自动检测汽车车牌技术的研究及实现-文献综述

第1页文献综述1.课题背景随着城市化与工业化进程加快,通车里程与汽车保有量不断增加,道路车辆拥挤、交通事故频发、环境污染加重等新问题日益突出。智能交通系统（IntelligentTranspotationSystem,ITS）成为未来交通监管系统的主要发展趋势，所谓智能交通系统是在较完善的交通基础设施之上，通过应用信息、通信、计算机、自动控制和系统集成等技术，加强运载工具、载体和用户之间的联系，提高交通系统运行的有序性和可控性，实现提高运行效率、减少事故、降低污染的系统目标，建立一个高效、便捷、安全、环保和舒适的综合交通运输体系1。行驶车辆的车牌实时识别尤其是智能运输系统研究的重要组成部分。车牌识别系统是对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、区域标识等，利用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。车牌识别系统的用途很多，如高速公路电子收费站、公路流量控制、公路稽查、失窃车辆查询、监测黑牌机动车、监控违章车辆的电子警察等公路监管场合，以及停车场车辆管理、出入控制等需要车牌认证的场合都要应用车牌识别系统，尤其在高速公路收费系统中，实现不停车收费技术可提高公路系统的运行效率，由此可见车牌识别系统具有不可替代的作用，因此对车牌识别技术的研究和应用系统的开发具有重要的现实意义。2.研究目的与现状2.1.研究目的和意义车牌自动识别系统是智能交通系统的重要组成部分，在实现交通管理和治安智能化中具有非常重要的意义，因此对车牌自动识别系统的研究具有现实意义6。本课题主要研究通过分析智能交通系统是通过车辆检测装置对过往的车辆进行检测，提取相关的交通数据，达到监控和指挥交通的目的。而汽车牌照是车辆的唯一“身份证”，车牌识别技术可以在不影响汽车任何状态的情况下，由计算机自动完成对汽车“身份”的识别。检测来往的车辆，对汽车身份认证的一种重要手段。第2页2.2.研究现状与存在的问题智能交通系统是通过车辆检测装置对过往的车辆进行检测，提取相关的交通数据，达到监控和指挥交通的目的。智能交通系统的主要研究对象是车辆和道路，其研究目的是提高道路的通行能力和利用效率，其研究重点是解决公路交通问题。应用智能交通系统可以有效地提高交通运输效益。而车牌识别LPR(LicensePlateRecognition)作为智能交通系统的一个重要组成部分，融合了图像处理与模式识别技术，在高速公路电子收费站、停车场等城市交通管理中占有不可替代的重要地位。2.2.1研究现状车牌识别系统要综合应用多种手段提取车牌区域，对汽车牌照的精确定位并最终完成对汽车牌照的识别。因此车牌识别系统要应对多种复杂环境，如车流量高峰期、照射反光、车牌污染等。利用模拟人脑智能ANN，在识别车牌时能进行联想记忆与推理，能够较好地解决字符残缺不完整而无法识别的问题。国内许多学者针对汽车车牌检测，提出各自的算法与系统实现方法。例如，王明华提出了一种一基于彩色纹理特征的车牌定位方法可根据车牌图像的彩色信息特征进行定位，考虑了车牌图像的颜色变化特征4。陈浩等提出了一种基于遗传算法的BP神经网络在车牌识别中的应用，将改进的将遗传算法和BP神经网络方法结合起来应用于车牌字符识别，充分利用了遗传算法的全局搜索能力和BP神经网络的局部最优能力，从而增强了网络的搜索能力3。张伟采用基于Matlab的车牌识别中值滤波算法的研究与实现，进行去噪处理，实现识别5。2.2.2存在的主要问题由于车牌自动识别系统大多是在道路现场拍摄的，拍摄的汽车图像受到各种各样的干扰因素，如恶劣的天气、不良的光照、拍摄角度、车牌磨损等，导致汽车图像含有噪声，导致目前的车牌定位方法并未达到十分理想的定位效果4，如：（1）视觉增强方面目前驾驶员视觉系统研究多集中在低照度方面，而低能见度方面研究较少，低能见度道路图像恢复、多源图像融合、基于传感器的道路视景合成、显示器设计理论，以及驾驶员视觉增强系统产品设计等方面均需要开展研究。（2）目标识别方面尽管有些基于车道检测和车辆周边信息检测的汽车安全辅助驾驶支持系统技术已经实用化，但如何提高车辆环境信息感知的准确性与鲁棒性仍需探索；系统容易受环境因第3页素影响，如天气条件不佳或夜晚光强非常弱的情况下，系统的识别率将会显著下降。（3）去噪方面尽管现在的信号处理能已经有了显著的提高，可是在去噪方面依然没有能够实现零噪声的状态，所以在进行车牌识别是还是有一定的影响的。3.课题途径及步骤本课题主要利用智能交通系统是通过车辆检测装置对过往的车辆进行检测，提取相关的交通数据，主要识别汽车的车牌牌照，并根据计算结果自动完成汽车身份的识别。针对不同的识别目标状态，采用：基于汽车牌照区域颜色特征的车牌定位方法；基于小波分析与数学形态学的车牌定位方法；基于模糊集理论的车牌定位方法；基于BP神经网络的数字识别算法等来完成对汽车车牌的检测与识别。在此基础上，使用Matlab进行算法的仿真与实验，测试算法对于各种环境下的识别效果，逐步完善以提高识别效率与准确率。课题实施主要分为：资料收集及当前研究现状分析、车辆检测、图像采集、车牌识别、实验与仿真等几个阶段。4.可能遇到的问题及应变措施（1）问题：图像相关理论及研究较为薄弱，缺乏图像工程开发的实际经验拟采取措施：向导师请教，进一步熟悉目标检测、图像识别等算法，掌握Matlab等开发工具。(2)问题：由于基于视觉的系统容易受环境因素影响，如天气条件不佳或光线极强极弱的情况下，系统的识别率将会显著下降。拟采取措施：强化交通图像的预处理工作，尽量使得待处理图像具有较好的对比度，目标与背景差别较为明显，从而为后续处理与识别提供便利。第4页参考文献1王国锋.智能交通发展C./中国公路学会交通工程分会2011年年会论文集.2011:11-17.2WANGHeng,王衡,LUOLimin等.复杂背景下的自适应车牌检测算法的研究C./2013全国计算机网络与通信学术会议论文集.2013:171-176.3陈浩.基于遗传算法的BP神经网络在车牌识别中的应用J.信息系统工程,2014,(5):142-143.4王明华.一种基于彩色纹理特征的车牌定位方法J.佳木斯大