基于matlab的汽車車牌識(shí)別系統(tǒng)方案_第1頁
基于matlab的汽車車牌識(shí)別系統(tǒng)方案_第2頁
基于matlab的汽車車牌識(shí)別系統(tǒng)方案_第3頁
基于matlab的汽車車牌識(shí)別系統(tǒng)方案_第4頁
基于matlab的汽車車牌識(shí)別系統(tǒng)方案_第5頁
已閱讀5頁,還剩44頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、 PAGE44 / NUMPAGES49 畢 業(yè) 設(shè) 計(jì) 論 文題 目: 基于matlab的汽車車牌識(shí)別系統(tǒng) 學(xué) 院: 電氣與信息工程學(xué)院 專 業(yè): 電子信息工程 姓 名: 田永康 學(xué) 號(hào): 093409150 指導(dǎo)老師: 石磊 完成時(shí)間: 2013年5月28日 摘要 汽車牌照自動(dòng)識(shí)別系統(tǒng)是制約道路交通智能化的重要因素,包括車牌定位、字符分割和字符識(shí)別三個(gè)主要部分。本文首先確定車輛牌照在原始圖像中的水平位置和垂直位置,從而定位車輛牌照,然后采用局部投影進(jìn)行字符分割。字符的分割采用的方法是以二值化后的車牌部分進(jìn)行垂直投影,然后在對(duì)垂直投影進(jìn)行掃描,從而完成字符的分割。本文即是針對(duì)其核心部分進(jìn)行闡

2、述并使用MATLAB軟件環(huán)境中進(jìn)行字符分割的仿真實(shí)驗(yàn)。在字符識(shí)別部分,采用簡單模版匹配算法,實(shí)驗(yàn)結(jié)果表明,此方法具有良好的識(shí)別性能。隨著公路逐漸普與,我國的公路交通事業(yè)發(fā)展迅速,所以人工管理方式已經(jīng)不能滿著實(shí)際的需要,車牌識(shí)別系統(tǒng)使車輛管理更智能化,數(shù)字化,有效的提升了交通管理的方便性和有效性,微電子、通信和計(jì)算機(jī)技術(shù)在交通領(lǐng)域的應(yīng)用極提高了交通管理效率。汽車牌照的自動(dòng)識(shí)別技術(shù)已經(jīng)得到了廣泛應(yīng)用。關(guān)鍵字:車牌識(shí)別系統(tǒng)、智能化交通、車牌定位、字符分割、字符識(shí)別Abstract Vehicle license plate recognition system is the intelligent

3、road traffic constraints important factors, including the license plate location, character segmentation and character recognition of three main parts.Firstly, the vehicle license in the original image to determine the horizontal and vertical position, thereby positioning the vehicle license, and ch

4、aracter segmentation using a local projection. Character segmentation approach is based on the license plate after the binary part of the vertical projection, Then scan in the vertical projection, thus completing the character segmentation. This article is described for the core part and use the MAT

5、LAB software environment, the simulation experiments for character segmentation.In the character recognition part of the proposed feature extraction in the case of non-support vector machine based license plate recognition method.Experimental results show that the proposed method has good recognitio

6、n performance.With the increasing popularity of road, road transport in China has developed rapidly, so the artificial management has not full of actual needs, License plate recognition system to make more intelligent vehicle management, digital, Effective traffic management to enhance the convenien

7、ce and effectiveness,microelectronics, communications and computer technology applications in the transport sector has greatly improved the efficiency of traffic management.Automatic license plate recognition technology has been widely used. Keywords: license plate recognition system, intelligent tr

8、ansportation, license plate localization, character segmentation, character recognition目 錄 TOC o 1-3 h z u HYPERLINK l _Toc23183 摘要 PAGEREF _Toc23183 I HYPERLINK l _Toc17247 目 錄 PAGEREF _Toc17247 III HYPERLINK l _Toc13636 第一章 引 言 PAGEREF _Toc13636 1 HYPERLINK l _Toc24268 第二章 汽車車牌識(shí)別系統(tǒng)的研究 PAGEREF _Toc

9、24268 2 HYPERLINK l _Toc6146 2.1 研究目的和意義 PAGEREF _Toc6146 2 HYPERLINK l _Toc28838 2.2 國外研究現(xiàn)狀 PAGEREF _Toc28838 2 HYPERLINK l _Toc10451 2.3 主要應(yīng)用領(lǐng)域 PAGEREF _Toc10451 4 HYPERLINK l _Toc3372 第三章 汽車車牌識(shí)別系統(tǒng)的設(shè)計(jì) PAGEREF _Toc3372 5 HYPERLINK l _Toc32756 3.1 汽車牌照的特點(diǎn) PAGEREF _Toc32756 5 HYPERLINK l _Toc13522 3.

10、2 汽車車牌識(shí)別系統(tǒng)的組成 PAGEREF _Toc13522 5 HYPERLINK l _Toc26759 3.3 詳細(xì)設(shè)計(jì)步驟 PAGEREF _Toc26759 6 HYPERLINK l _Toc10411 3.3.1 提出總體設(shè)計(jì)方案 PAGEREF _Toc10411 6 HYPERLINK l _Toc8166 3.3.2 圖像采集 PAGEREF _Toc8166 8 HYPERLINK l _Toc10524 3.3.3 車牌牌照的定位和分割 PAGEREF _Toc10524 8 HYPERLINK l _Toc27675 3.3.4車牌的預(yù)處理 PAGEREF _Toc

11、27675 11 HYPERLINK l _Toc15629 3.3.5 牌照的二值化處理與去除噪聲 PAGEREF _Toc15629 14 HYPERLINK l _Toc26084 3.4字符的分割 PAGEREF _Toc26084 16 HYPERLINK l _Toc31240 3.5字符的自動(dòng)識(shí)別 PAGEREF _Toc31240 18 HYPERLINK l _Toc11406 3.5.1構(gòu)建標(biāo)準(zhǔn)字庫 PAGEREF _Toc11406 18 HYPERLINK l _Toc14167 3.5.2 字符識(shí)別過程 PAGEREF _Toc14167 19 HYPERLINK l

12、 _Toc8799 3.6語音自動(dòng)播報(bào)識(shí)別結(jié)果 PAGEREF _Toc8799 21 HYPERLINK l _Toc10191 第四章 設(shè)計(jì)結(jié)果與分析 PAGEREF _Toc10191 22 HYPERLINK l _Toc18901 4.1 設(shè)計(jì)結(jié)果 PAGEREF _Toc18901 22 HYPERLINK l _Toc31475 4.2 結(jié)果分析 PAGEREF _Toc31475 23 HYPERLINK l _Toc22396 結(jié)論 PAGEREF _Toc22396 25 HYPERLINK l _Toc4581 參考文獻(xiàn) PAGEREF _Toc4581 26 HYPER

13、LINK l _Toc21391 致 PAGEREF _Toc21391 27 HYPERLINK l _Toc22799 附錄源代碼 PAGEREF _Toc22799 28第一章 引 言隨著21 世紀(jì)經(jīng)濟(jì)全球化和信息時(shí)代的到來,計(jì)算機(jī)技術(shù)、通信技術(shù)和計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)迅猛發(fā)展,動(dòng)化的信息處理能力和水平不斷提高,并在人們社會(huì)活動(dòng)和生活的各個(gè)領(lǐng)域得到廣泛應(yīng)用,高速度、高效率的生活節(jié)奏,使汽車普與成為必然趨勢(shì)。伴隨著世界各國汽車數(shù)量的增加,城市交通狀況日益受到人們的重視。如何有效地進(jìn)行交通管理,越來越成為各國政府的相關(guān)部門所關(guān)注的焦點(diǎn)。針對(duì)這一問題,人們運(yùn)行先進(jìn)的信息處理技術(shù)、導(dǎo)航定位技術(shù)、無線通信

14、技術(shù)、自動(dòng)控制技術(shù)、圖像處理和識(shí)別技術(shù)與計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)等科學(xué)技術(shù),相繼研發(fā)了各種交通道路監(jiān)視管理系統(tǒng)、車輛控制系統(tǒng)與公共交通系統(tǒng)。這些系統(tǒng)將車輛和道路綜合起來進(jìn)行考慮,運(yùn)行各種先進(jìn)的技術(shù)解決道路交通的問題,統(tǒng)稱為智能交通系統(tǒng)( Intelligent TransportationSystem,簡稱ITS)。ITS 是20世紀(jì)90年代興起的新一代交通運(yùn)輸系統(tǒng)。它可以加強(qiáng)道路、車輛、駕駛員和管理人員的聯(lián)系,實(shí)現(xiàn)道路交通管理自動(dòng)化和車輛行駛的智能化,增強(qiáng)交通安全,減少交通堵塞,提高運(yùn)輸效率,減少環(huán)境污染,節(jié)約能源,提高經(jīng)濟(jì)活力。智能交通系統(tǒng)以車輛的自動(dòng)檢測(cè)作為信息的來源,因而對(duì)汽車牌照等相關(guān)信息的自

15、動(dòng)采集和處理的一門新的交通信息獲取技術(shù)車牌識(shí)別(License Plate Recognition ,LPR) 技術(shù)逐漸發(fā)展起來,成為信息處理技術(shù)的一項(xiàng)重要研究課題。汽車牌照自動(dòng)識(shí)別是智能交通管理系統(tǒng)中的關(guān)鍵技術(shù)之一。目前,國外汽車牌照的識(shí)別技術(shù)有IC卡識(shí)別技術(shù)、條形碼識(shí)別技術(shù)、圖像處理技術(shù)、人工神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)。采用計(jì)算機(jī)視覺技術(shù)和圖像處理技術(shù)進(jìn)行車牌識(shí)別是一個(gè)發(fā)展方向?;跀?shù)字圖像處理的車牌識(shí)別系統(tǒng)主要由圖像的采集、牌照的定位、字符分割和字符識(shí)別四部分組成。車牌識(shí)別技術(shù)的任務(wù)是處理、分析攝取的視頻流中復(fù)雜背景的車輛圖像,牌照字符定位、字符分割,最后自動(dòng)識(shí)別汽車牌照上的字符。為了保證汽車車牌

16、識(shí)別系統(tǒng)在各種復(fù)雜環(huán)境下,能發(fā)揮其應(yīng)有的作用,識(shí)別系統(tǒng)必須滿足以下要求:(1) 實(shí)用性: 在任何情況下均能可靠正常地工作,且有較高的正確識(shí)別率。(2) 實(shí)時(shí)性:不論在汽車靜止還是高速運(yùn)行情況下,圖像的采集識(shí)別系統(tǒng)必須在一定時(shí)間識(shí)別出車牌全部字符,達(dá)到實(shí)時(shí)識(shí)別。第二章 汽車車牌識(shí)別系統(tǒng)的研究2.1 研究目的和意義車牌識(shí)別LPR是智能交通系統(tǒng)(ITS)的一個(gè)重要組成部分。車牌識(shí)別系統(tǒng)的主要任務(wù)是分析和處理攝取到的復(fù)雜背景下的車輛圖像,定位分割牌照,最后自動(dòng)識(shí)別汽車牌照上的字符,車牌識(shí)別是利用車牌的唯一性來識(shí)別和統(tǒng)計(jì)車輛。在現(xiàn)代化交通發(fā)展中車牌識(shí)別系統(tǒng)是制約交通系統(tǒng)智能化、現(xiàn)代化的重要因素,車牌識(shí)別

17、系統(tǒng)應(yīng)該能夠從一幅圖像中自動(dòng)提取車輛圖像,自動(dòng)分割牌照?qǐng)D像,對(duì)字符進(jìn)行正確識(shí)別,從而降低交通管理工作的復(fù)雜度。車牌識(shí)別系統(tǒng)將獲取的車輛圖像進(jìn)行一系列的處理后,以字符串的形式輸出結(jié)果,這樣不但數(shù)據(jù)量小,便于存儲(chǔ),操作起來也更容易,因此車牌識(shí)別系統(tǒng)的便捷性是人工車牌識(shí)別所不能比擬的,它蘊(yùn)藏著很大的經(jīng)濟(jì)價(jià)值和發(fā)展空間,對(duì)車牌識(shí)別技術(shù)的研究是非常有的意義的。2.2 國外研究現(xiàn)狀從20世紀(jì)90年代初,國外就已經(jīng)開始了對(duì)汽車牌照自動(dòng)識(shí)別的研究,其主要途徑就是對(duì)車牌的圖像進(jìn)行分析,自動(dòng)提取車牌信息,確定汽車牌號(hào)。在各種應(yīng)用中,有使用模糊數(shù)學(xué)理論也有用神經(jīng)元網(wǎng)絡(luò)的算法來識(shí)別車牌中的字符,但由于外界環(huán)境光線變化

18、、光路中有灰塵、季節(jié)環(huán)境變化與車牌本身比較模糊等條件的影響,給車牌的識(shí)別帶來較大的困難。國外的相關(guān)研究有:(1)JBarroso提出的基于掃描行高頻分析的方法; (2) I.T. Lancaster提出的類字符分析方法等。為了解決圖像惡化的問題,目前國外采用主動(dòng)紅外照明攝像或使用特殊的傳感器來提高圖像的質(zhì)量,繼而提高識(shí)別率,但系統(tǒng)的投資成本過大,不適合推廣。車牌識(shí)別系統(tǒng)中的兩個(gè)關(guān)鍵子系統(tǒng)是車牌定位系統(tǒng)和車牌字符識(shí)別系統(tǒng)。關(guān)于車牌定位系統(tǒng)的研究,國外學(xué)者已經(jīng)作了大量的工作,但實(shí)際效果并不是很理想,比如車牌圖像的傾斜、車牌表面的污穢和磨損、光線的干擾等都是影響定位準(zhǔn)確度的潛在因素。為此,近年來不少

19、學(xué)者針對(duì)車牌本身的特點(diǎn),車輛拍攝的不良現(xiàn)象與背景的復(fù)雜狀況,先后提出了許多有針對(duì)性的定位方法,使車牌定位在技術(shù)和方法上都有了很大的改善.然而現(xiàn)代化交通系統(tǒng)不斷提高的快節(jié)奏,將對(duì)車牌定位的準(zhǔn)確率和實(shí)時(shí)性提出更高的要求。車牌字符識(shí)別是在車牌準(zhǔn)確定位的基礎(chǔ)上,對(duì)車牌上的漢字、字母、數(shù)字進(jìn)行有效確認(rèn)的過程,其中漢字識(shí)別是一個(gè)難點(diǎn),許多國外的LPR系統(tǒng)也往往是因?yàn)闈h字難以識(shí)別而無法打入中國市場(chǎng),因而探尋好的方法解決字符的識(shí)別也是至關(guān)重要的。從實(shí)用產(chǎn)品來看,如以色列的Hi-Tech公司研制的多種See/Car system,適應(yīng)于幾個(gè)不同國家的車牌識(shí)別,就針對(duì)中國格式車牌的See/Car syste而言,

20、它不能識(shí)別漢字,且識(shí)別率有待提高。新加坡Optasia公司的VLPRS產(chǎn)品,適合于新加坡的車牌,另外日本、加拿大、德國、意大利、英國等西方發(fā)達(dá)國家都有適合于本國車牌的識(shí)別系統(tǒng)。我國的實(shí)際情況有所不同,國外的實(shí)際拍攝條件比較理想,車牌比較規(guī)統(tǒng)一,而我國車牌規(guī)不夠,不同汽車類型有不同的規(guī)格、大小和顏色,所以車牌的顏色多,且位數(shù)不統(tǒng)一,對(duì)處理造成了一定的困難。在待處理的車牌圖像中就有小功率汽車使用的藍(lán)底白字牌照,大功率汽車所用的黃底黑字牌照,軍車和警車的白底黑字,紅字牌照等。就位數(shù)而言,有七位數(shù)字的,有武警車九位數(shù)字的,有軍車、前兩位字符上下排列的等,所以也造成了處理的難度。國做得較好的產(chǎn)品主要是中

21、科院自動(dòng)化研究所漢王公司的“漢王眼”,此外國的亞洲視覺科技、市吉通電子、中智交通電子系統(tǒng)等都有自己的產(chǎn)品,另外交通大學(xué)的圖像處理與識(shí)別研究室、交通大學(xué)的計(jì)算機(jī)科學(xué)與工程系、清華大學(xué)、大學(xué)等都做過類似的研究。通常處理時(shí)為了提高系統(tǒng)的識(shí)別率,都采用了一些硬件的探測(cè)器和其他的輔助設(shè)備如紅外照明等,其中“漢王眼”就是采用主動(dòng)紅外照明和光學(xué)濾波器來減弱可見光的不可控制影響,減少惡劣氣候和汽車大小燈光的影響,另外還要求在高速公路管理窗口到“漢王眼”識(shí)別點(diǎn)埋設(shè)兩條線路管道,一條管道鋪設(shè)220伏50赫茲1安培的交流供電線路;另一條管道鋪設(shè)觸發(fā)信號(hào)線路和漢王眼與管理計(jì)算機(jī)的通訊線路,投資巨大,不適合于大面積的推

22、廣。另外,還有兩種專門的技術(shù)被用于車牌的識(shí)別中,條形碼識(shí)別技術(shù)和無線射頻技術(shù)。條形碼識(shí)別要求預(yù)先在車身上印刷條形碼,在系統(tǒng)的某一固定位置上安裝掃描設(shè)備,通過掃描來讀取條形碼,以達(dá)到識(shí)別車輛的目的。無線射頻技術(shù)要求在車安裝標(biāo)示卡,在系統(tǒng)某一位置安裝收發(fā)器等裝置,通過收發(fā)器來接受標(biāo)示卡的信號(hào),從而識(shí)別出經(jīng)過的車輛。顯然,這兩種技術(shù)更難以推廣。從目前一些產(chǎn)品的性能指標(biāo)可以看出,車牌識(shí)別系統(tǒng)的識(shí)別率和識(shí)別速度有待提高。現(xiàn)代交通的飛速發(fā)展以與車牌識(shí)別系統(tǒng)應(yīng)用圍的日益拓寬給車牌識(shí)別系統(tǒng)提出了更高的要求。因此,研究高速、準(zhǔn)確的定位與識(shí)別算法是當(dāng)前的主要任務(wù),而圖像處理技術(shù)的發(fā)展與攝像設(shè)備、計(jì)算機(jī)性能的提高都

23、會(huì)促進(jìn)車牌識(shí)別技術(shù)的發(fā)展,提高車牌識(shí)別系統(tǒng)的性能。2.3 主要應(yīng)用領(lǐng)域車牌自動(dòng)識(shí)別系統(tǒng)具有廣泛的應(yīng)用圍,主要應(yīng)用于:(1)高速公路收費(fèi)、監(jiān)控管理;(2)小區(qū)、停車場(chǎng)管理;(3)城市道路監(jiān)控、違章管理;(4)車牌登錄、驗(yàn)證;(5)車流統(tǒng)計(jì)、安全管理等。車牌自動(dòng)識(shí)別系統(tǒng)應(yīng)用于這些系統(tǒng),可以解決通緝車輛的自動(dòng)稽查問題,可以解決車流高峰期因出入口車流瓶頸造成的路橋卡口、停車場(chǎng)交通堵塞問題,可以解決因工作人員作弊造成的路橋卡口、高速公路、停車場(chǎng)應(yīng)收款流失的問題。車牌自動(dòng)識(shí)別系統(tǒng)可安裝于公路收費(fèi)站、停車場(chǎng)、十字路口等交通關(guān)卡處,其具體應(yīng)用可概括為:(l)交通監(jiān)控利用車牌識(shí)別系統(tǒng)的攝像設(shè)備,可以直接監(jiān)視相應(yīng)

24、路段的交通狀況,獲得車輛密度、隊(duì)長、排隊(duì)規(guī)模等交通信息,防和觀察交通事故。它還可以同雷達(dá)測(cè)速器或其他的檢測(cè)器配合使用,以檢測(cè)違犯限速值的車輛。當(dāng)發(fā)現(xiàn)車輛超速時(shí),攝像機(jī)獲取該車的圖像,并得到該車的牌照,然后給該車超速的警告信號(hào)。(2)交通流控制指標(biāo)參量的測(cè)量,為達(dá)到交通流控制的目標(biāo),一些交通流指標(biāo)的測(cè)量相當(dāng)重要。該系統(tǒng)能夠測(cè)量和統(tǒng)計(jì)很多交通流指標(biāo)參數(shù),如總的服務(wù)流率,總行程時(shí)間,總的流入量流出量,車型與車流組成,日車流量,小時(shí)/分鐘車流量,車流高峰時(shí)間段,平均車速,車輛密度等。這也為交通誘導(dǎo)系統(tǒng)提供必要的交通流信息。 (3)高速公路上的事故自動(dòng)測(cè)報(bào)這是由于該系統(tǒng)能夠監(jiān)視道路情況和測(cè)量交通流量指標(biāo)

25、,能與時(shí)發(fā)現(xiàn)超速、堵車、排隊(duì)、事故等交通異?,F(xiàn)象。(4)對(duì)養(yǎng)路費(fèi)交納、安全檢查、運(yùn)營管理實(shí)行不停車檢查根據(jù)識(shí)別出的車牌從數(shù)據(jù)庫中調(diào)出該車檔案材料,可發(fā)現(xiàn)沒與時(shí)交納養(yǎng)路費(fèi)的車輛。另外,該系系統(tǒng)還可發(fā)現(xiàn)無車牌的車輛。若同車型檢測(cè)器聯(lián)用,可迅速發(fā)現(xiàn)所掛車牌與車型不符的車輛。(5)車輛定位由于能自動(dòng)識(shí)別車牌,因而極易發(fā)現(xiàn)被盜車輛,以與定位出車輛在道路上的行駛位置。這為防、發(fā)現(xiàn)和追蹤涉與車輛的犯罪,保護(hù)重要車輛(如運(yùn)鈔車)的安全有重大作用,從而對(duì)城市治安與交通安全有重要的保障作用。車牌自動(dòng)識(shí)別系統(tǒng)擁有廣闊的應(yīng)用前景,但若在每個(gè)街口都裝配一套全新的車輛探測(cè)器的硬件系統(tǒng)則投資巨大,所以急需一個(gè)純軟件實(shí)行的車

26、牌自動(dòng)識(shí)別系統(tǒng)來最大限度的減少費(fèi)用,而純軟件的設(shè)計(jì),不僅投資小而且靈活性高,適合我國的國情。 第三章 汽車車牌識(shí)別系統(tǒng)的設(shè)計(jì)3.1 汽車牌照的特點(diǎn)目前國汽車牌照有六種類型:大型民用汽車所用的黃底黑字牌照;小型民用汽車所用的藍(lán)底白字牌照;軍隊(duì)或武警專用汽車的白底紅字、黑字牌照;使、領(lǐng)館外籍汽車的黑底白字牌照;試車和臨時(shí)牌照是白底紅字,且數(shù)字前分別標(biāo)有“試”和“臨時(shí)”字標(biāo)志;汽車補(bǔ)用牌照是白底黑字,對(duì)于車前牌照,其尺寸均為44cm長,14cm寬,共有7個(gè)或8個(gè)字符,民用汽車牌照上有省、直轄市、自治區(qū)的名稱和發(fā)證照與監(jiān)督機(jī)關(guān)的代號(hào),編號(hào)是英文大寫字母。接著是一個(gè)點(diǎn)“”,后面的汽車編號(hào),一般為5位數(shù)字

27、,即從0000199999。編號(hào)超過10萬時(shí),就由A、B、C等英文字母代替,第三個(gè)字符可能是英文字母,也可能是阿拉伯?dāng)?shù)字,第四至第七個(gè)字符均為阿拉伯?dāng)?shù)字。從人的視覺特點(diǎn)出發(fā),車牌目標(biāo)區(qū)域具有如下特點(diǎn):車牌底色往往與車身顏色、字符顏色有較大差異;車牌有一個(gè)連續(xù)或由于磨損而不連續(xù)的邊框,車牌字符有多個(gè),基本呈水平排列,所以在牌照的矩形區(qū)域存在較豐富的邊緣,呈現(xiàn)出規(guī)則的紋理特征;車牌字符之間的間隔比較均勻,字符和牌照底色在灰度值上存在跳變,而字符本身與牌照底的部都有較均勻灰度;不同圖像中牌照的具體大小、位置不確定,但其長度比變化有一定圍,存在一個(gè)最大和最小長度比。根據(jù)這些特點(diǎn),可以在灰度圖像的基礎(chǔ)上

28、提取相應(yīng)的特征。3.2 汽車車牌識(shí)別系統(tǒng)的組成汽車車牌識(shí)別(LPR)系統(tǒng)通過引入數(shù)字?jǐn)z像技術(shù)和計(jì)算機(jī)信息管理技術(shù),采用先進(jìn)的圖像處理、模式識(shí)別和人工智能技術(shù),通過對(duì)圖像的采集和處理,獲得更多的信息,從而達(dá)到更高的智能化管理程度。在LPR 系統(tǒng)產(chǎn)品的性能指標(biāo)中,識(shí)別率和識(shí)別速度難以同時(shí)提高其中原因既包括圖像處理技術(shù)不夠成熟,又受到攝像設(shè)備計(jì)算機(jī)等性能的限制。因此,研究高速準(zhǔn)確的定位與識(shí)別算法,是當(dāng)前的主要任務(wù)。汽車車牌識(shí)別系統(tǒng)一般可按順序分為車輛圖像采集、圖像預(yù)處理、車牌定位、字符分割與識(shí)別五大部分。如下圖所示。字符識(shí)別字符分割圖像采集車牌定位圖像預(yù)處理圖3.1 車輛車牌識(shí)別系統(tǒng)在第一部分圖像采

29、集中,主要通過CCD 攝像頭與計(jì)算機(jī)的視頻捕捉卡直接相連來完成圖像采集,可以實(shí)時(shí)在監(jiān)控圖像中抓取到含有車輛的圖像。該部分功能可簡單調(diào)用計(jì)算機(jī)視頻捕捉卡廠商提供的各種軟件開發(fā)包工具即可實(shí)現(xiàn)。汽車牌照識(shí)別(LPR)系統(tǒng)的關(guān)鍵在于后四部分。首先要對(duì)采集到的車牌定位,而牌照定位又決定其后的車牌字符識(shí)別,因此牌照定位是車牌識(shí)別系統(tǒng)的關(guān)鍵的關(guān)鍵,牌照定位就是從包含整個(gè)車輛的圖像中找到牌照區(qū)域的位置。目前,已經(jīng)提出了很多種方法,一個(gè)共同的出發(fā)點(diǎn)是:通過牌照區(qū)域的特征來判斷牌照,利用的車牌特征主要包括:車牌區(qū)域的邊緣灰度直方圖統(tǒng)計(jì)“特征”、車牌的幾何特征、車牌區(qū)域的灰度分布特征、車牌區(qū)域水平或垂直投影特征、車

30、牌形狀特征和頻譜特征。3.3 詳細(xì)設(shè)計(jì)步驟3.3.1 提出總體設(shè)計(jì)方案汽車車牌識(shí)別整個(gè)系統(tǒng)主要是由車牌定位和字符識(shí)別兩部分組成,其中車牌定位又可以分為圖像預(yù)處理與車牌區(qū)域搜索模塊和牌照的定位與分割模塊,字符識(shí)別可以分為字符特征提取和字符識(shí)別兩個(gè)模塊。區(qū)域搜索與分割預(yù)處理字符分割字符特征提取字符識(shí)別歸一化圖像輸入 圖3.2 車牌識(shí)別系統(tǒng)原理圖牌照的定位和分割是牌照識(shí)別系統(tǒng)的關(guān)鍵技術(shù)之一,其主要目的是在原始圖象中確定牌照的具體位置,并將包含牌照字符的一塊子圖象從整個(gè)圖象中分割出來,供字符識(shí)別子系統(tǒng)識(shí)別之用,分割的準(zhǔn)確與否直接關(guān)系到整個(gè)牌照字符識(shí)別系統(tǒng)的識(shí)別率。由于拍攝時(shí)的光照條件、牌照的整潔程度的

31、影響和攝像機(jī)的焦距調(diào)整、鏡頭的光學(xué)畸變所產(chǎn)生的噪聲都會(huì)不同程度地造成牌照字符的邊界模糊、細(xì)節(jié)不清、筆劃斷開或粗細(xì)不均,加上牌照上的污斑等缺陷,致使字符提取困難,進(jìn)而影響字符識(shí)別的準(zhǔn)確性。因此,需要對(duì)字符在識(shí)別之前再進(jìn)行一次針對(duì)性的處理。車牌識(shí)別的最終目的就是對(duì)車牌上的文字進(jìn)行識(shí)別。主要應(yīng)用的為模板匹配方法。因?yàn)橄到y(tǒng)運(yùn)行的過程中,主要進(jìn)行的都是圖像處理,在這個(gè)過程中要進(jìn)行大量的數(shù)據(jù)處理,所以處理器和存要求比較高。系統(tǒng)可以運(yùn)行于Windows98、Windows2000或者Windows XP操作系統(tǒng)下,程序調(diào)試時(shí)使用matlab。3.3.2 圖像采集車牌自動(dòng)識(shí)別系統(tǒng)中車輛圖像是通過CCD 攝像頭

32、與計(jì)算機(jī)的視頻捕捉卡直接相連來完成圖像采集,可以實(shí)時(shí)在監(jiān)控圖像中抓取到含有車輛的圖像。該部分功能可調(diào)用計(jì)算機(jī)視頻捕捉卡廠商提供的各種軟件開發(fā)包工具即可實(shí)現(xiàn)。由于條件有限,此處照片直接由相機(jī)拍攝,并編寫程序?qū)隡atlab軟件中進(jìn)行處理。 圖3.3 原始圖像 %=讀入圖片的程序代碼=clc;clear all;fn,pn,fi=uigetfile(*.jpg,選擇圖片);I=imread(pn fn);figure,imshow(I);title(原始圖像);%顯示原始圖像chepailujing=pn fnI_bai=I;3.3.3 汽車車牌的定位和分割車牌圖像往往是在復(fù)雜的環(huán)境中拍攝得到的,

33、車牌由于與復(fù)雜的車身背景融為一體,由于車牌在使用中磨損與灰塵與拍攝儀器的影響以與由于拍攝角度的不同,車牌在圖像中往往有很大的形變,如何在復(fù)雜背景中準(zhǔn)確、快速找出車牌的位置成為車牌識(shí)別中的難點(diǎn)。目前已有不少學(xué)者在這方面進(jìn)行了研究。總結(jié)起來主要有如下幾類方法:(1) 基于水平灰度變化特征的方法,這種方法主要在車牌定位以前,需要對(duì)圖像進(jìn)行預(yù)處理,將彩色圖像轉(zhuǎn)換為灰度圖像,利用車牌區(qū)域水平方向的紋理特征進(jìn)行車牌定位;(2) 基于邊緣檢測(cè)的定位方法,這種方法是利用車牌區(qū)域豐富的邊緣特征進(jìn)行車牌定位3,能夠進(jìn)行檢測(cè)的方法有多種,如Roberts 邊緣算子、Prewitt 算子、Sobel 算子以與拉普拉斯

34、邊緣檢測(cè);(3) 基于車牌顏色特征的定位方法,這種方法主要是應(yīng)用車牌的紋理特征、形狀特征和顏色特征即利用車牌字符和車牌底色具有明顯的反差特征來排除干擾進(jìn)行車牌的定位;(4) 基于Hough 變換的車牌定位方法,這種方法是利用車牌邊框的幾何特征,采取尋找車牌邊框直線的方法進(jìn)行車牌定位;(5) 基于變換域的車牌定位方法,這種方法是將圖像從空域變換到頻域進(jìn)行分析,例如采用小波變換等;(6) 基于數(shù)學(xué)形態(tài)學(xué)的車牌定位方法,這種方法是利用數(shù)學(xué)形態(tài)學(xué)圖像處理的基本思想,利用一個(gè)結(jié)構(gòu)元素來探測(cè)一個(gè)圖像,看是否能將這個(gè)結(jié)構(gòu)元素很好的填放在圖像部,同時(shí)驗(yàn)證填放元素的方法是否有效。本文是利用車牌的彩色信息的彩色定

35、位分割方法。根據(jù)車牌底色等有關(guān)的先驗(yàn)知識(shí),采用彩色像素點(diǎn)統(tǒng)計(jì)的方法分割出合理的車牌區(qū)域,確定車牌底色藍(lán)色RGB對(duì)應(yīng)的各自灰度圍,然后行方向統(tǒng)計(jì)在此顏色圍的像素點(diǎn)數(shù)量,設(shè)定合理的閾值,確定車牌在行方向的合理區(qū)域。然后,在分割出的行區(qū)域,統(tǒng)計(jì)列方向藍(lán)色像素點(diǎn)的數(shù)量,最終確定完整的車牌區(qū)域。車牌定位 確定行、列方向的合理區(qū)域彩色像素點(diǎn)統(tǒng)計(jì)藍(lán)白色比對(duì)候選區(qū)域?qū)朐紙D像圖3.4 牌照區(qū)域的定位的流程圖 圖3.5 定位的車牌%=車牌定位與分割的主要程序代碼=y,x,z=size(I);myI=double(I);Y_threshlow=5;%這個(gè)數(shù)值很重要,決定了提取的彩圖的質(zhì)量X_firrectify

36、=5;%ganrao transaction%= Y 方向=Blue_y=zeros(y,1);baisebili=0;changkuanbi=0;temp MaxY=max(Blue_y);% Y方向車牌區(qū)域確定 temp(最多點(diǎn)數(shù)):所有行中,最多的累積像素點(diǎn) MaxY(最多點(diǎn)所在行):該行中藍(lán)點(diǎn)最多 PY1=MaxY;%有最多藍(lán)點(diǎn)的行付給PY1%=X 方向=X_threshhigh=(PY2-PY1)/11;%這個(gè)數(shù)值很重要。決定了提取的彩圖的質(zhì)量,適當(dāng)提高可抗干擾,但是小圖會(huì)照成剪裁太多 Blue_x=zeros(1,x); % 進(jìn)一步確定X方向的車牌區(qū)域 temp MaxX=max(

37、Blue_x); PX1=MaxX-6*(PY2-PY1);a=PY2-PY1+1;b=PX2-PX1+1; baisebili=White/(a*b) changkuanbi=a/b PY2=MaxY;a=PY2-PY1+1;b=PX2-PX1+1; Blue_y(PY1:PY2,1)=0; temp MaxY=max(Blue_y);3.3.4車牌的預(yù)處理根據(jù)三基色原理,世界上任何色彩都可以由紅綠藍(lán)(RGB)三色不同比例的混合來表示,如果紅綠藍(lán)(RGB)三個(gè)信號(hào)分別由一個(gè)字節(jié)表示,則該圖像顏色位數(shù)就達(dá)到二十四位真彩,也就是說在二十四位真彩的數(shù)字圖像中每個(gè)像素點(diǎn)由三個(gè)字節(jié)來表示,根據(jù)數(shù)字圖像

38、水平和垂直方向像素點(diǎn)數(shù)(即圖像分辨率)可計(jì)算出一幅圖像實(shí)際位圖大小。事實(shí)上,在車牌自動(dòng)識(shí)別系統(tǒng)中車輛圖像是通過圖像采集卡將運(yùn)動(dòng)的車輛圖像抓拍下來,并以位圖的格式存放在系統(tǒng)存中。這時(shí)的車輛常會(huì)因?yàn)楦鞣N各樣的原因使得所拍攝的車輛圖像效果不理想,但我們可以對(duì)車輛圖像根據(jù)不同應(yīng)用特點(diǎn)進(jìn)行識(shí)別前的預(yù)處理,盡最大可能提高車牌正確識(shí)別率,這些圖像預(yù)處理包括灰度處理、傾斜校正等。a.灰度處理汽車圖像樣本,目前大都是通過攝像機(jī)、數(shù)碼相機(jī)等設(shè)備拍攝獲取的,因而預(yù)處理前的圖像都是彩色圖像。真彩色圖像又稱RGB圖像,它是利用R, G, B3個(gè)分量表示一個(gè)像素的顏色,R, G, B分別代表紅、綠、藍(lán)3種不同的顏色,通過

39、三基色可以合成出任意顏色。所以對(duì)一個(gè)尺寸為m*n的彩色圖像來說,存儲(chǔ)為一個(gè)二m*n*3的多維數(shù)組。如果需要知道圖像A中(x, y)處的像素RGB值,則可以使用這樣的代碼A (x, y,1: 3)。彩色圖像包含著大量的顏色信息,不但在存儲(chǔ)上開銷很大,而且在處理上也會(huì)降低系統(tǒng)的執(zhí)行速度。由于圖像的每個(gè)象素都具有三個(gè)不同的顏色分t,存在許多與識(shí)別無關(guān)的信息,不便于進(jìn)一步的識(shí)別工作,因此在對(duì)圖像進(jìn)行識(shí)別等處理中經(jīng)常將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像,以加快處理速度。在RGB模型中,如果R=G=B,則顏色表示一種灰度顏色,其中R=G=B的值叫做灰度值.由彩色轉(zhuǎn)換為灰度的過程叫做灰度化處理?;叶葓D像就是只有強(qiáng)度信息

40、,而沒有顏色信息的圖像,存儲(chǔ)灰度圖像只需要一個(gè)數(shù)據(jù)矩陣,矩陣的每個(gè)元素表示對(duì)應(yīng)位置的像素的灰度值。彩色圖像的象素色為RGB (R, G, B ),灰度圖像的象素色為RGB ( r, r, r ), R, G, B可由彩色圖像的顏色分解獲得.而R, G, B的取值圍是0-255,所以灰度的級(jí)別只有256級(jí)?;叶然奶幚矸椒ㄖ饕腥缦氯N:(1)最大值法:使R. G, B的值等于三值中最大的一個(gè),即 R=G=B=max(R,G,B) (3.1)(2)平均值法:使R, G,B的值值等于三值和的平均值,即 R=G=B= (3.2) (3)加權(quán)平均值法:根據(jù)重要性或其它指標(biāo)給R, G, B賦予不同的權(quán)值

41、,并使R, G, B等于它們的值的加權(quán)和平均,即 R=G=B= (3.3) 其中WrWc,Wa,分別為R, G, B的權(quán)值。由于人眼對(duì)綠色的敏感度最高,對(duì)紅色的敏感度次之,對(duì)藍(lán)色的敏感度最低,當(dāng)Wr=0.30, Wa=0.59, Wc=0.11時(shí),能得到最合理的灰度圖像。 圖3.6 灰度處理%=將彩色圖像轉(zhuǎn)換為黑白并顯示=bw=rgb2gray(bw);figure,imshow(bw);title(灰度圖像) ;%rgb2gray轉(zhuǎn)換成灰度圖b. 傾斜校正由于拍攝時(shí)鏡頭與牌照的角度、車輛的運(yùn)動(dòng)與路面的狀況等因素的影響,例如車牌在捕捉圖像中的位置不固定,捕捉圖像時(shí)車頭或者鏡頭發(fā)生擺動(dòng)以與車牌本

42、身就掛歪了或路況較差,都可能使拍攝到的車牌圖像有一定的傾斜度,為了正確識(shí)別需要進(jìn)行傾斜度校正,否則將無法進(jìn)行單個(gè)字符的正確分割,字符識(shí)別的誤差率就會(huì)上升。但是若以某個(gè)固定的經(jīng)驗(yàn)值對(duì)所有牌照統(tǒng)一進(jìn)行旋轉(zhuǎn)處理,又會(huì)使原本正常的牌照傾斜,導(dǎo)致新的錯(cuò)誤。因此有必要針對(duì)特定的牌照?qǐng)D像提取其傾斜角度,再加以相應(yīng)的旋轉(zhuǎn)處理。本文在針對(duì)傾斜角度的圖片采取rando算法進(jìn)行傾斜角度計(jì)算,并對(duì)傾斜圖片進(jìn)行修正,從而得到水平方向一致的圖片,有利于后期的圖片分割與圖像識(shí)別。 圖3.7 標(biāo)示旋轉(zhuǎn)角theta圖3.8 傾斜校正%=圖像傾斜校正主要程序代碼=qingxiejiao=rando_bianhuan(bw)%采取

43、rando算法進(jìn)行傾斜角度計(jì)算bw=imrotate(bw,qingxiejiao,bilinear,crop);figure,imshow(bw);title(傾斜校正);%取值為正值向左旋轉(zhuǎn)I=edge(I);%figure,imshow(I);theta = 1:180;R,xp = radon(I,theta);%旋轉(zhuǎn),修正圖像I,J = find(R=max(max(R);%J記錄了傾斜角qingxiejiao=90-J;%theta3.3.5 牌照的二值化處理與去除噪聲圖像二值化是指整幅圖像畫面僅黑、白二值的圖像。在數(shù)字圖像處理中二值圖像占有很重要的地位。這是因?yàn)?,一方面,有些需?/p>

44、處理的如文字圖像、指紋圖像、工程圖紙等圖像本身是二值的;另一方面,在某些情況下即使圖像本身是有灰度的,我們也設(shè)法使它變成二值圖像再進(jìn)行處理(即灰度圖像的二值化)。這是考慮到在實(shí)用系統(tǒng)中,要求處理的速度高、成本低、信息量大的濃淡圖像處理的花銷大。此外二值化的圖像能夠用幾何學(xué)中的概念進(jìn)行分析和特征描述,比灰度圖像優(yōu)勢(shì)大得多。在實(shí)際的車牌處理系統(tǒng)中,進(jìn)行圖像二值化的關(guān)鍵使確定合適的閾值,使得字符與背景能夠分割開來,而且二值變換的結(jié)果圖像必須要具備良好的保形性,不丟掉有用的形狀信息,不會(huì)產(chǎn)生額外的空缺等。同時(shí)車牌識(shí)別系統(tǒng)要求處理的速度高、成本低、信息量大,采用二值圖像進(jìn)行處理,能大大提高處理效率。灰度

45、處理后的圖像,每個(gè)像素點(diǎn)出都有一個(gè)閾值,二值化的關(guān)鍵是找到合適的閾值t來區(qū)分對(duì)象和背景。設(shè)原灰度圖像為f(x,y),二值化后的圖像為g(x,y),二值化的過程表示如下:0 f(x,y)t二值化,基于實(shí)時(shí)性的要求,我力求尋找一種快速而且效果較好的方法,能夠更有針對(duì)性的解決在不同條件下牌照?qǐng)D像的二值化問題。求解閾值的方法很多,微分直方圖法、最大方差法、基于灰度的數(shù)學(xué)期望的方法、可變閾值法等。我們采用最簡單的方法,當(dāng)象素灰度級(jí)低于常數(shù)t時(shí),0-t象素灰度為0,t-255象素灰度為255。 擦除反色圖3.9 二值化處理、去除噪聲%=二值化處理、去除噪聲程序=bw=im2bw(bw,graythresh

46、(bw);%figure,imshow(bw);bw=bwmorph(bw,hbreak,inf);%figure,imshow(bw);bw=bwmorph(bw,spur,inf);%figure,imshow(bw);title(擦除之前);bw=bwmorph(bw,open,5);%figure,imshow(bw);title(閉合運(yùn)算);bw = bwareaopen(bw, threshold);figure,imshow(bw);title(擦除);bw=bw;figure,imshow(bw);title(擦除反色); 二值化處理后,利用垂直投影法檢測(cè)車牌垂直位置,并進(jìn)一步

47、裁剪車牌邊框貼近字體,方便后面字體識(shí)別。由于字符在垂直方向上的投影必然在字符間或字符的間隙處取得局部最小值的附近,并且這個(gè)位置應(yīng)滿足牌照的字符書寫格式、字符、尺寸限制和一些其他條件。利用垂直投影法對(duì)復(fù)雜環(huán)境下的汽車圖像中的字符分割有較好的效果,方便后面字體識(shí)別。 Y方向處理 圖3.10 字符精確定位%=Y方向處理定位字符的程序=function bw_fir = touying(imane_bw)X_yuzhi=1;y,x=size(imane_bw);Y_touying=(sum(imane_bw);%往左邊投影統(tǒng)計(jì)黑點(diǎn)X_touying=sum(imane_bw);%往下面投影,找黑體邊緣

48、Y_up=fix(y/2);Y_yuzhi=mean(Y_touying(fix(y/2)-10):(fix(y/2)+10),1)/1.6;while (Y_touying(Y_up,1)=Y_yuzhi)&(Y_up1)%找到圖片上邊界 while (Y_touying(Y_down,1)=Y_yuzhi)&(Y_downy)%找到圖片上邊界 %去除左邊邊框干擾 X_right=1;if (X_touying(1,fix(x/14)=max(baifenbi);%=識(shí)別字母=y,x,z=size(xiuzhengzimu);for k=1:24sum=0;baifenbi(1,k)=sum

49、/(x*y);chepai= find(baifenbi=max(baifenbi);shibiezimu=chepai;%=識(shí)別數(shù)字=y,x,z=size(xiuzhengshuzi_1);for k=1:10sum=0;baifenbi(1,k)=sum/(x*y);chepai= find(baifenbi=max(baifenbi);shibieshuzi=chepai-1;3.6語音自動(dòng)播報(bào)識(shí)別結(jié)果對(duì)字符正確識(shí)別之后,用事先對(duì)每一個(gè)字符的錄音,根據(jù)對(duì)應(yīng)字符順序播放。在對(duì)車牌區(qū)域識(shí)別出錯(cuò)、字體分割出錯(cuò)時(shí)程序暫停,并有語音提醒。在構(gòu)建標(biāo)準(zhǔn)音庫的過程中,用錄音工具錄制了AZ、0-9和車牌地

50、區(qū)名,并且以音頻文件保存。樣本庫中的編碼規(guī)則如下。(1)數(shù)字0-9,文件名為0.wav-9.wav;(2)字母A-Z,文件名為A.wav-Z.wav;(3)各省自治區(qū)簡稱,文件名為豫.wav;魯.wav;.wav;浙.wav;閩.wav;粵.wav;黔.wav;桂.wav;湘.wav;冀.wav;京.wav;遼.wav;吉.wav;黑.wav;蒙 .wav; 陜.wav;甘.wav;青.wav;新.wav;藏.wav;皖.wav;滬.wav;晉.wav;寧.wav;津.wav;贛.wav;瓊.wav;滇.wav;川.wav;鄂.wav;渝.wav;%=語音自動(dòng)播報(bào)程序=function han

51、zi=duquhanzi(cpyu,cpguizhou,cpjing.cpsu,cpyue,cpgui)hanzi(:,:,1)=imresize(im2bw(cpyu,graythresh(rgb2gray(cpyu),110 55,bilinear);hanzi(:,:,2)=imresize(im2bw(cplu,graythresh(rgb2gray(cplu),11055,bilinear);第四章 設(shè)計(jì)結(jié)果與分析4.1 設(shè)計(jì)結(jié)果本文以MATLAB6.5.1為實(shí)驗(yàn)平臺(tái),以攝取的彩色車牌照片為對(duì)象進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)的最終結(jié)果如圖3.14所示,汽車車牌識(shí)別系統(tǒng)的設(shè)計(jì)達(dá)到預(yù)期目標(biāo)。在得到這個(gè)結(jié)

52、果之前,需要對(duì)車牌進(jìn)行車牌定位、圖像預(yù)處理、車牌分割等處理。由于攝像部分多工作于開放的戶外環(huán)境,加之汽車車牌的整潔度、自然光照條件、拍攝時(shí)攝像機(jī)與牌照的距離和角度以與車輛行駛速度等因素的影響,牌照?qǐng)D象可能出現(xiàn)模糊、歪斜和缺損等嚴(yán)重缺陷,因此需要對(duì)原始圖象進(jìn)行識(shí)別前的預(yù)處理。預(yù)處理包括灰度化、車牌校正等。對(duì)于光照條件不理想的圖象,可先進(jìn)行一次圖象增強(qiáng)處理,使得圖象灰度動(dòng)態(tài)圍擴(kuò)展和對(duì)比度增強(qiáng),再進(jìn)行定位和分割,這樣可以提高分割的正確率。在定位模塊,首先對(duì)采集到的視頻圖像進(jìn)行大圍相關(guān)搜索,找到符合汽車牌照特征的若干區(qū)域作為候選區(qū),然后對(duì)這些侯選區(qū)域做進(jìn)一步分析、評(píng)判,最后選定一個(gè)最佳的區(qū)域作為牌照區(qū)

53、域,并將其從圖象中分割出來。根據(jù)長寬比,藍(lán)白色比對(duì)候選區(qū)域進(jìn)行多次定位,根據(jù)車牌底色等有關(guān)的先驗(yàn)知識(shí),采用彩色像素點(diǎn)統(tǒng)計(jì)的方法,先確定行方向的車牌區(qū)域,再確定列方向的區(qū)域,得出最終的車牌區(qū)域,如圖3.5。在本文中根據(jù)采集到的圖像本身的特點(diǎn),對(duì)它進(jìn)行了灰度化的處理。因?yàn)椴噬珗D像包含著大量的顏色信息,不但在存儲(chǔ)上開銷很大,而且在處理上也會(huì)降低系統(tǒng)的執(zhí)行速度,因此將彩色圖像轉(zhuǎn)化為灰度圖像,以縮短處理速度?;叶然蟮膱D像如圖3.6所示。車牌分割難點(diǎn)在于噪聲合字符粘連,斷裂對(duì)字符的影響,因此必須先將定位后的車牌進(jìn)一步處理。字符分割一般采用垂直投影法,在字符切割時(shí),往往由于閾值取得不好,導(dǎo)致字符切割不準(zhǔn)確

54、,針對(duì)這種情況,可以由車牌格式的先驗(yàn)知識(shí),對(duì)切割出的字符寬度進(jìn)行統(tǒng)計(jì)分析,用以指導(dǎo)切割,對(duì)因錯(cuò)誤切割過寬的字符進(jìn)行分裂處理。最后將分割出來的字符運(yùn)用模板匹配的方法與模板字符進(jìn)行匹配,將其與模板字符相減,得到的0越多那么就越匹配。把每一幅相減后的圖的0值個(gè)數(shù)保存,然后找數(shù)值最大的,即為識(shí)別出來的結(jié)果。識(shí)別結(jié)果如圖3.14所示。4.2 結(jié)果分析對(duì)于識(shí)別錯(cuò)誤情況,系統(tǒng)會(huì)自動(dòng)語音提醒,識(shí)別錯(cuò)誤的主要原因:一是牌照自身的污漬等影響了圖象的質(zhì)量;二是牌照字符的分割失敗導(dǎo)致的識(shí)別錯(cuò)誤;再就是部分字符的形狀相似性,比如,B 和8;A 和4;D和0;6和8;2和Z是比較容易識(shí)別出錯(cuò)的字符。在車牌識(shí)別的過程中數(shù)字

55、庫的建立很重要,只有數(shù)字庫的準(zhǔn)確才能保證檢測(cè)出來的數(shù)據(jù)正確。切割出來的數(shù)據(jù)要與數(shù)據(jù)庫的數(shù)據(jù)作比較,所以數(shù)據(jù)庫的數(shù)據(jù)尤為重要??傊?,盡管目前牌照字符的識(shí)別率還不理想,但是只要在分割出的字符的大小、位置的歸一化以與尋找更合適的分割閾值等環(huán)節(jié)上完善,進(jìn)一步提高識(shí)別率是完全可行的。通過以上的方法,我對(duì)多幅圖像進(jìn)行了檢測(cè),有較好的識(shí)別效果。下面是對(duì)另一幅車牌照的檢測(cè),結(jié)果如圖4.15-4.22所示。圖4.1 原始圖像 圖4.2 車牌圖像 圖 4.3灰度圖像圖 4.4傾斜校正圖4.5 二值化處理、去除噪聲 圖4.6 字符精確定位 圖 4.7 分割出的字符圖 4.8識(shí)別結(jié)果結(jié)論在智能交通系統(tǒng)中,車牌自動(dòng)識(shí)別

56、系統(tǒng)是智能化交通系統(tǒng)非常重要的發(fā)展方向。從開始的收費(fèi)輔助系統(tǒng)演變過來的車牌識(shí)別技術(shù)現(xiàn)在運(yùn)用的領(lǐng)域是越來越廣。它在車輛過路、過橋全自動(dòng)不停車收費(fèi),交通流量控制指標(biāo)的測(cè)量,車輛自動(dòng)識(shí)別,高速公路上的事故自動(dòng)測(cè)報(bào),不停車檢查,車輛定位,汽車防盜,稽查和追蹤車輛違規(guī)、行為,維護(hù)交通安全和城市治安,防止交通堵塞,提高收費(fèi)路橋的服務(wù)速度,緩解交通緊狀況等方面有重要作用,有重要的現(xiàn)實(shí)應(yīng)用意義。本文主要解決了以下幾個(gè)問題:1.在背景的圖象中如何定位分割牌照區(qū)域;2.對(duì)分割下來的牌照字符如何提取具有分類能力的特征;3.如何設(shè)計(jì)識(shí)別器。在汽車車牌識(shí)別系統(tǒng)的研究領(lǐng)域,近幾年出現(xiàn)了許多切實(shí)可行的識(shí)別技術(shù)和方法,從這些

57、新技術(shù)和方法中可以看到兩個(gè)明顯的趨勢(shì):一是單一的預(yù)處理和識(shí)別技術(shù)都無法達(dá)到理想的結(jié)果,多種方法的有機(jī)結(jié)合才能使系統(tǒng)有效識(shí)別能力提高。在本系統(tǒng)的設(shè)計(jì)時(shí),也汲取了以上一些算法的思想,結(jié)合實(shí)際,反復(fù)比較,綜合分析;二是在有效性和實(shí)用的原則下,結(jié)合神經(jīng)網(wǎng)絡(luò)和人工智能的新技術(shù)的應(yīng)用是研究的一個(gè)方向。系統(tǒng)本身還存在許多不足,距離具體實(shí)用的要求仍有很大差距,但我卻在這次畢業(yè)設(shè)計(jì)中學(xué)到了很多知識(shí)。對(duì)現(xiàn)實(shí)事物的設(shè)計(jì)不僅是對(duì)前面所學(xué)知識(shí)的一種檢驗(yàn),而且也是對(duì)自己能力的一種提高。通過這次設(shè)計(jì)使我明白了自己原來知識(shí)還比較欠缺。這個(gè)設(shè)計(jì)讓我學(xué)到了很多東西,涉與到方方面面的知識(shí),在這整個(gè)過程中我們查閱了大量的資料,得到了

58、老師和同學(xué)的幫助,我在此對(duì)他們表示意。在這期間遇到了很多困難,我知道做什么都不容易,只能塌下心來,一步一個(gè)腳印的去完成才行。學(xué)習(xí)是一個(gè)長期積累的過程,在后的工作、生活中都應(yīng)該不斷的學(xué)習(xí),努力提高自己知識(shí)和綜合素質(zhì)。此外,還得出一個(gè)結(jié)論:知識(shí)必須通過應(yīng)用才能實(shí)現(xiàn)其價(jià)值!有些東西以為學(xué)會(huì)了,但真正到用的時(shí)候才發(fā)現(xiàn)是兩回事,所以我認(rèn)為只有到真正會(huì)用的時(shí)候才是真的學(xué)會(huì)了。雖然這個(gè)設(shè)計(jì)做的并非對(duì)所以車牌都合適,但是在設(shè)計(jì)過 程中所學(xué)到的學(xué)習(xí)方法是我最大收獲和財(cái)富,相信定會(huì)使我受益終身。參考文獻(xiàn) 1 岡薩雷斯數(shù)字圖像處理(第二版)電子工業(yè),200782 胡小鋒、輝VC+/MATLAB圖像處理與識(shí)別使用案例

59、精選.人民郵電,2004.93 郁梅等,基于視覺的車輛牌照檢測(cè),計(jì)算機(jī)應(yīng)用研究,1999(5),P65674 葉晨洲,廖金周,一種基于紋理的牌照?qǐng)D象二值化方法, 1999(6),P28295 朱學(xué)芳等,一種自適應(yīng)細(xì)化方法,模式識(shí)別與人工智能,Vol.10,No.2,1997(6),P1401456 萬山等,基于BP 神經(jīng)網(wǎng)絡(luò)的工程圖紙圖形符號(hào)的識(shí)別, Vol.16,No.2,20007 袁志偉,曉露.車輛牌照定位的算法研究J.理工大學(xué)學(xué)報(bào),2001,26(2): 56608 陽,伊鐵源等.數(shù)字圖象處理應(yīng)用于車輛牌照的識(shí)別.大學(xué)學(xué)報(bào).2004,65689 許志影、晉平.MATLAB極其在圖像處理

60、中的應(yīng)用.計(jì)算機(jī)與現(xiàn)代化,2004(4)10 宋建才.汽車牌照識(shí)別技術(shù)研究J.工業(yè)控制計(jì)算機(jī),2004,4445.11 D. S. Kim and S. I. Chien,. Automatic car license plateextraction using modified generalized symmetry transform andimage warp ing J . in Proc. IEEE Int. Symp. Industrial Elec2tronics, vol. 3, 2001, pp. 2022 202712 StephenM.Pizer, E.Philip A

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論