车辆牌照识别系统综述

车牌识别综述,写的不错,引用率挺高的

第16卷第2期

2001年6月　　　郑州轻工业学院学报(自然科学版)　　　JOURNALOFZHENGZHOUINSTITUTEOFLIGHTINDUSTRY(NaturalScience)Vol.16　No.2Jun.2001文章编号:10041478(2001)02004704

车辆牌照识别系统综述

王广宇

(郑州轻工业学院应用数理系,河南郑州　450002)

摘要:基于图像和字符识别技术的智能化交通管理系统——车辆牌照识别系统,一般要先对原

始图像进行转换、压缩、增强、水平校正等预处理,再用边缘检测法对牌照进行定位与分割,而

字符识别多采用特征提取与模式匹配等方法.从中可以看出:多种预处理与识别技术有机结合

以提高系统识别能力,在有效、实用的原则下将神经网络与人工智能技术相结合将成为模式识

别研究的两个重要发展趋势.

关键词:模式识别;图像增强;字符;人工智能;车辆牌照识别系统

中图分类号:TP391.41　　　　文献标识码:A

0　引言

20世纪90年代以来,我国在基础设施的建设上加快了步伐,相比之下,道路管理监控以及科学收费软件等设施建设却显得相对滞后.针对这种情况,管理部门已着手进行诸如交通信号自适应控制系统、智能交通监控系统、不停车自动收费系统等智能化交通管理系统的研制,其中高速公路GPS车辆管理及导航系统、

不停车自动收费系统是基于非接触式(也称RF射频技术)IC卡和车辆牌照字符识别技术的车辆缴费信息综合管理系统.该系统基本工作原理为:1)当车辆驶入路卡的天线感应区,收费系统自动检测随车IC卡中记录的牌照号码、预存款项金额、车辆及车主的信息,车型识别子系统同时对车辆的车型、吨位等进行鉴别;

2)系统根据接收到的IC卡内容以及车型识别信息计算通行费用,并将结果回写于射频IC卡内;3)若预交款额充足,完成交费即正常放行,否则降下停车护栏,并向管理人员发出警报.若车辆逃遁,则启动自动跟踪摄像机拍摄车辆牌照.由于牌照是机动车辆管理的惟一标识符号,因此车辆牌照识别系统(vehiclelicenseplaterecognitionsystem)要具有较高的识别率,同时对环境光照条件、拍摄位置和车辆行驶速度等因素的影响也应有较大的鲁棒性,并能满足实时性的要求.

1　车辆牌照识别系统原理

车辆牌照识别系统的基本工作原理为:将摄像头拍摄到的包含车辆牌照的图像通过视频卡输入计算机进行预处理,再由检索模块对牌照进行搜索、检测、定位,并分割出包含牌照字符的矩形区域,然后对牌照字符进行二值化并将其分割为单个字符,规整后输入字符识别子系统进行识别.

2　车辆牌照识别系统组成

2.1　图像预处理

摄像机拍摄的图像通常是以BMP格式存入计算机的,为了便于牌照的分割和字符的识别,原始图像应收稿日期:20000404　

作者简介:王广宇(1969,男,湖南省长沙市人,郑州轻工业学院讲师,主要从事固体电路与计算机研究.

车牌识别综述,写的不错,引用率挺高的

　 48 郑州轻工业学院学报(自然科学版)2001年　具有适当的亮度和对比度.但由于摄像部分位于户外,车辆牌照不整洁,光照条件不好,摄像头与牌照的距离或角度不合适以及车速较快等因素的影响,图像可能模糊、歪斜或缺损,因此需要对原始图像进行预处理.

2.1.1　图像转换及压缩

BMP格式是以象素为单位记录图像的,每个象素点均由红、绿、蓝3色组成,每个色彩通道的颜色值均由8位字节表示.然而,除了少数文献[1,2]提到可借助色彩信息对牌照进行检测与分割外,绝大多数牌照识别系统采用不含色彩信息的灰度图像,即图像中每个象素仅用1个8位字节表示其亮度值.

要使处理速度达到实时的要求,就要对图像进行压缩.实验证明,16pixel×16pixel就足够保持输入字符的形状[3],确保识别的正确性.对图像进行压缩应选择合适的压缩比,防止丢失字符信息,造成识别错误.图像压缩的算法较多,行程编码算法(RLC)、滑动窗口压缩算法等在字符识别系统中运用较多.

2.1.2　图像增强

由于车辆牌照识别系统需全天候工作,自然光照度的昼夜变化会引起牌照图像的对比度严重不足,若无理想的补充光,就可能造成图像字符不清,甚至无法识别.因此,图像增强处理无论对改善牌照图像的可辨认度,还是简化字符的定位与分割,都是很有必要的.增强图像对比度的方法有灰度线性变换、图像平滑处理和线性滤波器[2]等.

2.1.3　图像水平校正

对车辆牌照进行拍摄时,须调整摄像机角度以保持牌照横向边缘的倾斜度尽可能小,并且让牌照在整幅图像中处于相对居中的位置,即图像的视觉中心上.但是,摄像机通常安装在路边或高处,这会产生车辆牌照与摄像头成像平面不平行、图像倾斜、图像变形的问题,影响牌照的检测与分割.针对图像旋转倾斜的问题,文献[6]提出了基于区域生长算法的牌照校正方法.通常情况下,图像的水平校正放在牌照的二值化、分割,甚至是字符的切分之后进行,这样可使图像处理的运算量大大减少.

2.2　牌照的定位与分割

牌照的定位与分割是牌照识别系统的关键技术之一,其主要目的是在预处理后的灰度图像中确定牌照的具体位置,并将包含牌照字符的子图像从整个图像中分割出来,供字符识别子系统识别.由于牌照图像在原始图像中是很有特征的一个子区域,确切地说是水平度较高的横向近似长方形,它在原始图像中的相对位置比较集中,而且其灰度值与周围区域有明显的不同,因而在其边缘就会形成灰度突变的边界,这就便于通过边缘检测来对灰度图像进行分割.所谓边缘检测就是寻找灰度值发生急剧变化的区域,可以用图像灰度的一阶偏微分(梯度算子 )和二阶偏微分(拉普拉斯算子 2)的值来判定边缘点,亦可将图像与二维高斯(Gaussian)函数经拉普拉斯运算的函数 h(x,y)进行卷积后检测出来.基于图像轮廓线(边缘线)的牌照图像定位算法[8,9],对特征明显的牌照图像定位和分割十分有效,且算法简便可行.

统计投影直方图的方法[10]是通过对原始图像在水平和垂直2个方向的灰度投影直方图案的分析来确定牌照位置的.将原始图像进行二值化后再运用投影直方图的方法可确定牌照在整个图像中的位置,也可以利用牌照的四边形区域的几何特点,通过检测四边形的边框或四角来确定牌照的位置[1].

2.3　字符识别的预处理

由于拍摄时的光照条件,牌照的整洁程度,摄像机的焦距调整、镜头的光学畸变等因素都会不同程度地造成牌照字符边界模糊、细节不清、笔划断开或粗细不均,致使字符提取困难,影响字符识别的准确性,因此,需要在识别前对字符进行有针对性的预处理.

2.3.1　图像二值化

一幅8位的灰度图像仍有256个灰度等级,对此灰度图像进行二值化实质上是将图像中的每个象素按一定规则进行分类,也就是将图像转换成只有2个等级(黑、白)的二值图像.最简单的分类规则是依据区域相似性和不连续性,取一灰度阈值,大于此阈值的象素点置为黑(或白),而小于此阈值的象素点置为白(或黑).在阈值选取时,为了简化运算,可以取图像灰度平均值为阈值[2];为解决光照不均的问题,可以采取牌照字符分别二值化的方法[10][2]2[7][5][4],即先对牌照图像进行字符分割,再对分割出来的字符分别进行梯度统计,取得各

;

车牌识别综述,写的不错,引用率挺高的

　第2期王广宇:车辆牌照识别系统综述　　　 49 行调整,这样,图像二值化的效果好于灰度直方图取阈值方法.此外,也有部分牌照检测系统根据彩色牌照图像的色度、亮度和饱和度来确定阈值,直接将彩色图像转换为二值图像[1].

2.3.2　牌照字符的切分

经过牌照字符图像的分割与二值化,得到的是一个只包含牌照字符的水平条形区域,为了进行字符识别,需要将牌照字符从二值图像中分割出来.通常车辆牌照的字符大小、字体以及排列间隔都有一定的规律,绝大多数只有一行,由7位字符组成:第一位是汉字,代表车辆所属省份,或是军种、警别等有特定含义的字符简称,第二位为大写的英文字符,一个圆点间隔之后的第三位是英文字母或数字,其余的4位均为数字.文献[5]就充分利用了牌照字符固定的高宽比和间距作为经验知识对牌照图像进行精确的字符定位切分.该方法在分割前先估算出字符宽度、间距,并从图像竖直方向的投影直方图定出字符的开始位置,再参照估算值逐个定位切分全部字符.另一种切分方法[6,9]则是根据牌照图像竖直投影直方图的期望与方差确定一个阈值,阈值过大或过小都会影响切分的准确性,因此阈值可依据切分结果进行重新调整.实际上,受车辆牌照有污斑或剥落等因素的影响,图像会有较大的噪声干扰,图像二值化过程中会有部分信息丢失,造成待分割的牌照字迹模糊,相邻字符粘连,甚至残缺不全,严重影响切分结果,所以,参考牌照字符特点的分割方法是有效的.

2.3.3　字符的细化

对字符识别来说,字符笔划的宽度信息冗余有可能导致识别错误.为此,需对字符进行细化处理,除去冗余的部分,仅保留构成字符骨架的线宽为1pixel的笔划中心线.字符的细化有利于字符几何特征的提取,减少识别运算量,提高识别率.

字符细化的算法主要有串行算法和并行算法2种.串行算法是按一定的次序对字符边缘的象素进行迭代检测,按约定判据确定象素的删留,层层“剥离”而留下字符的骨架;并行算法与此类似,但无需逐点进行,因而实现简单,速度更快.文献[12]提出一种并行的自适应细化算法(ATA),将字符笔划中象素点的连接结构分为一般、复杂和特殊3种形态,并分别设计结构模板(如条形模板、T形模板、Y形模板等)来检测笔划上相邻象素点的删留,较好地防止了字符在T形连接和拐角处的交接点畸变,同时也防止了长直笔划被截断造成的字符失真.另一种基于字符笔划轮廓的细化算法[13]首先对字符进行轮廓跟踪,然后检测轮廓形状的拐点,再将相邻2拐点之间的轮廓线定为该方向上的向量段进行匹配,构成笔划,最后把完整的笔划归整而得到字符骨架.通过比较可知,该算法很好地保持了字符的整体结构,细化后的字符骨架最接近字符的原结构.

2.4　字符的识别

牌照字符识别系统的关键是字符特征提取和模式匹配,主要有以下几种方法:1)利用字符的结构特征和变换(如Fourier变换、Karhunen-Loeve变换[14]等)进行特征提取.该方法对字符的倾斜、变形都有很高的适应性,但运算量大,对计算机性能要求较高.2)利用字符的统计特征进行特征提取.如提取字符号的投影特征、网格特征和轮廓特征组成字符特征矢量,进行特征匹配的方法[10],识别率就比较高.3)基于字符结构分析的识别方法.该方法可以识别有较大旋转、变形、缩放的字符图像,但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.4)模板匹配法.由于车辆牌照字符中只有26个大写英文字母,10个阿拉伯数字和约50个汉字,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%[6],同时也可以满足实时性的要求.此外,还可以将神经网络模型运用于模式识别系统进行牌照字符识别[15,16].

3　结论

近年来,在车辆牌照字符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.从这些新技术和新方法中可以看到2个明显的趋势:1)单一的预处理和识别技术都无法达到理想的结果,多种方法的有机结合才能使系统的有效识别能力提高;2)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

车牌识别综述,写的不错,引用率挺高的

　 50 郑州轻工业学院学报(自然科学版)2001年　参考文献:

[1]　郁梅.基于视觉的车辆牌照检测[J].计算机应用研究,1999,(5):65—67.

[2]　廖金周,宣国荣.车辆牌照的自动分割[J].微型电脑应用,1999,(7):32—34.

[3]　DarwicheE,PandyaAS,MandaliaAD.Automatedopticalrecognitionofdegradedcharacters[J].

SPIE,1992,1661:27—32.

[4]　NelsonM.Thedatacompressionbook[M].SanMates,CA:MandTBooks,1992.

[5]　张引,潘云鹤.面向车辆牌照字符识别的预处理算法[J].计算机应用与研究,1999,(7):85—87.

[6]　叶晨洲.车辆牌照字符识别系统[J].计算机系统应用,1999,(5):10—13.

[7]　AbhijitSPandya,RobertBMacy.神经网络模式识别及其实现[M].徐勇译.北京:电子工业出版社,

1999.35—55.

[8]　韩永强,李世祥.汽车牌照子图像的定位算法[J].微型电脑应用,1999,(3):14—16.

[9]　王少杰.货运列车车型车号自动分割和识别算法[J].模式识别与人工智能,1998,11(3):328—334.

[10]　李宏升.利用牌照识别技术的停车场安全防盗系统[J].计算机系统应用,1999,(5):14—16.

[11]　叶晨洲,廖金周.一种基于纹理的牌照图像二值化方法[J].微型电脑应用,1999,(6):28—29.

[12]　朱学芳.一种自适应细化方法[J].模式识别与人工智能,1997,10(2):140—145.

[13]　沈亮,程乾生.一种新的文字细化算法[J].模式识别与人工智能,1997,10(3):232—237.

[14]　郭军.发展中的文字识别理论与技术[J].电子学报,1995,23(10):184—187.

[15]　王年.人工神经网络在公路车辆管理中的应用[J].电子技术应用,1998,(9):11—12.

[16]　荣辉,张济生.人工神经网络及其现状与展望[J].电子技术应用,1995,(10):4—5.

Thesurveyonvehiclelicenseplaterecognitionsystem

WANGGuang-yu

(Dept.ofAppliedMaths.andPhysics,ZhengzhouInst.ofLightInd.,Zhengzhou450002,China)

Abstract:Thevehiclelicenseplaterecognitionsystemisanintelligenttrafficcontrolsystembasedonimageandtechniqueofcharacterrecognition.Inthissystem,theoriginalimageisfirsttransformed,compressed,enhancedandhorizontallyrectified,then,thelicenseplateisfixedinapositionandcutapartbyvergeexamination,whilethecharacteristicextractingandmodlematchingareusuallyusedincharacterrecognition.Itshowsthatcombinedpretreatmentsandrecognitiontechniquescanimprovetheabilityofrecognition,andthecombinationofneuralnetworkandartificialintelligenceundertheprincipleofefficiencyandpracticalitywillbetwomajordevelopmenttrendenciesofpartternrecognition.

Keywords:patternrecognition;imageenhancement;character;artificialintelligence;vehiclelicenseplaterecognitionsystem

本文来源：https://www.bwwdw.com/article/ph41.html