基于圖像處理技術(shù)的汽車(chē)牌照識別系統設計

引言

智能交通系統的研究領(lǐng)域十分廣闊，各國各地區的側重點(diǎn)也有所不同。如：電子收費系統是ITS在公路收費領(lǐng)域的具體表現，可解決收費站的“瓶頸”制約，較好地緩解收費站的交通擁擠、排隊等候以及環(huán)境污染等問(wèn)題。為了滿(mǎn)足這些需求，十分有必要在智能交通管理系統引入車(chē)輛牌照自動(dòng)識別技術(shù)。

汽車(chē)牌照是車(chē)輛最清晰、準確、唯一的標志。車(chē)輛牌照識別(Vehicle License Plate Recognition，簡(jiǎn)稱(chēng)VLPR)系統作為一個(gè)專(zhuān)門(mén)的計算機視覺(jué)系統，它能夠自動(dòng)拍攝車(chē)輛行進(jìn)中的動(dòng)態(tài)數據，有效判斷和提取有車(chē)牌的圖像數據，并實(shí)時(shí)準確的識別出車(chē)輛牌照上的字符。

1 汽車(chē)牌照自動(dòng)識別系統的實(shí)現流程

一個(gè)完整的汽車(chē)牌照自動(dòng)識別系統主要分為圖像采集，圖像處理，車(chē)牌定位，字符分割，字符識別等幾個(gè)部分。圖1所示是一個(gè)汽車(chē)牌照自動(dòng)識別系統的主要工作流程圖。

1.1 圖像采集與處理

圖像采集目前主要采用專(zhuān)用攝像機連接圖像采集卡，或者直接連接便攜式筆記本進(jìn)行實(shí)時(shí)圖像采集，同時(shí)將模擬信號轉換為數字信號。圖像處理主要是對采集的圖像進(jìn)行增強、恢復、變換等處理，目的是突出車(chē)牌的主要特征，以便更好地提取車(chē)牌區域。

1.2 車(chē)牌定位

從人眼視覺(jué)的角度出發(fā)，同時(shí)根據車(chē)牌的字符目標區域特點(diǎn)，在二值化圖像的基礎上，可以提取其相應的定位特征。這從本質(zhì)上說(shuō)，就是一個(gè)在參量空間尋找最優(yōu)定位參量的問(wèn)題，它需要用最優(yōu)化方法予以實(shí)現。一般可計算邊緣圖像的投影面積，尋找峰谷點(diǎn)，大致確定車(chē)牌位置，再計算此連通域內的寬高比，剔除不在域值范圍內的連通域，最后得到的就是車(chē)牌區域。車(chē)牌定位是車(chē)輛牌照自動(dòng)識別系統中的關(guān)鍵和難點(diǎn)，實(shí)際圖像中的噪聲、復雜的背景等干擾都會(huì )給定位增加困難。車(chē)輛牌照的分割是一個(gè)尋找最符合牌照特征區域的過(guò)程。

車(chē)牌檢測定位方法包括圖像預處理，車(chē)輛牌照粗定位，車(chē)輛牌照精確定位等幾個(gè)組成部分。圖2所示是本系統的車(chē)牌定位流程圖。

圖像預處理部分的功能是將已經(jīng)變成電信號的信息加以區分，同時(shí)去除信號中的污點(diǎn)、空白等噪聲，并根據一定準則除掉一些非本質(zhì)信號，再對文字的大小、位置和筆劃粗細等進(jìn)行規范化，最后簡(jiǎn)化判斷部分的復雜性。

車(chē)牌照粗定位部分將給出若干個(gè)待進(jìn)一步判斷識別的候選車(chē)牌區域，如果候選區域的個(gè)數為零，則說(shuō)明本幅圖像不含車(chē)牌，也就不用進(jìn)行下一步的識別。

車(chē)牌照精確定位就是對車(chē)牌候選區域進(jìn)行分類(lèi)，以判斷哪一個(gè)是真正的車(chē)牌區域并給出車(chē)牌區域的坐標。

1.3 車(chē)輛牌照的字符分割

車(chē)輛牌照的字符分割是把經(jīng)過(guò)定位后的車(chē)牌區域切分成若干個(gè)子區域，每一個(gè)子區域包含一個(gè)字符。字符分割的任務(wù)是把多行或多字符圖像中的每個(gè)字符從整個(gè)圖像中分割出來(lái)，使其成為單個(gè)字符。

對于一般的字符識別來(lái)說(shuō)，其識別過(guò)程是從輸入的待識別字符(樣本)點(diǎn)陣圖形中提取描述該字符的特征，再根據一定準則來(lái)判定該樣本所屬的模式類(lèi)別。因此，字符描述、特征提取與選擇、分類(lèi)判決等是字符識別的三個(gè)基本環(huán)節。

.

2 車(chē)牌字符的識別

字符識別是車(chē)牌照識別系統的最重要的組成部分，該部分需要對圖像采集，圖像處理，車(chē)牌照定位，字符切分所得到的結果進(jìn)行識別處理，以最終得到車(chē)輛牌照的字符。

本文論述的車(chē)輛牌照字符識別方法分為字符圖像預處理、特征提取、分類(lèi)器設計等部分。

2.1 字符圖像預處理

字符圖像預處理就是對輸入的字符圖像進(jìn)行處理，以使其變成某種特定的標準形式，使后續的特征提取和字符識別更容易進(jìn)行。其主要功能有兩點(diǎn)：一是消除圖像中的噪聲，修正圖像斷線(xiàn)或粘連現象;二是通過(guò)各種線(xiàn)性、非線(xiàn)性歸一化方法，使變換后的圖像相對穩定，便于識別。

2.2 特征提取

特征提取的主要目的是從原始數據中抽取出用于區分不同類(lèi)別的本質(zhì)特征。由于不同的特征的適用性不同，故對不同效果的字符所提取的特征性能也不盡相同，因此，用單一的特征已經(jīng)很難適應受多種條件影響的車(chē)牌照字符的識別。另外，由于不同特征的不同維之間所表示的意義也不太相同，且權重也可能相差很多，如果采用直接組合的方法，就會(huì )使權重較大的特征占主導地位，而忽略了權重較小的特征。要解決這種問(wèn)題，可以采用特征向量歸一化法或者加權的辦法，將兩種特征通過(guò)加權的方法組合起來(lái)，從而達到組合使用兩種特征的目的。

2.3 分類(lèi)器設計

分類(lèi)器就是在特征空間中用某種方法將被識別對象歸為某一類(lèi)別。其基本做法是在樣本訓練集的基礎上確定某個(gè)判決規則，以使按這種判決規則對被識別對象進(jìn)行分類(lèi)所造成的錯誤率最小或引起的損失最小。

采用神經(jīng)網(wǎng)絡(luò )作為分類(lèi)器時(shí)，需要有一定的訓練樣本，而且樣本個(gè)數不能太少，但是，本文的實(shí)驗環(huán)境中的車(chē)牌上，漢字、英文樣本較少，甚至某些漢字英文僅有一個(gè)或者幾個(gè)樣本，因而無(wú)法保證神經(jīng)網(wǎng)絡(luò )的訓練程度。因此，本文采用模板匹配法。模板匹配法實(shí)際上就是采用多個(gè)標準樣本的距離分類(lèi)器。通?？衫闷骄鶚颖痉▉?lái)計算樣本均值以將其作為每個(gè)類(lèi)別的標準樣本，然后計算待識別樣本與標準樣本間的距離，最后選擇距離最小的標準樣本作為待識別的樣本類(lèi)別。

通常采用的距離準則如下;

(1)Minkowsky距離

該距離是若干種距離的通式表示：

(2)“City block”距離

即街區距離，它是對Manhattan距離的修正，同時(shí)加上了權重。即：

(3)Euclidean距離

即歐氏距離，是Minkowsky距離在λ=2時(shí)的特例，其優(yōu)點(diǎn)是各點(diǎn)連續可微：

(4)Mahalanobis距離

即馬氏距離，它注意到樣本的統計特性，而排除了樣本間的相關(guān)性影響。它可表示為：

本設計選用了歐式距離。因為歐式距離可以只計算

，這樣可以降低計算時(shí)間。

3 結束語(yǔ)

本文提到的車(chē)牌照識別方法具有很好的識別效果，并可針對出現的漏識和識別錯誤等現象做出改進(jìn)，預處理時(shí)還可對圖像亮度進(jìn)行分析，針對過(guò)亮或者過(guò)暗的圖像采取不同的二值化策略;也可以根據字符識別的結果采用回溯方法來(lái)驗證車(chē)牌定位和字符切分的準確性;字符識別部分可增加字符模版的訓練樣本數量，而采用神經(jīng)網(wǎng)絡(luò )作為分類(lèi)器均可以提高字符識別的準確率。