[硕士论文精品]车辆违章系统的设计与实现

中文摘要III宣IIIIIIIIIIIIIIIIITILLLIIII宣IIIIIIIIIIIIIIIII中文摘要车辆违章系统是基于车牌识别LICENSEPLATERECOGNITION，LPR技术下开发设计而成的。本系统可以实现对违章车辆的照片进行处理，识别出违章车辆的牌照。通过识别出的违章车牌系统可以搜索到车辆的其他相关信息，管理员可以及时更新车辆的违章信息，实现车辆的即时管理。驾驶员可以登陆相关网站查询到车辆的违章情况。所以本系统是集车牌识别，车辆管理及在线查询于一体智能化违章车辆管理系统。车牌定位是车牌识别的关键技术之一，应用与基于颜色特征的车牌定位方法。进行车牌定位前，先将车牌进行灰度化处理，然后采用边缘检测技术对车牌进行定位。车牌字符识别是车牌识别中最关键的部分。进行字符识别前要对车牌进行字符分割，对定位好的车牌进行二值化，然后去除车牌的边框和铆钉，对车牌进行斜度矫正。字符识别方面，采用模板匹配和神经网络相结合的方法对车牌中的字符进行识别，获得了较高的识别率。车辆管理系统的功能主要是方便管理员对违章车辆进行管理，可以将识别出来的违章车辆信息进行及时的更新，并能查看车辆的当前情况。在线查询系统主要是为了用户及时方面的掌握车辆的违章信息，本系统为用户提供了多种查询方式。通过采集多种真实牌照进行实验，结果表明本系统识别准确性高，易于维护并有很强的应用性。关键词车牌识别；车牌定位字符识别；车辆管理在线查询黑龙江大学硕十学位论文LABSTRACTVEHICLEVIOLATIONSYSTEMSISBASEONLICENSEPLATERECOGNITIONLPR。THISSYSTEMCONSISTSOFLICENSEPLATERECOGNITION，VEHICLEMANAGEMENTANDONLINEQUERYCOMPOSEDOFTHREEFUNCTIONALMODULESATYPICALLICENSEPLATERECOGNITIONSYSTEMSTYPICALLYINCLUDEIMAGEPREPROCESSING，VEHICLELICENSEPLATELOCATION，CHARACTERSEGMENTATIONANDCHARACTERRECOGNITIONINFOURPARTS，THISPAPERSTUDIESTHETWOLICENSEPLATELOCATIONANDCHARACTERSEGMENTATIONPARTOFTHEALGORITHMANDIMPLEMENTATIONLICENSEPLATEIDENTIFICATIONLICENSEPLATEPOSITIONINGISONEOFTHEKEYTECHNOLOGIES，TOVEHICLELICENSEPLATELOCATIONBEFORETHEFIRSTGRAYLICENSEPLATEFORTREATMENT，ANDTHENUSEEDGEDETECTIONTECHNOLOGYTOLOCATELICENSEPLATE，THELASTUSEOFTEMPLATEMATCHINGANDLINEARTRANSFORMATIONCOMBINATIONOFPOSITIONINGTHEIMAGEOFTHELICENSEPLATETORAISEVEHICLELICENSEPLATELOCATIONANDACCURATELICENSEPLATERECOGNITIONLICENSEPLATERECOGNITIONISTHEMOSTCRITICALPARTCARRIEDOUTBEFORECHARACTERRECOGNITIONFORCHARACTERSEGMENTATIONOFLICENSEPLATE，FORPOSITIONINGTHEVALUEOFAGOODLICENSEPLATEFORTWO,THEVERTICALPROJECTIONALGORITHMWITHTHELICENSEPLATESIZEOFAPRIORIWAYTOTHECOMBINATIONOFLICENSEPLATECHARACTERSEGMENTATIONCARRIEDOUTTHEMAINFUNCTIONOFVEHICLEMANAGEMENTSYSTEMISTOFACILITATETHEADMINISTRATORTOMANAGETRAFFICVIOLATION，INFORMATION，ANDCALLVIEWTHEVEHICLES，THECURRENTSITUATIONONLINEQUERYSYSTEMISMAINLYTOCUSTOMERSINATIMELYGRASPOFTHEVEHICLEILLEGALINFORMATION，THESYSTEMPROVIDESUSERSWITHAVARIETYOFQUERIESBYCOLLECTINGAVARIETYOFREALLICENSEEXPERIMENTALRESULTSSHOWTHATTHESYSTEMIDENTIFYHIGLLACCURACY,EASYTOMAINTAINANDHAVEASTRONGAPPLIEDKEYWORDSLICENSEPLATERECOGNITION，LICENSEPLATELOCATION，CHARACTERSEGMENTATION，CHARACTERRECOGNITIONVEHICLEMANAGEMENT；ONLINEQUERY独创性声明独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得黑龙江大学或其他教育机构的学位或证书而使用过的材料。学位论文作者签名曼互羽和签字日期Z伽可年殷月日学位论文版权使用授权书本人完全了解墨蕉延太堂有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权墨蕉延态堂可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段保存、汇编本学位论文。学位论文作者签名曼互拘导师签名磊皇、宝签字日期苏昀年I工月日签字日期爱神9年版月日第1章绪论第1章绪论11课题背景及研究意义随着我国国民经济的快速增长，人民生活水平的不断提高，城市的机动车拥有量急剧增长，至2009年8月底，我国机动车保有量为180018512辆。其中，汽车含三轮汽车和低速载货汽车71856993辆，摩托车92387571辆。从统计情况看，全国机动车保有量达到18亿辆，并且以每年10以上的速度增长。交通问题已经成为城市管理工作中的重大社会问题，阻碍和制约着城市经济建设的发展，因此智能交通管理系统的设计和实施受到大众和政府的重视。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巨大转变，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、监测中解放出来，而且能够大大提高其精确度，汽车牌照自动识别技术就是在这样的背景与目的下进行开发的。汽车牌照自动识别技术在现代交通发展中倍受关注，是制约道路交通智能化、现代化的重要因素。车牌识别技术VEHICLELICENSEPLATERECOGNITION，VLPRTL】是计算机视觉和模式识别技术在现代智能交通系统中的一项重要研究课题，是实现交通管理智能化INTELLIGENTTRANSPORTATIONSYSTEMS，ITSL21的重要环节。目前世界各国都在进行适合于本国汽车牌照的自动跟踪识别研究，美、日、韩等国现在已经有了一些相应的系统问世，引进这些系统不仅费用高而且由于各国车牌和实际的交通环境不同，引进的系统无法满足我国城市交通的需求，所以对交通智能化的研究成为我国目前高科技领域的热门课题，同时，交通智能化的实现对抑制交通犯罪和促进城市现代化建设均有重大意义。车牌违章管理系统是在车牌识别技术基础上建立起来的具有查询和管理功黑龙江大学硕士学位论文IJAILIIIIIIIIIIIII能的系统，以数字图像处理、模式识别、计算机视觉、数据库管理，查询等技术为基础的系统，它利用每一个汽车的车牌号码都是唯一的，通过摄像机或电子眼所拍摄的违章车辆的图像进行车牌号码的识别。在不影响汽车正常运行状态的情况下，计算机能够自动完成车牌的识另IJ，可以降低交通管理工作的复杂度。并能够将识别后的数据加以分析整理，而且可以做到对有效信息及时进行反馈。车牌违章管理系统可以在车辆自动识别，高速公路上的事故自动测报，停车场车辆管理【2L，汽车防盗，稽查和追踪车辆违法、违规行为，维护交通安全和城市治安，防止交通堵塞，提高收费路桥的服务速度，缓解交通紧张状况等方面有重要作用，因此本系统有重要的现实应用意义。12国内外研究现状现在国内外有很多有关于图像识别技术的软件系统，但其造价昂贵，识别速度缓慢，识别误差较大，不适用于经常出现的交通问题。因此国内外许多高校和科研院所致力于对汽车牌照的识别研究。近年来，随着计算机硬件的飞速发展，识别算法也在不断进步，下面仅列出其中最具代表性的几项研究。1美国的GRANIERI等提出了一种基于模板匹配的车牌字符识别方法【31，只需提取字符区整体特征，避免了分割，能有效地完成低解析度和模糊的车牌字符，但时间太长。2上海交通大学的王海龙、戚飞虎41将基于聚类法的协同神经网络应用于车牌中字符的识别。3浙江大学的沈会良和李志【5J能提出了一种利用线性矩和小波变换提取牌照字符中的数字、字母特征的方法，实验证明识别率达到9R7。字符识别是车牌识别过程中最后一个也是最关键的一个步骤，到目前为止已经存在多种方法，一般的方法都需要庞大的样本数据和复杂计算。针对上面列出的几种方法，我作了一下分析、归纳，其中第1章绪论1传统的模板匹配的算法能够很好的识别字符【61，由于字符集合较小，所以该方法对于有轻微变形、笔划缺损、污迹干扰的字符图像有较好的识别率，总体识别率超过90，同时也可以满足实时性的要求。但是存在的问题就是因为对一个字符，选择一个特定的模板去进行匹配，所以在特殊车辆识别容易产生错误。2利用字符的笔画特征和结构知识对汽车牌照中的字母和数字进行识别的方法171，可以识别有较大旋转、变形、缩放的字符图像，该方法识别速度快，不受字符图像大小的影响，适应性较强，在正确分割字符的基础上识别成功率达95以上，但该方法需要进行复杂的字符笔划分析和抽取，对牌照字符图像质量要求较高。综合近年的文献可以看到，在车辆牌照识别系统的研究领域出现了许多切实可行的识别技术和方法，新理论的提出与应用给车牌识别带来新的突破，从这些新技术和新方法中可以看到两个明显的趋势一、单一的预处理和识别技术都无法达到理想的效果，多种方法的有机结合才能使系统的有效识别能力提高；二、在有效和实用的原则下，结合神经网络和人工智能的新技术的应用是一个研究方向，它将为智能交通管理系统在公路建设和管理中的普及打下基础。近几年国内的智能交通系统在研究上也有所突破1武汉理工大学的张腊梅，明平顺将交通信息采集技术【8】，数据通讯传输技术，电子控制技术和计算机处理技术等综合应用到了管理交通和车辆问题上，提出了面向城市的智能交通管理系统。该系统虽然功能强大，但软硬件设施要求较高，对各子系统响应时间要求过高，使用范围不广泛。2、北京电子信息技术研究中心的朱月琴针对我国城市交通特点采用视频监控和环行线圈等技术191，通过局域网，无线广播等灵活的信息提供方式有效解决交通问题的城市智能交通管理系统。但是该系统需要数据量过大，系统的应用有一定的局限性。总之，近年来在车辆牌照识别系统的研究领域出现了很多切实可行的识别黑龙江大学硕士学位论文IIIIIIIIIIIIIIIII技术和识别方法，车牌识别的理论日趋成熟了，算法的识别率也有了很大提高，但是识别率和识别速度在满足实际需求时不能够达到同步，另外受到很多外部因素的影响如工业摄像机，计算机硬件等的限制，所以对于实用的车牌识别技术还有待进一步研究。13车辆违章系统本系统是由采用计算机视觉技术建立的车牌识别系统和后台管理以及车辆在线查询系统三个部分组成，如图I1所示。图II车辆违章系统框图FIGI1LICENSEPLATERECOGNITIONSYSTEMDIAGRAM1、车牌识别系统如图II所示，车牌识别部分包括车辆图像采集、图像预处理、车牌定位、字符分割、字符识别、输出识别结果6个步骤。本课题对车辆牌照自动识别技术的研究包括四个环节图像预处理，车牌定位，字符分割和字符识别。其中图像预处理包括图像的灰度化、图像的灰度拉伸、图像的二值化【LOL、图像的剃度锐化、图像的去噪、图像的倾斜矫正1111；车牌定位【13L就是从包含整个车辆的图像中找到牌照区域的准确位置，送入下环节；字符分割包括车牌字符尺寸第1蕈绪论归一化、字符紧缩重排；字符识别基于字符特征提取，利用模式识别技术识别出牌照上的字符。2、管理系统管理系统是进行信息的采集、存储、加工、维护和使用的系统。它要求实现车辆档案管理、车辆违章管理、车辆事故管理、系统管理等几大功能。具体功能如下车辆档案管理对车辆的档案进行增加、修改、删除等功能。车辆违章管理系统提供全部的车辆档案，记录违章司机、违章车辆，记录违章的原因等细节。同时可以删除和修改。系统管理可是初始化系统，恢复和备份数据库等全部操作。本管理系统主要任务是将车牌识别系统识别出的有效信息存放于数据库中。3、基于BS结构的在线查询系统在线查询系统主要功能是帮助用户及时有效的掌握车辆的相关情况，车辆情况包括车牌号码、车主姓名、车辆型号、报废时间、违章事故信息。本系统提供以下几种查询方式按车号查询输入车牌号，查询相关信息按姓名查询输入车主姓名，查询相关信息按企业查询输入企业名称，查询下属所有车辆信息14论文的主要工作本文在广泛阅读了国内外现有的车牌识别和只能交通管理的文献后，比较借鉴了现有的成功的，效率较高的车牌识别所采用的算法，将车牌识别，后台数据库管理以及前台用户查询结合起来，研究了一个集车牌识别，车辆管理，信息查询集一体的车辆违章系统，本文主要工作如下黑龙江大学硕上学位论文IIII1车牌图像预处理。研究车牌定位与分割法，利用边缘检测与线扫描相结合的车牌定位方法，实现车牌的准确、快速定位。对车牌图像二值化、倾斜校正、去除边框及铆钉。然后根据车牌字符都具有固定宽度和间距这一特点，拟提出一种垂直投影与车牌尺寸先验知识相结合的车牌字符分割方法，取得较好囊勺分割效果。为后续的车牌识别打下基础。2字符识别的研究。分析总结了各种常用的车牌字符识别方法，根据实时性的要求，将牌照上的字符分为汉字、字母和数字两大类，拟设计两类分类器分别对汉字、字母和数字进行识别。对于汉字，采用支持向量机的识别方法；而对于字母和数字，通过对字符的结构知识和笔画类型进行分析，提出一种基于字符形态的识别方法。3识别算法的实现与数据库建立。本系统采用VC语言作为前台，并使用结构化的编程思想实现车牌识别系统的算法，本系统后台采用SQL数据库为作为开发平台，将提取后车牌信息按字母或数字升序排列并存于相应数据库表中，并存入该车车辆的其他信息。4管理与查询。管理系统是基于VC平台下的CS结构，方便管理员对车辆信息进行管理与更新。查询系统是采用J2EE开发的基于用户查询的BS结构，目的是可以方便用户及时有效的了解车辆的违章信息。第2章车牌识别技术第2章车牌识别技术车牌识别是通过引入数字摄像技术和计算机信息管理技术，采用先进的图像处理、模式识别和人工智能技术，通过对图像采集和处理，获得更多的信息，从而达到更高的智能化管理程度。所以，车牌识别系统是计算机图像处理与字符识别技术在智能化交通管理系统中的应用。车牌识别系统一般可分为车辆图像获取，车辆牌照子图像定位与分割，字符识别OCR3大部分。如图21所示。图21车牌识别系统流程图FIG21LICENSEPLATERECOGNITIONSYSTEMFLOWCHAR在第一部分图像捕获与获取中，主要通过CCD摄像头与计算机的视频捕获卡直接相连来完成图像采集，可以实时在监控图像中抓到含有车辆的图像。该部分功能可调用视频捕获卡所提供的工具获得，因此车牌识别关键在于第二步和第三步。21图像预处理在实际应用中，由于拍摄环境的多变性，在自然条件下摄取的车牌往往存在各种各样的噪声和干扰，这样就使得车牌定位问题变得复杂，进而影响字符的分割和准确识别，因此，必须对原始图像进行预处理，以改善图像质量，提高字符识别率。车牌识别中的预处理包括图像增强，二值化【13】和噪声去除。黑龙江大学硕士学位论文211图像增强在车牌自动识别系统中车辆图像是通过图像采集卡将行驶中的的车辆图像抓拍下来的。这时的车辆数字图像虽然没有被人为损伤过，但在实际道路上行驶的车辆常会因为各种各样的原因使得所拍摄的车辆图像效果不理想，如外界光线强弱对车牌的不均匀反射、光线在车牌处形成阴影、摄像机快门值设置过大而引起的车辆图像拖影、摄像头聚焦或后背焦没有调整到位而形成的车辆图像不清晰、由于视频传输线而弓起的图像质量下降、所安装的车牌不规范或车辆行驶变形等等。这些问题都不利于字符的准确分割，为此我们进行图像增强。目前用于车牌图像增强的方法有中值滤波、直方图均衡、灰度拉伸、同态滤波、高斯滤波、多图像平均、邻域平均、收缩膨胀法等方法。图像增强可以在频域中进行，也可以在空域中进行。前者是基于进行图像傅立叶变换的基础上进行的，后者在图像平面中直接处理像元的亮度值。212图像二值化图像的二值化是指将二十四位真色彩图像转换为只有两级灰度黑白的图像。在车牌自动识别技术的研究过程中，图像的二值化处理是非常关键的一步，即用一个字节表示一个像素点，二值化的效果将直接影响到后面的车牌定位以及字符切分和识别。这对提取字符特征来说仍是困难的，需要进一步将灰色图像转化为黑白二色图像，这个转换过程就称作二值转换。二值转换的关键是要确定一个合适的阈值14L,将各个像素的灰度值与这个阈值进行比较，如果大于阈值贝LJ该值取255，小于阈值该值取0。目前，在车牌识别系统中常用的灰度二值化算法主要包括全局动态二值化和局部自适应二值化，另外也出现了一些针对车牌图像的特殊二值化算法。下面将逐一介绍基于灰度的三种阈值算法。8第2章车牌识别技术213噪声去除所谓噪声是指图像在拍摄或者传输过程中因受到某种干扰使图像各部分之间明暗程度不一致，数字化过程或传输过程中的误差及人为因素，或者由于光照过强或过弱导致数字图像的灰度只能在很小的范围中变化，这些都影响图像的质量，使图像模糊，甚至淹没特征，给分析带来困难，往往不能满足图像检测和识别的需要。进行中值滤波之后就可以去掉这些噪声，同时还实现了图像的平滑。中值滤波方法旧是种非线性的图像平滑方法，它被用来抑制图像中的噪声，其原理非常简单，它是采用一个含有奇数个像元的滑动窗口在图像上进行扫描，把窗口内包含的图像像素按灰度级升或降序排列起来，然后取灰度值居中的像素灰度来代替窗口中心点像素的灰度值。由于它不依赖于邻域内那些与典型值差别很大的值，不是简单的取均值，所以它在去除脉冲噪声、椒盐噪声时，产生的模糊比较少，能较好地保留图像的边缘细节。22车牌定位准确的在一幅照片上定位出车辆的车牌是车牌定位的首要条件，室外拍摄的照片背景往往比较复杂，由于角度，光线等问题给牌照定位和分割增加了很大难度目前车牌定位分为基于灰度图像定位和基于彩色图像定位两类【16，171。221车牌特征概述1、车牌区域内的边缘灰度直方图统计“特征“。车牌区域内的边缘灰度直方图具有两个明显且分离分布中心。2、车牌的几何特征，即车牌的高、宽、高宽比在一定范围内。黑龙江大学硕士学位论文|LLILIDIIIIIIIIIIIIIIIIIIIIII3、车牌区域的灰度分布特征，穿过车牌的水平直线其灰度呈现连续的峰、谷、峰的分布。4、车牌区域水平或垂直投影特征。车牌区域水平或垂直投影呈现连续的、谷、峰的分布。5、车牌形状特征和字符排列格式特征。车牌有矩形边枢，字符位于矩形框中且有间隔。6、频谱特征，即对图像做行或列韵DFT变换。其频谱图中包含了车牌的位置信息。222定位方法根据不同的实现方法，大致可以把现有的定位方法分为三类直接法、神经网络法和基于矢量量化的方法。1、直接法这类方法直接分析图像的特征，例如，可以根据牌照区域中灰度或颜色变化频率较高来确定牌照区域，或者是通过模板匹配的方法来寻找牌照的四个角，然后通过牌照区域的灰度变化频率较快来确认，这种方法识别速度快，但是只是理论成立都没有给出具体详细的做法。也可以采用如下算法，该算法的研究对象主要是图像中同一条水平采样线上的灰度。首先用SOBC算子对采样的线进行处理，得到采样线的边缘轮廓。对方边缘轮廓作为以下处理。1去掉负值部分。2去掉小的峰值点。峰值如果小于某一阈值，就认定这一点为噪声。在剩下的峰值点中，如果存在一些点，他们之间的距离在一定范围内，个数也达到了一定的界限，就认为这条采样线穿过牌照，这些点所在的区域是牌照区域。在这条采样线的上下继续搜索，就可以定位整个牌照区域。第2牵车牌识别技术2、神经网络法林永神经网络法的方法定位牌照也是一类较为常见的方法，有人提出利用BP网络定位牌照，也有人提出利用DTCNNDISCRETETIMECELLULARNEURALNETWORK，离散神经细胞的动态网络实现和模糊逻辑结合的方法。还可以利用TOMQMCDELAYNEURALNETWORK确定牌照区域，其基本思路是首先利用神经网络对图像中的一个个小窗口进行分类，然后对分类结果进行综合，从而得到牌照的准确定位。3、基于矢量量化的牌照定位方法最近出现了一种基于矢量量化的牌照定位方法。这种方法主要有一下几个优点1在对牌照定位的同时进行了图像的压缩2对图像的处理不是以像素为单位，而是以块为单位，提高了处理的速度。3容易识别图像中没有牌照的情况。23车牌字符识别231车牌识别特点车牌字符识别【18】是字符识别的重要组成部分。车牌字符识别的最终目的就是将图像中的车牌字符转变成文本字符，车牌字符的识别属于印刷体识别的范畴。车牌字符识别系统与其它字符识别系统相比有其自身的特点，主要体现在以下几个方面1、字符集小。车牌上出现的汉字字符只包括全国各省、直辖市、自治区和部队、武警、公安的简称，再加上25个英文字母以及10个数字，字符类别不超过100类，与其他的OCR系统相比，字符类别相对较少，只是其中的很黑龙江大学硕士学位论文I小一部分。1汉字部分包括京、津、晋、冀、蒙、辽、吉、黑、沪、苏、浙、皖、闽、赣、鲁、豫、鄂、湘、粤、桂、琼、川、贵、云、藏、陕、甘、青、宁、新、渝、挂、警、消、边、学、特、使、领、港、澳J2数字部分包括O，1，2，3，4，5，6，7，8，9；3字母部分包括A，B，C，D，E，F，G，H，J，K，L，M，N，O，P，Q，R，S，T，U，V，W，X，Y，Z。字母中的“I“不用，以避免和数字中的“L“混淆。字母“O为省级公安厅专用车牌，只位于车牌字符序列中的第二位2、字符点阵分辨率低。由于是在整幅汽车图像中分割出车辆牌照，字符区域往往占很小的区域。受摄像机分辨率的限制，字符所占的像素就比较少，其高度一般不超过40像素。这样的分辨率对于英文字母和数字字符而言还比较容易处理，但对于复杂度较高的汉字来说则可能导致特征信息丢失过多，并造成笔画的粘连，给识别带来困难。3、环境因素影响大。通常，OCR系统的工作环境是在室内，光照条件较好且稳定，字符整体效果好。而车牌识别系统需要在室外全天候工作，光照条件时常发生变化，并且受天气状况的影响，各种干扰也不可预测，导致实际采集到的车牌图像中字符的大小、粗细、位置及倾斜度都不相同。另外，牌照的清晰度、光洁度、新旧底色及光照背景等因素都可能导致采集到的图像质量较差，如字符模糊、畸变甚至字符笔画断裂等，因而要求所采用的识别方法具有很强的抗干扰性和环境适应性。4、实时性要求。鉴于车牌自动识别系统的应用领域是智能交通管理，它要求能对驶过的车辆进行及时地采集图像、处理图像、牌照识别和自动数据库登录等一系列操作，实时性的要求高于其它OCR系统。以上四个特点中只有第一个特点对字符识别是有利的，后面三点使得字符第2章车牌识别技术识别实现起来非常困难。字符识别虽然有较成熟的理论和应用，但是由于车牌字符识别所具有的特殊性，要正确识别在各种情况下的牌照字符还有一定难度。232车牌识别技术综述对车牌字符识别，与通用的OCR识别方法类似。目前用于车牌字符识别OCR中的算法主要有两种，一种是基于模板匹配的OCR算法以及基于人工神经网络的OCR算法。1、基于模板匹配的OCRLL9L基本过程首先，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的模板大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果。但是任何有光照、字符清晰度和大小的变化都会影响模板匹配的正确率，在实际应用中为了提高正确率往往必须使用大的模板或者多个模板进行匹配，而处理时间则随着模板的增大以及模板个数的增加而增加。基于关键点的模板匹配算法对传统模板匹配算法做了改进，此算法先对待识别字符进行关键点提取，即对字符进行拓扑分析以得到字符边缘的关键点，人后对关键点取噪，最后再确定字符分类，使用关键点进行模板匹配有效的减少了模板中像素点的个数。只利用字符的关键点机型模板匹配，既提高了识别速度，又具有较高识别率。就车牌字符识别而言，简单模板匹配法首先要建立三个模板库汉字库、字母库、数字库，然后将车牌上分割好的字符图像与字符库中的字符图像进行匹配运算。2、基于人工精神网络的OCR用人工神经网络14】进行字符识别主要有两种方法一种方法是先对待识别的字符进行特征提取，然后用所得的特征来训练神经网络分类器，这种网络的识别效果与字符特征的提取有关，而字符的特征提取往往比较耗时，因此，字黑龙江大学硕士学位论文1符特征的提取就成为研究的关键。例如有的文献中使用由6个多层感知器MULTILAYERPERCENTION构成的神经网络来进行车牌字符识别，在特征提取上提出二值线性变换BINARIZATIONLINEARTRANSFORM方法以减少输入特征向量，另外改善网络结构以提高识别速度，另一种方法则充分利用神经网络特点直接包待处理图像输入网络，由网络自动实现特征提取直至识别。这种网络可连较多，待处理信息量大。有人提出使用一种前馈神经网络孙附进行识别，这种方法无需特征提取和模板匹配，由网络自动识别字符。同时，对相似文字的强化训练可提高对细节的敏感度。神经网络所具有的信息分布式存储、大规模自适应并行处理，以及高度的容错性等特点是它们用于模式识别的基础，特别是其具有学习能力和容错能力。对不确定模式识别具有独到之处。24本章小结通过上面的综述，我们可以了解到车牌识别的重点在于车牌定位和字符识别两部分这两方面的技术目前已经基本成熟，但识别算法的优化，识别准确度的提高，识别效率等问题还应寻求更高目标。第3章车牌图像定位的算法R卜实现第3章车牌图像定位的算法与实现车牌定位就是能够在车辆图像中准确找出汽车牌照所在的位置，并将车牌从该区域准确分割出来。定位的准确与否直接影响到后续字符分割和字符识别的准确率，决定了整个系统的性能，因此车牌的准确定位十分重要。31车辆牌照特征311车辆牌照类型我国现有牌照主要有以下六种类型L小型汽车所用的蓝底白字号牌；2大型汽车所用的黄底黑字号牌；3军用或警用的白底黑字、红字号牌；4国外驻华机构用的黑底白字号牌；5摩托车号牌，前220MM长95MM宽；后220M们口长，140MM宽；6农用运输车、拖拉机号牌。前五种车牌的前牌长度均为440MM，宽度为140MM，每个字符宽度为45，字符高度为90，间隔符宽10，字符间隔12，整个车牌的宽高比近似为31。车牌的边缘是线段围城的有规则的矩形，大小变化有一定的范围，存在最大长度和宽度。共有7个字符需要我们识别。一般民用牌照第一个字符是汉字，汉字表示的是各省、自治区、直辖市的简称，如“黑“、“京”、“粤”等。第二个字母是大写英文字母，是发证机关代号，如“A”、“B”、“C”等。第三到第七个字符则表示的是车辆的注册编号，由于公安部近日发布了新修订的机动车登黑龙江大学硕士学位论文记规定，机动车所有人可以通过计算机自动选取或者按机动车号牌标准规定自行编排的方式获取机动车号牌号码，所以第三到第七个字符可能是英文字母，也可能是阿拉伯数字。如“黑AH9268“是最典型的车牌号码，“黑A26D26就是自行编排的车牌号码。312车牌字符及比例特征标准车牌除军用车、警车、教练车、外交车含有七个字符。它们基本呈水平排列字符不含边框的总长度为409MM，其中单个字符的统一宽度为45MM，高度为90MM，在第二和第三个字符之间间隔为34MM，其余的字符间距都为12MM。标准车牌首位为汉字，共有31个字符不包含军、警车；第二位位为英文字母除去字母“L”，共有25个英文大写字母；最末三到七位为英文字母或阿拉伯数字O到9字母除去“L和“O”，共有34个字符。英文字母中的I和0不用是为了避免和数字中的L和0冲突，因为二者在轨迹上相近，不易区分。标准车牌的具体排列格式是X1X2LX3X4X5X6X7，XI是各省直辖市的简称或军警，X2是英文字母，X3X4是英文字母或阿拉伯数字，X5X6X7是阿拉伯数字。除第一个汉字外，字母和数字的笔画都是连通的。由规定的车牌物理尺寸可以得到车牌的一些重要的比例特征车牌的宽高比RPLATE440140314车牌字符间距比RCHARSP4512375车牌字符宽高比RCHAR90452车牌字符区域宽高比RAREA40990454这些比例特征对于车牌定位和车牌字符分割都有很重要的意义。第3奄车牌图像定位的算法与实现32定位难点车牌图像的定位有如下难点1抓拍图像受环境因素干扰，如环境光，光学成像发生衍射。照片的质量很难保证。2因为其他字符区域的干扰，车牌难以准确定位。3车牌出现污点变脏、笔迹模糊和退色等。4车辆的部分遮挡。5运动图像的模糊失真，形成锯齿中国的车辆牌照一般有三种汉字、英文字母、阿拉伯数字。所以，中国的车辆牌照识别远远难于国外的车辆牌照识别另一方面，牌照具有不同的颜色，主要分黄底黑字、蓝底白字、黑底白字三种，自赋予牌照背景的灰度比也不一致此外，所摄取的车辆图像的质量往往受天气，光照，观察点的影响。汽车速度往往也会对牌照识别有较大的影响，汽车速度超过70公里每小时，拍摄的汽车图像就会产生模糊、扭曲、变形。这些都给车牌的准确定位带来困难。33车牌定位的实现根据车牌的特点，我们总结出提取和分割的关键特征，充分利用这些特征，并结合图像处理，最后进行模糊模板匹配，在匹配到的车辆牌照候选分区加以验证，得到最终唯一确切车辆牌照子图像区域。331灰度化一般摄像头得到含有车辆的图像是24位真色彩图，需转换成灰度图12们，黑龙汀大学硕卜学位论文一方面便于后续的更快速图像处理，另一方面也是对处理多种颜色车牌照进行了统一。灰度化可以采用现行标准平均值法，用G表示灰度化后的灰度值，R、G、B分别表示原真色彩图中的红、绿、蓝分量，有G03R059G011B。332灰度拉伸假设有一副图，由于成像时光照不足，使得整幅图偏暗例如，灰度范围从063，或者成像时光照过强，使得整幅图偏亮例如，灰度范围从200255，这些情况称为低对比度，即灰度都挤在一起，没有拉开。灰度拉伸的意思就是把感兴趣的灰度范围拉开，使得该范围内的像素，亮的越亮，暗的越暗，从而达到了增强对比度的目的。对灰度化的图像进行对比度的拉伸，使图像上边缘更加凸显，这样牌照区域的笔画特征更明前，更有益于下一步的边缘检测。可采用下式对图像进行线性变换来实现咖卜。GGU二抛。一M训，0FX，Y厶，厶NUM结束循环，ELSE字符块宽度WZI_RIGHTI】ZILEFTI4IFWWIDTH3则IIL，分割线正确，继续处理下一分割线，转入3；IFWWIDTH则发生字符粘连，转下步；IFWQEIPROPEAYPROPERTY9DRIVERCLASSNARNE”VALUE”ORG目TMMYSQIDRIVER”PSEOPM阳_LYPROPERTY”URL”VALUEJDPEMYSQLIOCALHOSFFDB_BUS”卢ACTION的映射5、系统运行界面，如图512所示。J24I；。_。53本章小结图512在线系统运行界面FIG5】20NLLNES”TEMOPERATIONINTERFACE本攀主要介绍了车辆管理与在线查询系统的设计与实现，车辆管理主要是针对管理员F发对车辆信息进行维护的系统，町以将识别出的违章的车辆的车号与违章情节及时更新。在线查询系统主要是针对用户的应用程序，方便用户可以及时准确的查询到车辆当前的信息。黑龙江大学硕L学何论文结论本部分内容主要是对前面的工作进行总结和评价，通过总结经验和不足，奠定以后的目标。本文主要的研究重点在于车牌识别，并将识别后的数据进行应用，在车牌识别的研究中本文再继承前人研究成果的基础上，做了一些改进。主要工作内容及结论如下1阅读大量的文献，对车牌识别技术的应用背景和研究意义、车牌自动识别技术的发展和研究现状进行了系统的阐述。从宏观上介绍了车牌自动识别系统的组成、总体设计。2综合利用数字图像处理技术，对采集到的车辆图像进行灰度化、灰度拉伸、二值化、中值滤波等预处理，为后续的车牌识别提供方便。3综合比较了现有定位方法的优缺点，并利用车牌区域边缘的灰度跳变特征，提出了一种边缘检测与线扫描相结合的定位方法。4在字符分割前，先对车牌图像进行了倾斜校正、去除边框及铆钉等预处理。最后根据车牌字符都具有固定宽度和间距这一特点，提出了一种垂直投影与车牌尺寸先验知识相结合的车牌字符分割方法。实验结果表明，本文所采用的车牌分割方法是准确可靠的。该方法简单、运行速度快，取得了较好的分割效果。5设计了两种分类器对汉字、字母和数字进行分类识别。对于汉字，没有采用传统的模板匹配方法，而是研究了支持向量机的识别方法；对于字母和数字，优化了基于字符结构特征的方法，通过对字符的结构知识和笔画类型进行分析，提出一种基于字符形态的识别方法。实验结果表明，这种组合的字符识别方法，既提高了识别率又加快了识别速度满足实时性要求。6用VISUALC程序对车牌识别系统的各模块进行了实现。参考文献参考文献【L】CHANGSL，CHENLS，CHUNGYCAUTOMATICVEHICLELICENSEPLATERECOGNITIONINTELLIGENTTRANSPORTATIONSYSTEMS，IEEETRANSACTIONS，2006，54253【2】THANONGSAKSIRITHINAPHONG，KOSINCHAMNONGTHAITHERECOGNITIONOFCARLICENSEPLATEFORAUTOMATICPARKINGSYSTEMPROCEEDINGSOFTHEFIFTHINTERNATIONALSYMPOSIUMONSIGNALPROCESSINGANDITSAPPLICATIONS，1999，1455457【3】GUPTAMMFUZZYNEURALNETWORKSTHEORYANDAPPLICATIONS【A】PROCEEDINGSOFSPE【C】，2004，2353303325【4】王海龙，戚飞虎基于聚类法的协同神经网络学习算法J】上海交通大学学报，2008，32103941【5】沈会良，李志能基于矩和小波变换的数字、字母字符识别研究【J】中国图像图形学报2006，53249。2526】SDRAGHICIANEURALNETWORKBASEDARTIFICIALVISIONSYSTEMFORLICENSEPLATERECOGNITION【J】INTJONNEURALSYSTEMSS01290657，2007，81L13126【7】邢向华，顾国华基于模板匹配和特征点匹配相结合的快速车牌识别方法【J】光电子技术，20038】张腊梅，明平顺智能交通管理【J】中国智能交通，2006，3【9】朱月琴城市智能交通管理FM】北京清华大学出版社，2007【10】郑南宁，张西宁，戴莹行使车辆牌照自动识别系统【J】西安交通大学学报，2001，14353【11】郭勇，吴乐南行驶车辆的牌照识别系T究J电子工程师，2000，113741【12】董慧颖，曹仁帅汽车牌照自动识别系统中字符分割算法研究【J】沈阳工业学院学报，2005，22413【13】富煜清，沈巍，黄心哗汽车牌照的提取方法研究【J】模式识别与人工智能，2006，133345348黑龙江大学硕十学位论文D4NOSTUATHRESHOLDSELECTIONMETHODFROMGRAYLEVELHISTOGRAMSJIEEETRANSSVST，MANCVBERNET2000，SMC96266【15】王慧琴数字图像处理【M】北京北京邮电大学出版社，200698100【16】张玉庆智能交通系统中车牌定位问题的研究【D】哈尔滨工程大学硕士学位论文，20032223【17】陶军车牌识别技术研究与实现【D】南京理工大学硕士学位论文，20041112181郑霞车牌照识别关键技术研究D】西北大学硕士学位论文，20043738【19WEIWUANAUTOMATICSYSTEMOFVEHICLENUMBERPLATERECOGNITIONBASEDONNEURALNETWORKSJJOURNALOFSYSTEMENGINEERINGANDELECTRONICV0112，NO2，20016372【20龚声蓉，刘纯平，王强等数字图像处理与分析【M】北京清华大学出版社，20062647【2L】刘国峰，辛晓辉车牌定位常见技术介绍与分析【J】电脑知识与技术，2006，8】05】07【221JOECHPOON，MUFFADDALGHADIALI，GARYMTMAN，ETA1AROBUSTVISIONSYSTEMFORVEHICLELICENSEPLATERECOGNITIONUSINGGRAYSCALEMORPHOLOGYCINPROCEEDINGSOFTHEIEEEINTERNATIONALSYMPOSIUMONINDUSTRIALELECTRONICS，NJ，USA，L995394399【23T良红，王锦玲改进的HOUGH变换在校正汽车牌照倾斜中的应用【J】信息与电子工程，2004，214548【24】刘明军，谢宏霖，孙雪松车牌字符分割算法的比较研究【J】济南大学学报自然科学版，2006，203245248【251凌彤辉，黄山，王新增等车牌字符分割算法的研究J】中国测试技术，2005，14143【26】邵玉芹图像处理技术在车牌识别中的应用研究【D】合肥工业大学高校教师硕士学位论文，20074647【27】郑霞车牌照识别关键技术研究【D】西北大学硕士学位论文，20043738S2参考文献IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII暑IIIIIIII【28刘静几种车牌字符识别算法的比较【J】电脑与电信，2008，83436【291魏武，黄心汉等基于模板匹配和神经网络的车牌字符识别方法【J】模式识别与人工智能，2001，141123126【30】马俊莉，莫玉龙，王明祥一种基于改进模板匹配的车牌字符识别方法【J】小型微型计算机系统，2003，249102105【31】韩力群人工神经网络教程M】北京北京邮电大学出版社，20065，5875【32】ERICWBROWNAPPLYINGNEURA