基于静止图像的车牌照汉字识别_系统设计与实现(编辑修改稿)

基于静止图像的车牌照汉字识别_系统设计与实现(编辑修改稿)内容摘要：

ognition， 简称 CCR）又是字符识别的重点和难点所在。 虽然现在市面上已经有多种 CCR 软件出售，但是他们仅仅对高质量的标准印刷文本有较高的识别率，但是对于严重污染、变形、模糊、倾斜的忽地字符，特别是针对车牌识别系统中提取的车牌汉字字符，不能给出满意结果 [2]。 本课题通过对车牌汉字灰度图像识别的研究，提出针 对汽车牌照中汉字字符的有效识别算法，以期达到较高的识别正确率。 研究意义 牌照识别技术在智能交通领域中的应用已经非常的广泛。 如在 “公交车优化调度与智能管理 ”中要求建立车辆自动登记系统，包括 :车辆自动识别、车辆定位 (如 GPS、路边塔标 )、车辆位置跟踪、数据库及数据管理。 在 “不停车电子收费系统 (Do not stop electronic toll collection system，简称 ETC)”中，电子收费将会减少不必要的收费闸门车道数目以及因排队交费所造成的交通延迟。 其车辆通过的基本流程 为 :电子不停车收费系统 (ETC)在一定的范围内，设置减速板、栏杆等装置，当车辆按一定的速度驶入高速公路进口处时，该系统通过车载电子标签中的交通卡，自动记录该车的车型、牌照、入口时间和地点。 到出口处时，该系统读到这些数据并 西南交通大学本科 毕业设计 (论文 ) 第 2 页 同时生成需付费金额，迅速在交通卡中自动扣除。 万一在匝道出口处没有电子不停车收费系统 (ETC)，也可以通过交通卡读到相关数据，进行人工付费操作。 有些 “停车管理与停车场信息系统 ”中也应用了牌照识别技术，用来将车辆停泊信息记录在案，可以有效地加强管理，降低车辆丢失率，打击盗窃车辆的犯罪活动 [3]。 国内外研究现状 车牌图像识别技术应用现状 20xx 年，车牌图像识别产品第一次在国内实际应用于交通工程。 刚开始主要用于高速公路收费辅助系统以降低交通通行征费收入的流失，后来逐步发展到城市交通、停车场管理、门禁管理等多种应用领域。 1． 车牌图像识别技术在高速公路领域的应用 高速公路是车牌图像识别技术在我国交通工程中最早应用的领域，也是车牌识别产品应用最多的领域。 据统计，目前我国车牌识别产品主流供应商 (如北京汉王科技、昆明利普视觉、上海高德威、沈阳聚德、北京信路威等公司 )的产品有一 半左右是应用在此领域。 主要用于高速公路收费管理、路径判别、 收 费征稽、交通数据采集等方面，其中，最常用的是高速公路收费辅助系统。 高速公路收费辅助系统一般是在高速公路入口处进行车牌图像采集、识别，将识别结果写入通行卡 (票 )或者通过网络传送至各出口站，在车辆到达出口时，再进行一次车牌图像采集、识别，并将识别结果与入口识别结果相比对，以防止或发现倒卡、换卡、换牌等逃费行为。 目前的高速公路收费辅助系统中，采用车牌图像识别技术在车牌识别速度指标基本可以满足，但识别结果正确率指标还不是很理想。 从一些产品的解决 方案来看，实际使用时一般仍然需要人工复核。 因此，虽然车牌图像识别技术在这一领域取得了较好的使用效果，但还不能实现真正意义上的智能化收费。 2． 车牌图像识别技术在城市交通领域的应用 随着我国机动车保有量的迅速增加，以及政府对公共安全的日益重视，城市交通监控和管理工作日趋繁重。 因此，城市交通领域迫切需要应用一些较可靠、有效的智能化技术手段。 目前，车牌图像识别技术己经开始在移动电子警察、城市卡口监控、超速布控报警等城市交通 (治安 )方面有了一定的应用。 其中，最常用的场所是城市卡口监控。 城市卡口监控 ： 公安部 颁布的城市卡口监控系统部颁标准明确规定了车牌识别是城市卡口监控系统的一个重要组成部分，越来越多的城市公安部门正在积极筹建卡口系统。 公安系统设立城市卡口监控点的主要任务是对车辆进行车牌识别，并将识别结果与被盗抢、肇事、在逃、通缉的车辆牌号黑名单进行比对。 西南交通大学本科 毕业设计 (论文 ) 第 3 页 移动电子警察 ： 移动电子警察现在逐渐应用到交警日常工作中，采用移动电子警察技术可以灵活地对非固定监控点的交通违章和事故进行取证处理，不仅提高了警察执法效率，而且增强了执法的公正性。 在城市卡口监控、移动电子警察方面，对车牌图像识别技术在车牌识别结果的正确率指标的要求比较高，否则将给执法工作带来很大的麻烦。 目前的车牌图像识别产品在这方面尚不够理想，因此一般也是作为一种辅助手段，还不能实现真正意义上的智能化。 3． 车牌图像识别技术在停车场收费管理系统中的应用 停车场收费管理系统 :用于对出入车辆号牌识别和匹配，实现自动计时、计费管理。 由于停车管理日益成为城市交通管理中一个严重问题，人们对停车管理的智能化呼声日渐高涨，通过车牌识别系统可以构建一个智能的停车管理系统，因此，在大中城市的商场、写字楼有很大的市场潜力。 停车场收费管理系统对车牌图像识别技术在车 牌识别结果的正确率指标的要求也非常高，目前的车牌图像识别产品在这方面也不够理想，一般也需要人工干预。 此外，车牌图像识别技术超速抓拍、门禁管理等方面也有一定的应用，但与前述三个方面的应用一样，还存在着一些问题有待于解决。 其中，车牌识别正确率是目前车牌识别产品中存在的最主要的问题，也是国内主流厂商最为头疼的问题，各个厂商所声称的识别正确率一般在 95%左右，与真正智能化的要求还有一定的距离。 而且由于并没有建立一个标准规范的测试体系，因此有关数据的客观公正性、可比性和可靠性等方面尚值得商榷。 由于各个厂商对 其使用的车牌图像识别技术都是不公开的，我们很难了解其中采用的三个方面的关键技术 (车牌区域定位、单个字符区域切分、字符分类识别 )中使用的具体方法，因此很难具体评价其方法的优劣。 但通过各个厂商在其有关网站提供的信息和对两家厂商提供的测试软件进行一定数量样本的测试后，可以发现，各个厂商声称的车牌识别正确率往往是通过对特定场所、特定时间范围内的样本进行测试而得出的结论。 也就是说，所采用的车牌图像识别技术往往还在一定程度上要依赖待识别图像具体的采集环境和采集方式等因素。 如果这些因素变动时，就可能要根据具体的样本、通过 一定的分析学习过程以确定和修改使用的有关参数，才可能获得较好的识别效果，否则其识别正确率可能不会很理想。 由此可以推断，目前的车牌图像识别产品对于不同使用环境的适应性还不是特别理想，其原因主要是关键技术对于不同背景和不同自然条件下所采集图像的适应性还不是很好，会导致车牌识别产品软件的通用性还不是太好，往往需要在现场采集大量样本分析测试，并且要修改相应参数甚至方法，使得施工周期往往较长，识别结果的可靠性往往也不能让人完全放心。 西南交通大学本科 毕业设计 (论文 ) 第 4 页 车牌图像识别技术研究现状 上世纪 90 年代中后期开始，随着数字图像处理基 础理论的不断发展和视频处理技术、电子技术及计算机信息技术的迅速进步，国内从事车牌图像识别技术研发的厂商和研究人员增长迅速，提出了大量的关键技术算法，实际应用中也取得了一定的成果。 有关研究大多围绕车牌图像识别的三大关键技术 (车牌区域定位、单个字符区域切分、字符分类识别 )进行。 通过对有关资源数据库中 1998 年 － 20xx 年在各类期刊上公开发表的约 380 篇相关论文的统计，发现有关车牌区域定位的内容占 50%以上。 这在一定程度上反映了车牌定位技术的重要地位，也一定程度上反映出目前这方面尚有不尽人意之处。 相关论文中 提出了很多车牌图像处理、分割、分析、识别的算法，主要利用较经典的图像空间变换、智能计算和数据挖掘理论，并在一定程度上进行了实验论证。 在车牌区域定位方面，公开资料中提出的方法主要有 ： 基于神经网络分类器的车牌区域定位方法、基于彩色图像特征的车牌区域定位方法、基于纹理检测和边缘检测的车牌区域定位方法、基于区域的车牌区域定位方法、基于几何形状特征的车牌区域定位方法、基于离散图像空间变换的车牌区域定位方法、基于离散图像空间变换的车牌区域定位方法、基于遗传算法的车牌区域定位方法等。 在车牌字符切分方面，公开资 料中提出的方法主要有 ： 基于二值 (灰度 )图像水平(垂直 )投影分布的车牌字符的切分方法、基于二值图像字符区域上下轮廓分布的车牌字符切分方法、基于模板匹配的车牌字符切分方法、基于聚类分析的车牌字符切分方法、基于车牌二值图像字符连通性的字符切分方法、基于颜色分类的车牌字符切分方法等。 在车牌字符分类识别时的特征选择和提取方面，公开资料中利用的字符分类特征主要有 ： 以二值图像中字符的笔画像素分布为基础的字符特征 (主要包括四周边特征、粗网格特征、投影特征等 )、以二值图像字符轮廓、骨架为基础的字符特征 (包括字符笔画方向 线素特征、汉字结构特征点特征等 )、基于灰度图像小波变换的字符特征 (包括小波系数特征、小波矩特征和小波能量特征 )。 在车牌字符分类器设计方面，公开资料中提出的分类器主要有 ： 神经网络分类器、模板匹配分类器、基于概率统计的 Bayes 分类器、几何分类器等。 上述方法 的提出，为本文的有关研究提供了重要的参考和对照，在本文的第三章中进行了相应的分析 [4] [5]。 西南交通大学本科 毕业设计 (论文 ) 第 5 页 设计的研究内容和方法 研究内容 车牌照识别是智能交通系统的一个重要课题，在车辆管理、不停车收费等系统中有广泛应用。 基于中国车 牌照的特点，我们需要设计一种能识别汉字的车牌照识别系统，使得这样的车牌照识别系统更优于其他只能识别数字和字母的系统，具有更广的适应性。 车牌区域定位、单个字符区域切分和字符分类识别作为车牌图像识别系统的三个关键技术，同时又是一个有机的整体。 关键技术水平的高低，决定了一个车牌图像识别产品性能的优劣，在某种程度上也决定着车牌识别技术的应用前景。 对于 92 式普通民用车牌，识别的基本过程如图 11 所示。 原始图像 → 车牌定位 → 字符分割 → 识别第一个字符 →…→ 识别第七个字符 图 11 92 式普通民用车牌识别过程 上述过程可以看作是一个三个方面九个环节组成的链式结构，而本课题主要研究的是其第三方面第一个环节的 “识别第一个字符 ”，即汉字识别的方法。 所以不考虑车牌定位及字符分割对识别的影响。 采用的汉字库为已经分割好的灰度图像。 研究方法 本文在参考大量有关车牌图像识别技术公开资料的基础上，围绕着车牌汉字识别技术实际应用的特点和要求，并通过一定的实验分析手段，主要进行了如下几方面的工作 ： 1． 对输入的车牌汉字字符图像进行预处理 在这部分工作 中，重点分析研究了不同图像的规格化，灰度图像的二值化、反色、二值化图像的细化等方法在车牌图像识别中的作用和应用特点。 （ 1） 关于图像的规格化 在实际车牌采集时，由于拍摄角度、摄像头与车牌的距离等原因，照成采集到的车牌大小不同。 给汉字特征提取造成计算量的不确定性。 所以我们想法将输入的图像转化为某一固定尺寸大小的图像。 图像的规格化就是将输入的任意尺寸（大小）的字符图像都处理成统一尺寸的标准汉字图像。 在这里，我们所说的规格化不是简单的宽和高的同比例缩放，还要求保持拓扑不变。 在改变原字符图像宽高比例的同时，尽可能 的突出所提取特征。 降低汉字图像特征提取的计算的复杂度。 西南交通大学本科 毕业设计 (论文 ) 第 6 页 （ 2） 关于图像的二值化 在车牌图像识别中，图像二值化是一个非常重要的技术。 目前提出的车牌字符切分和字符分类特征提取的方法，很多是以二值图像为基础的。 二值化 阈 值的确定应该以对图像进行二值化时期望达到的目的为依据。 通过阈值的正确选择可以使汉字图像的灰度图像中的部分干扰噪声取出。 在车牌图像识别中，对车牌汉字图像进行二值化可以大大的提升图像处理速度，而且降低对计算机硬件的要求，减少硬件方面的开支。 在实际应用和产品推广方面有巨大的优势。 （ 3） 关于图像的反色 在所提供的汉字库中，车牌汉字图像为白底黑字。 由于MATLAB 所提供的很多 图像处理 函数是对黑底白字的图像进行处理。 如果自负图像为白底黑字， MATLAB 会默认为汉字图像的背景为待识别图像。 所以我们对二值化后的图像进行取反 ， 将原二值化后的二值化图像转化为黑底白字的汉字图像，以供后面进一步进行处理。 （ 4） 关于图像的细化 二值图像的细化处理是本课题中起着非常重要的作用。 其主要目的是提取出汉字图像的骨架，使得在识别过程中不会因为笔画本身的宽度， 如使得三像素宽的竖当成宽来提取， 影响到汉字结构特征提取的准确度。 所以我 们使用细化处理，将图像汉字细化为一个单像素宽的汉字图像。 这样就可以大大增加各笔画提取的准确度。 2． 对输入的车牌汉字字符图像进行字符特征提取 特征空间的设计是模式识别系统的基础。 所选用的特征空间应使各类样品能够分布在该特征空间中彼此分开的区域内，分类识别才有可能。 如果不同类别样品在该特征空间中混杂在一起，则一般不可能进行正确的分类识别。 常选取的字符特征主要有以二值图像字符的笔画像。