造成的方法比较多，各式各样并且非常灵活。一种方法是首先使用 小尺度的邻域进行处理，然后逐步加大邻域的尺寸。另一种方法就是一维滤波和二维滤 波循环使用。此外可以使用迭代操作，就是对输入的图像反复使用同样的中值滤波，直 到输出的图像不再发生变化为止。中值滤波的一个突出优点是在去除噪声的同时，还能 够防止边缘模糊。如果图像中的噪声是很多孤立的点，并且对应的像素点也很少，而图 1 2 长安大学硕士学位论文 像是由面积较大、像素较多的块组成，那么中值滤波的效果会很好。 2 5 边缘检测 图2 4 中值滤波后的图像 所谓边缘就是指其周围像素的灰度值有屋顶变化或者阶跃变化的像素点的集合。边 缘在物体与物体之间，物体与背景之间，图像基元与基元之间。它是分割图像时所依赖 的重要特征。物体的边缘是由灰度的不连续性反映的。边缘检测局部算子法的步骤是： 第一步，统计图像中每个像素在某个邻域内灰度的变化；第二步，根据边缘附近的一阶 或者二阶方向导数的变化规律，用简单的方法进行边缘检测。 边缘的种类有屋顶状的边缘和阶跃状的边缘两种：前者是位于灰度值从增加到减少 变化的转折点；后者两边像素的灰度值有着显著的不同。 边缘检测算子检测每个像素点的邻域并对灰度变化率进行量化，也包括方向的确 定。大多数时候是使用基于方向导数的掩模求卷积的方法。下面是常见的几种边缘检测 算子。 ( 1 ) s o b e l 边缘检测算子 s o b e l 边缘算子两个卷积核，如图2 5 所示，图像中的每个点都要这两个核做卷积， 一个核对垂直的边缘相应最大，另一个核对水平边缘相应最大。将两个卷积的最大值作 为该点的输出。s o b e l 边缘检测的效果图如图2 6 第二章图像预处理 ；享； 兰三孚 g ( x ，y ) = 厕一7 彳；而 2 + 丽一7 孓丽 2 j ( 2 3 ) 雕习 1 4 长安大学硕士学位论文 图2 8k r i s c h 边缘算子 ( 5 ) 高斯一拉普拉斯算子 拉普拉斯算子是对二维函数进行运算的二阶导数算子。通常使用的拉普拉斯算子如 图2 9 所示。 一2 - 4 4 o - 48 _