车辆牌照自动识别系统的研究
车辆牌照自动识别技术研究与应用
６ ｍ ０ｓ ｍ。 图像模糊 ；３ 外界光的干扰 。阳光和夜间车辆大灯都会对摄像 将发光时间 由 １ ．７ ｓ或 ２ｍ 压缩至 ｌ ｓ 这样摄像机同样能 （） 机造成炫光干扰：４ 车辆牌照表面的清洁度。由于上述因素有 获得稳定充足的光 能， （） 而干扰光的影响减少到原来的 １ Ｏ 红 ／２ 。 影响， 如果不采取措施 ， 车辆牌照字符的识别正确率很低 ， 有时 外发光二极管发出的光 的波长范 围很小， 一般是 ６ 纳米 。 ０ 干扰 甚至不到 ５ ％。 ０ 因此必须采取技术手段减少上述因素带来的不 光的波长范围很大 ， 其光谱从紫外光 Ｕ Ｕ ｔ ａＶ ｏ ｅ ） Ｖ（ｌｒ ｉｌ ｔ经可见 利影响。摄像机 自身因素这些因素可 以通过选用性能指标适当 光区直到红外光区中部 （ 波长从 ３０纳米 到 ２ ０ ５ ７０纳米） 。 的摄像机 ， 调整摄像机位置 ， 定期清除镜头表面 的灰 尘等措施
理沧视野
车辆牌照 自动识别技术研 究与应 用
徐 辉
２ ００ ） ３ ０ ９ （ 肥工业大学计算机与信息学院， 合 安徽 合肥
【 要】 摘 本文详述 了车辆牌照 自动识别技 术的原理和关键技术， 并对应用领域进行了分析和探讨 。 还探讨 了用安装在高速公 路 收费车道和行驶车道上的汽车牌照 自动识别系统 ， 如何防止 司机 中途挟卡换车牌逃 费， 通过旅行 时间检测和 流量分析 进行旅行
Ｉ Ｓ 统 就是 信 息 的管 理 。交 通 监 视摄 像 机 在 高 速 公 路 中 但 只保 留最 后 １ 秒 的 结 果 。 Ｔ系 毫
的应用越来越普及 ， 但利用摄像机抓拍并识别牌照技术刚刚兴
４ ．处理外界光的干扰摄像机主要安装在 收费亭旁边或 附
起 。随着计算机技术的发展 ， 计算机 的处理能力不断提高， 价格 着在桥梁和交通标志立柱上。阳光和夜间车辆大灯 的影响使摄
车牌自动识别系统的研究与实现
车牌 自动识别 系统
车 牌 自动 识 别 系 统 主 要 由 以 下 几 部 分 组 成 ： 牌 图 像 车
的采 集 、 像 的 预 处 理 、 图 车牌 区 域 的定 位 、 牌 区 域 的分 割 、 车
车牌字 符识别 的预处理 及 车牌字 符 的识 别 ， 系统 流程 如 其
图 １ 示 。本 文 重 点 介 绍 车 牌 区 域 的 定 位 、 牌 区 域 的 分 所 车
第 ２ ５卷 第 ４期 ２０１０年 １２月
青 岛大 学 学 报 （ 程 技 术 版 ） 工 Ｊ ＯＵＲＮＡＬ ＯＦ ＱＩ ＮＧＤＡ Ｕ Ｖ Ｏ ＮＩ ＥＲＳ Ｔ （ Ｉ Ｙ Ｅ＆Ｔ）
ＶｏＬ ２ ＮＯ ５ ．４
Ｄｅ ． ２ ０ ｃ １ ０
文 章 编 号 ： ０ ６ ７ ８ ２ １ ） ４ ０ ２— ６ １ ０ —９ ９ （ ０ ０ ０ —０ ４ ０
统大 多是 利用 摄像 机室 外拍 摄 汽 车 图像 ， 在许 多客 观 的干 扰 ， 天 气 、 景 、 牌 磨 损 、 照倾 斜 等 因 存 如 背 车 牌
素口ｓ， ． 因此定 位识 别 并不 十分 理想 ， 别对 于我 国的车牌 ， ］ 特 由于 汉字 的特 殊性 ， 往会 产 生 拒识 或 误 识 的 往 现象 。本 文采用 基 于纹理 和 颜色 信息 的综 合车 牌定 位方 法 对车 牌 区域精 确 定 位 ， 过分 析 水 平投 影 的统 通 计特 征和 竖直投 影 的特 征进 行 车牌字 符分 割 ， 用 自适 应 性 和学 习能力 强 的 Ｂ 利 Ｐ神经 网路 进行 字 符识 别 ， 使识 别 准确 度和 识别 效率 有 了较 大提 高 。
车牌 自动 识别 系统 的研 究 与实现
李 坤 ，彭 延 军
RFID双标签汽车牌照自动识别系统研究
除 了拥 有原 车 载 的 车 牌 识 系统 之外 同时 将 目前 就 汽 车 行 业 的 发 展 来 看 ， 汽车已 的 。 在Ｅ ＴＣ 车 道 的 入 口处 会 埋 入 一 个 地 下 ＲＦ １ Ｄ 标签 内放 到车 牌 内 。 拥有 ＲＦ Ｉ Ｄ 标 签 的
车辆在进进入 了Ｅ ＴＣ 专 用 车 道 的 时 车 牌在 将 车 买 回来 进 行 上 牌 照 的 时 候 就 由 经 走 进 了千 家 万 户 ， 但 是 相 应 的 对 相 应 的 线 圈 ， 配 套 设 施 提 出 了越 来 越 多 的 要 求 ， 今 天 我 侯 ， 就会压到这个线圈 ， 此 时这 个 系统 开 始 交 管 部 门 进 行 设 置 ， 在 设 置 的 过 程 中将 此 同时 要 将 输 们 所要 论 述 的Ｅ ＴＣ系统 就 是 一 个 针 对停 车 进 行 启 动 ， Ｅ ＴＣ 识 别 系 统 会 同 汽车 事 先 帖 车 的 基 本 信 息 都 会 输 入 进 去 ，
则进行交费 ， 同 时 将 交 费 金 额 显示 在 屏 幕 上 对 信息 进 行 保 存 ， 上传， 进 行 下 一 个 车 辆
的收 费。
４． ２ 系统 的特 点 防 止车 辆 避 费 是 此 系统 的 一 个 最 大 优 点， 此 系统 中 的ＲＦ Ｉ Ｄ： ￣ Ｉ ＯＢ Ｄ 直 接 是 绑 定并 且互 相 制 约 的 也 就 不 用 担 心 自己 的 车 牌 被
Ｚｐ ａ Ｓ Ｓ ”系统 仅 仅 实施 运 行 了一 段 时 间 ， ４ ３ ％的 交 易 量 都 是 通 过 当 时 拥 有 的 ２ ３ 条
—
一
系 列 的 动 作完 成 之 后 车 道 的通 行 杆 抬 起
测这两个标签 是否绑定 ， 如 果 没 有 车辆 信
基于光学识别的车辆牌照自动识别系统研究
基于光学识别的车辆牌照自动识别系统研究摘要：随着交通管理和车辆安全的不断提升，对于车辆牌照自动识别系统的需求也越来越大。
本文将介绍基于光学识别的车辆牌照自动识别系统的研究进展和应用前景。
首先，我们将讨论该系统的工作原理和关键技术，并探讨其在交通管理、安全监控和智能交通领域的应用。
然后，我们将分析系统可能面临的挑战，如光照条件、车辆速度和图像质量等因素，并提出相应的解决方案。
最后，我们将总结该系统的优势和局限性，并展望其未来发展的趋势。
1. 引言车辆牌照自动识别系统是一种利用计算机视觉和图像处理技术，能够自动从图像或视频中识别出车辆牌照号码的系统。
该系统在交通管理、安全监控和智能交通等领域都有着广泛的应用。
在过去的几十年里，随着计算机视觉和图像处理技术的发展和进步，车辆牌照自动识别系统的性能也得到了显著的提升。
2. 工作原理和关键技术基于光学识别的车辆牌照自动识别系统主要包括图像获取、车牌定位、车牌字符分割和字符识别等步骤。
图像获取是系统中最基本的步骤之一，常用的图像获取设备包括摄像头、视频监控系统和红外线相机等。
车牌定位是通过图像处理算法，自动定位出车辆图像中的车牌位置。
车牌字符分割是将车牌图像中的字符分割出来，用于后续的字符识别。
字符识别是系统中最核心的步骤之一，常用的方法包括模板匹配、神经网络和支持向量机等。
3. 应用前景基于光学识别的车辆牌照自动识别系统在交通管理、安全监控和智能交通等领域都有着广阔的应用前景。
在交通管理方面，该系统可以实现违章车辆自动识别，并自动生成相应的处罚单据，大大提高交通管理的效率和准确性。
在安全监控方面，该系统能够自动识别被盗车辆，并快速发出警报，有助于提高车辆安全和保护车辆财产。
在智能交通方面，该系统能够实现车辆流量统计和道路拥堵监测，为交通规划和优化提供重要数据支持。
4. 系统挑战与解决方案基于光学识别的车辆牌照自动识别系统在实际应用中可能面临多种挑战，如光照条件的变化、车辆速度的不确定和图像质量的差异等。
车牌识别系统浅析
车牌识别系统浅析
李小伟 梁 威 ｆ 郑 州轻 工业学院 河 南 郑州 ４ ５ ０ ０ ０ ０） 中图分类号 ： Ｕ２ ７ 文献标识码 ： Ａ
等。
＆ 基于数学形态学的车牌定位方法。 这种方法是 利用数学形态学图 像处理的基本思想 ， 利用—个结构 元素来探测一个图 像． 看是否能将这个结构元素很好 的填放在图 像内部， 同时验证填放元素的方法是否有
的识另 提 计 算机 视觉和模式识别的在智能交通领域 的一个重要研究ｉ 果 题 之一， 是实现交通智能化的—个 重要环节。 目 前， 国内外汽车牌照的识别技术有 Ｉ ｃ 卡识另 咐 支 术、 条形码识别技术、 图像处理技术、 人工神 经网络识别技术。 汽车牌照识别系统的组成
一
型中， 如果 Ｒ ＝ Ｇ ＝ Ｂ ， 则颜色表示一种灰度颜色 ， 其中 Ｒ ＝ Ｇ ＝ Ｂ的值叫 做灰度值。 由彩色转换为灰度的 过程 叫做灰度化处理。灰度图 像就是只有强度信息， 而没 有颜色信息的图 像， 存储灰度图 像只需要—个 数据矩 阵， 矩阵的每个元素表示对应位置的像素的灰度值 ． 灰度化的处理方法主要有最大值法、 平均值法、 加权 平均值法三种。
对信息复杂、 背景不清楚、 推理不明确的问题尤为有 利。但人工神经网络为了保证系统高识别率也需要 大量样本， 通过学习 获取知识并改进自身性能。当学 习 系统所处环境平稳时（ 统计特性不随时间变化 ） 。 神 经网 络可以 学到这些环境统｛ 叶 特性 ， 作为经验记住。 基于模板匹配的字符识别方法。 相对算法简单 ，
五、 字 符识别 （ 一） 归一化
因为扫描得到的图像的 字符大， Ｊ 、 存在较大的差 异， 统一尺寸有助于字符识别的准确性， 提高识别率 。 从而与模板进行匹配。归一化主要包括位置归一化、 大小归一化及笔划粗细归一化。对不同大小的字符 进行变换 ， 使之成为同一尺寸大小的字符， 这个过程 称为字符大小归—化。通过字符大小归—化 ． 许多特 征就可以用于识别不同字号混排的字符。
汽车牌照自动识别系统算法研究
汽车牌照自动识别系统算法研究作者：胡媛来源：《计算机光盘软件与应用》2013年第06期摘要：该文章研究基于计算机车牌自动识别的算法：图像预处理，车牌定位，字符分割，字符识别。
运用模式识别、人工智能等技术，对采集到的汽车图像，实时准确的自动识别出车牌的数字、字母以及汉字字符，并以计算机可直接运行的数据形式给出识别结果。
关键词：图像处理；牌照定位；字符识别中图分类号：TP391.41文献标识码：A文章编号：1007-9599 （2013） 06-0000-02目前，西宁市公路通行费收费系统采用人工和计算机相互配合的半自动方式，车辆通过收费站时人工判别车型，计算机按费率计算费额，人工收费，自动打印微机票，这给西宁的交通带来不便。
因此，我们必须要开发出更智能的汽车牌照识别系统。
汽车牌照识别技术运用模式识别、人工智能等技术，对采集到的汽车图像，能够实时准确的自动识别出车牌的数字、字母以及汉字字符，并以计算机可直接运行的数据形式给出识别结果，使得车辆的电脑化监控和管理成为现实。
1系统设计与算法研究本项目的研究过程主要是基于汽车牌照自动识别流程图来做研究。
图1为车牌识别系统原理与流程图。
堆对该流程图，进行分析，对图像进行处理。
图11.1图像处理数字1.1.1灰度化。
计算机用数字方法描述一副图像时，根据图像的性质可分为黑白二值图像，黑白灰阶图像，彩色图像，多光谱图像等。
这些图像在计算机中各自所占的字节数大小不同，当图像数据量较大时，对图像进行数字化操作较棘手。
当主要基于图像的整体和局部，色度和等级特征处理图像时，将彩色图像进行灰度处理后，这些特征依然可以被反应出来。
但这样处理的优点在于，针对同一个图像，灰度图像存取时所需要的内存远小于彩色图像。
在该项目研究过程中，我们运用了两种图像灰度化的处理方法。
在这里，彩色图像的一个像素点所包含的三个颜色值由灰度图像中对应的一个灰度值代替，这样减少了数图像的处理量。
1.1.2图像增强。
汽车牌照自动识别系统的设计和研究
学
报
２ １ 年 ８月 ０１
影 响 ， 光 学 系 统 失 真 、 统 噪 声 、 光 不 足 或 过 如 系 曝
固 定 ， 像 头 与 汽 车 的距 离 固定 ， 而 摄 入 的 图 像 具 摄 因
量、 相对 运动 等 ， 往往 会 与原始 景 物之 间或 图像 与原 始 图像 之 间产生 某 种 差 异 ， 种 差 异 称 之 为 降质 或 这
测 算子 ． 体 的程 序 格 式 为 Ｉ 具 ５＝ｅｇ （４， ｃｎ ｙ ， ｄ ｅ Ｉ ａｎ
通 性 ， 以分别 找 到 上 、 方 没 有 字 符像 素点 的行 ， 可 下
则可 以把 它们定 义 为 每 个 字 体 的 上下 边 界 ． 后计 之 算 出列 方 向像 素值 之 和 ， 每 一 次 的字 符 像 素 值 之 将
车牌 的位 置 都 是 固 定 的 ， 每个 字 符 间 ， 至 边 甚 框、 铆钉 的位 置都 有 明确 的规定 ． 个字 符 的宽 度为 每
４ ５ ｍｍ、 为 ９ 高 ０ ｍｍ、 牌 总 长 为 ４ ０ ｍ 车 ４ ｍ、 为 宽 １０ ｍ 第 １ 第 ２个 字 符 间的距 离为 １ ４ ｍ， 和 ２ｍｍ、 ２ 第 和第 ３个 字符 间 的 距 离 为 ３ ４ｍｍ、 后 每 ２个 字 符 其 间距 均 为 １ ２ｍｍ， 因此 通 过 比例 算法 得 出一 个 车 牌
像， 并触 发 提取 出效果 较好 的 图像 ． 首先 获得 车辆行 驶 区域 的道 路背 景 图 像 ， 后用 当前 拍 摄 的 图像 和 然 保 存 的背景 图像做 相 减运算 ， 得差 值 图像 ， 差值 获 对 图像进 行灰 度处 理 、 值化 处理 以及 滤波 去噪 到 二 得
的图像 可 以作 为后 续 的原始 图像 。
车牌识别方案5篇
车牌识别方案5篇（经典版）编制人：__________________审核人：__________________审批人：__________________编制单位：__________________编制时间：____年____月____日序言下载提示：该文档是本店铺精心编制而成的，希望大家下载后，能够帮助大家解决实际问题。
文档下载后可定制修改，请根据实际需要进行调整和使用，谢谢!并且，本店铺为大家提供各种类型的经典范文，如工作计划、工作总结、实施方案、应急预案、活动方案、规章制度、条据文书、教学资料、作文大全、其他范文等等，想了解不同范文格式和写法，敬请关注!Download tips: This document is carefully compiled by this editor. I hope that after you download it, it can help you solve practical problems. The document can be customized and modified after downloading, please adjust and use it according to actual needs, thank you!Moreover, our store provides various types of classic sample essays, such as work plans, work summaries, implementation plans, emergency plans, activity plans, rules and regulations, document documents, teaching materials, essay compilations, and other sample essays. If you want to learn about different sample formats and writing methods, please pay attention!车牌识别方案5篇车牌识别方案篇1车牌识别系统方案随着社会的发展和技术的进步，车辆管理日益成为现代城市交通管理中的重要环节。
车牌识别系统的研究背景意义及国内外研究现状
车牌识别系统的研究背景意义及国内外研究现状1车牌识别系统的背景1.1 车牌识别系统的背景及研究意义1.2 车牌识别系统简介2 车牌识别系统的国内外现状3车牌识别难点1车牌识别系统的背景1.1 车牌识别系统的背景及研究意义随着经济社会的迅猛发展，人们的生活水平的提高，机动车辆的数量也越来越多。
为了提高车辆的管理效率，缓解公路上的交通压力，我们必须找到一种解决方案。
而作为汽车“身份证”的汽车车牌，是在公众场合能够唯一确定汽车身份的凭证。
我们可以以此为依据，设计一种车牌识别系统监控各个车辆的情况。
为此，我国交通管理部门对汽车车牌的管理非常重视并制定了一套严格的管理法规。
其中对汽车车牌的制作、安装、维护都要求由制定部门统一进行管理。
在此基础上，如果研制出一种能在公众场合迅速准确地对汽车牌照进行自动定位识别的系统(CPR)，那么这将是一件非常有意义的工作，并将极大地提高汽车的安全管理水平及管理效率。
车辆牌照定位与识别是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一, 该技术应用范围非常广泛, 其中包括: (1) 交通流量检测；(2)交通控制与诱导；(3) 机场、港口等出入口车辆管理；(4) 小区车辆管理；(5) 闯红灯等违章车辆监控；(6) 不停车自动收费；(7) 道口检查站车辆监控；(8) 公共停车场安全防盗管理；(9) 计算出行时间；(10) 车辆安全防盗、查堵指定车辆等。
其潜在市场应用价值极大，有能力产生巨大的社会效益和经济效益。
如图1所示，LPR[1]的部分应用：图1 LPR在收费口、道路监控和停车管理中的应用近些年,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重大转变。
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、检测中解放出来，而且能够大大提高其精确度，汽车牌照自动识别系统就是在这样的背景与目的下进行开发的。
汽车牌照自动识别系统(VLPRS)是对由公路上配置的摄像头拍摄的照片进行数字图像处理与分析，综合应用大量的图像处理最新成果和数学形态学方法对汽车图像进行平滑、二值化、模糊处理、边缘检测、图像分割、开运算、闭运算、区域标识等多种手段以提取车牌区域,进而达到对汽车牌照的精确定位并最终完成对汽车牌照的识别。
车辆牌照识别系统关键技术研究的开题报告
车辆牌照识别系统关键技术研究的开题报告一、选题背景及意义车辆牌照识别系统（Automatic License Plate Recognition，ALPR）是一种基于计算机视觉技术开发的能够自动获取并识别车辆牌照信息的系统。
该系统具有广泛的应用前景，包括交通管理、安防监控、停车场管理等领域。
在交通管理领域，该系统能够通过牌照信息获取车辆的行驶路线、违规行驶情况等信息，有助于交通管理部门监测道路交通状况、实施交通规范，并对违规行驶行为进行处罚。
在安防监控领域，该系统能够通过识别车牌获取车辆的入出场时间、地点等信息，有助于维护公共安全和治安秩序。
在停车场管理领域，该系统能够通过识别车牌实现自动计费、快捷进出停车场等功能。
因此，研究车辆牌照识别系统的关键技术，有助于推动该领域的发展，提高系统的识别率和准确率，满足社会的需求。
二、研究内容和方法本研究旨在探究车辆牌照识别系统的关键技术。
具体研究内容和方法如下：1. 车辆牌照区域的提取技术。
该技术是车辆牌照识别系统的关键之一，需要通过对车辆图像的处理，对牌照区域进行定位和提取。
2. 车牌字符分割技术。
该技术是识别车牌字符的前提，需要对车牌图像进行预处理，将车牌上的字符进行分割，以便后续的识别工作。
3. 车牌字符识别技术。
该技术是车辆牌照识别系统的核心部分，需要通过对车牌字符进行识别，获取车牌上的文字信息。
4. 系统综合效能的评估。
对开发的车辆牌照识别系统进行综合效能评估，包括识别率、准确率、速度等指标，以便优化系统性能。
本研究将采用文献调研、实验研究和数据分析等方法进行。
三、预期成果和意义本研究预计取得的成果如下：1. 设计并开发一套高效的车辆牌照识别系统，提高识别率和准确率，满足社会日益增长的需求。
2. 研究车辆牌照识别系统的关键技术，包括车牌区域提取、车牌字符分割和字符识别等技术，并对不同技术方案进行比较和分析，为后续的研究提供参考。
3. 对车辆牌照识别系统进行综合效能评估，以便优化系统性能，提高识别准确率和效率。
基于SVM的车辆牌照的自动识别
基于SVM的车辆牌照的自动识别第一章：引言车辆牌照自动识别技术在智能交通系统中具有广泛的应用价值，如交通违法监控、智能停车、物流物资跟踪等。
随着计算机技术、图像处理技术和模式识别技术的发展，车辆牌照自动识别技术得到了快速发展。
本文将介绍最常用的基于支持向量机（SVM）的车辆牌照自动识别技术。
第二章：车辆牌照识别的过程车辆牌照的自动识别过程主要包括图像获取、图像预处理、特征提取和分类识别四个主要步骤。
2.1 图像获取图像获取是车辆牌照自动识别的第一步，必须要保证摄像头位置合理、清晰度高且不要出现光线、噪声等影响识别的因素。
2.2 图像预处理图像预处理是车辆牌照自动识别的关键步骤，也是提高识别率的重要技术手段。
主要包括二值化、字符定位、字符分割、字符尺寸归一化等。
2.3 特征提取车辆牌照的特征提取主要是通过对牌照中的字符、背景进行特殊处理，提取出鲁棒性强、具有区分度的特征，如垂直和水平的边缘检测、垂直和水平投影、灰度共生矩阵等。
2.4 分类识别分类识别是车辆牌照自动识别的核心技术，主要是建立分类器模型，并对提取的特征进行分类识别。
常用的分类算法包括KNN、BP神经网络、支持向量机（SVM）等。
其中，SVM是一种非常常用的分类算法。
第三章：基于SVM的车辆牌照自动识别技术支持向量机（SVM）是目前模式识别领域中使用较多的一种分类算法。
SVM是一种二分类模型，本质是在高维特征空间中寻找一个最优分类超平面，使得不同类别的样本点尽可能地分布开来，并且最大化分类器对新样本的泛化能力。
SVM算法对于小样本集、非线性及高维度数据分类具有较好的性能。
3.1 SVM的基本原理SVM通过将样本点映射到高维空间中使得样本点线性可分，然后找到一个最优的超平面，使得正负样本点离超平面最近的距离最大，这个距离就叫做间隔。
最优超平面就是使得间隔最大的超平面，SVM最终转化为一个求解线性最优化问题。
3.2 SVM分类器的构建过程1. 根据图像预处理得到的图像特征，对每个特征数据点分类，并作为训练数据点的特征；2. 构建SVM分类模型；3. 利用得到的模型对测试集进行分类。
车辆牌照自动识别技术研究与应用
图像 中在对 图像 进行处理 的基础上 ， 自动 搜索 、 识别 车辆牌
照区域 。软件模块从输入 图像 中对 车辆牌照进行定位 、 字符
分 割后得 到各个字符 的点 阵数据 ， 字符 识别模 块利用这些数 据 进行字符 识别， 并最终将识别结果输出到 指定设备 。
现实。
一
一一
ｎ
１ ３车牌识别主要方法 ．
通流量检测及控制 、 出人 口及小 区车辆管理 、 违章车辆监控 、
不停车 自动收费 、 口检查站车辆监控 、 出行 时间 、 道 计算 车辆 车辆牌 照自动识别技术 研究与应用 安全防盗 、 查堵指定车辆等方面具有较强的实用价值和 巨大
的市场应用潜力 。 １ 车辆牌照 自动识别原理
３ 系统 实 验 结 果
２ 车辆牌 照自动识别系统的实现 本文研究的内容是软件模块功能的实 现， 其工作流程如
图二所示， 系统采用 Ｖ ＋ ｃ ＋语言开发。
实验 中选取了 １０幅实际拍摄的包含车牌的不同大小 、 ０
ｉ
清晰度和牌 照倾 斜度 的汽车 图像 。总体 识别正确率为 ６ ％ ６，
ｖ ｏｐ ｎｔ ａｎ ｔｈ ｅ ｅｒｉ ｅｌ ｍｅ ｄ ｅ ｘｐ ｍｅｎ ｔ．
Ｋｅ ｗｏｒ ｓ：Ｌ ｃ ｎ ｅ Ｐ ａ ｅ Ｒ ｃ ｇ ｉ ｉ ｎ Ｌ ｃ ｎ ｅ Ｐ ａ ｅ Ｌ ｃ ｔ ｏ ； Ｃ ａ ａ ｔ ｒ Ｓ ｇ ｅ ｔ ｔ ｏ ｙ ｄ ｉ ｅ ｓ ｌｔ ｅ ｏ ｎ ｔｏ ； ｉｅ ｓ ｌ ｔ ｏ ａ ｉｎ ｈ ｒ ｃ ｅ ｅｍ ｎ ａ ｉ ｎ
（ 华东交通大学 电气与电子工程学 院， 江西
南昌 ３ ０ １ ） ３ ０ ３
（ｃ ｏ ｌ ｏ ｅ ｈ ｎｃ ｌａ ｄ Ｅ ｅ ｔ ｉａ ｎ ｉ ｅ ｒ ｎ ，Ｅ ｓ ｈ ｎ ｉ ｏ ｏ ｇＵ ｉｅ ｓ ｔ ， Ｓ ｈ ｏ ｆ Ｍ ｃ ａ ｉ ａ ｎ ｌｃ ｒ ｃ ｌ Ｅ ｇｎ ｅｉ ｇ ａ ｔＣ ｉａ Ｊ ａ ｔ ｎ ｎ ｖ ｒ ｉ ｙ
基于MATLAB的车牌识别系统研究(课设参考文献)
1.2.3 车牌识别技术的发展趋势
5
上海交通大学硕士学位论文
绪论
车牌识别技术作为智能交通系统中的关键技术，在各国学者的共同努力下，已 经得到了长足的发展，并且已经得到了不同程度的实际应用，但目前还存在着种种 不足。
对于未来车牌识别产品的技术发展趋势， 汉王科 技智能 交通部 总经理 乔炬认 为。首先，由于市场需求不同，对识别产品的需求也有差异，因此就要求研发针对 不同细分市场的车牌识别产品。其次，随着算法的不断改进，基于视频触发技术的 车牌识别产品将得到大范围的应用，但是视频触发技术取代外触发装置尚需时日。 第三，现在的车牌识别系统设备过多，系统集成难度大，系统稳定性差，系统维护 是一个让人头疼的问题。随着技术不断进步，以往多个设备实现的功能可能由一个 设备实现。
为基础的车牌识别系统，识别率分别为 81.25%、85%、91.25%。日本对车牌图像的 获取也做了大量的研究，并为系统产业化做了大量工作。Luis [4]开发的系统应绪论
公路收费站，全天识别率达到了 90%以上，即使在天气不好的情况下也达到了 70%。 国外对车牌识别的研究起步早，总体来讲其技术已比较领先，同时由于他们车牌种 类单一，规范程度较高，易于定位识别，目前，已经实现了产品化，并在实际的交 通系统中得到了广泛的应用。由于中国车牌的格式与国外有较大差异，所以国外关 于识别率的报道只具有参考价值，其在中国的应用效果可能没有在其国内的应用效 果好，但其识别系统中采用的很多算法具有很好的借鉴意义。
上海交通大学硕士学位论文
绪论
1 绪论
1.1 研究背景
1990 年，美国智能交通学会 CITS America 提出了智能交通系统（ITS）的概念。 目前，智能交通系统已经在世界上经济发达国家的一些城市及高速公路系统中得到 了广泛应用。我国在该领域的研究起步较晚，但随着全球范围智能交通技术研究的 兴起及奥运会的成功举办，智能交通在我国也逐渐进入了应用阶段，相应的，我国 也加快了对智能交通技术研究的步伐，智能交通技术的研究现已进入快速发展期。
(完整版)车牌识别系统的设计
车牌识别系统的设计1．摘要：汽车牌照自动识别系统是制约道路交通智能化的重要因素,包括车牌定位、字符分割和字符识别三个主要部分。
本文首先确定车辆牌照在原始图像中的水平位置和垂直位置,从而定位车辆牌照,然后采用局部投影进行字符分割。
在字符识别部分,提出了在无特征提取情况下基于支持向量机的车牌字符识别方法。
实验结果表明,本文提出的方法具有良好的识别性能。
随着公路逐渐普及，我国的公路交通事业发展迅速，所以人工管理方式已经不能满着实际的需要，微电子、通信和计算机技术在交通领域的应用极大地提高了交通管理效率。
汽车牌照的自动识别技术已经得到了广泛应用。
2．设计目的：1、使学生在巩固理论课上知识的同时，加强实践能力的提高，理论联系实践。
2、激发学生的研究潜能，提高学生的协作精神，锻炼学生的动手能力。
3．设计原理由于车辆牌照是机动车唯一的管理标识符号，在交通管理中具有不可替代的作用，因此车辆牌照识别系统应具有很高的识别正确率，对环境光照条件、拍摄位置和车辆行驶速度等因素的影响应有较大的容阈，并且要求满足实时性要求。
图1 牌照识别系统原理图该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，它主要由图像的采集和预处理、牌照区域的定位和提取、牌照字符的分割和识别等几个部分组成，如图1 所示。
其基本工作过程如下：（1）当行驶的车辆经过时，触发埋设在固定位置的传感器，系统被唤醒处于工作状态；一旦连接摄像头光快门的光电传感器被触发，设置在车辆前方、后方和侧面的相机同时拍摄下车辆图像；（2）由摄像机或CCD 摄像头拍摄的含有车辆牌照的图像通视频卡输入计算机进行预处理，图像预处理包括图像转换、图像增强、滤波和水平较正等；（3）由检索模块进行牌照搜索与检测，定位并分割出包含牌照字符号码的矩形区域；（4）对牌照字符进行二值化并分割出单个字符，经归一化后输入字符识别系统进行识别。
4．详细设计步骤4.1 提出总体设计方案。
车辆牌照自动识别方法研究
的最大值 。 而求相邻的下一个像素点的相应值时可以利用前面窗 口中的信息 ， 窗 口右移 即可求 出相应值。 将 设 窗 口宽 为 Ｗ Ｗ，高为 ｗ ，则 经 典算 法 的运 算 复 杂度 为 ｈ
ｍ ｎ ｗ ｈ 而采用快速方法的运算 复杂度为 ｍ ｎ （ｈ ｗ ） ｗ ｗ ， ｗ ＋ ｗ 。可 见， 当窗 口大小增加时这种方 法能够有效地减小运算复杂度 。 二值化示例如 图 ２ 示 ， 所 因为采用动态 阈值分割 ， 以二值 所 化后 得到的图像信 息损失较少 ， 于下一步处理 。 利
肘 （ ） ．ｊ＝ ｍ， ） ｔ ）ｌ （ １ ｌ ｉ
【， ｂ 其 它
（ ３ ）
式 中 ａ １ｂ取 ０ 在此将 以改进 以符合滤波 的要求 。 取 ， ， 根据车牌字符的统计 特征选取适 当的 ｋ ａ ｂ值 ， 除区域 、与 滤
图 １ Ｂ ｒｓｎ ｅｎｅ 快速算法
１ 、求 出对 应于第 ｉ 行像素点 ，其所 在列 中的最小值和最大
值， 存储在两个数组 中分别为 ＭｉＰｘｌ ］ ｘ ｉ ｌ ］ ｎ ｉ ［ ， Ｐｘ ［ 。 ｅ ｎ Ｍａ ｅ ｎ ２ 、扫描 以上两个数组 ，即可求出 ｉ 行各个像素窗 口中的最 小值和最大值 。． 如 求对 应 于像 素 点 （１ ｉ ）的最 大 值 和 最 小值 ，只需 求 出 ， ＭｉＰｘｌ 卜ＭｉＰｘｌ ］ ｎｉ ［ ｅ０ ｎ ｉ ［ 中的最小 值和 ＭａＰｘｌ ］Ｍ ｘ ｉ ｌ ］ ｅ２ ｘ ｉ ［ ￣ ａＰｘ ［ 中 ｅ０ ｅ２
像灰度变化最大 的区域给出候选 目标可能存在 的位置 ， 往往会 出 现断裂现象 ， 需加以正确合并 ， 受光照的影响也较大 ， 不能满 足牌 照定位的要求 。彩色图像处理起来速度较慢 ， 以满足实时性的 难 要求 。 并且 由于车牌本身颜色的影响 ， 灰度 图分为 白底黑字（ 如黄 底黑 字 ） 和黑底 自字（ 如蓝 底 白字 ） 两种 ， 这使得 以经典 的方 法难 以适 应分割的要求 。为克 服上述缺 陷 ，本 文提出 了基 于 “ 快速 Ｂ ｍｓｎ ｅ ｅ 二值化” 方法 ， 将灰度原图二值化方法 。该方法根据机动 车辆车牌 照字符 目标的特点 ， 能有效地提取字符 目标 。在 Ｅ前快 ｌ 节凑的工作 中追求高速 、 高效 的背景下 ， 现代化交通对一种完善、
车牌识别系统的研究背景意义及国内外研究现状
车牌识别系统的研究背景意义及国内外研究现状1车牌识别系统的背景1.1 车牌识别系统的背景及研究意义1.2 车牌识别系统简介2 车牌识别系统的国内外现状3车牌识别难点1车牌识别系统的背景1.1 车牌识别系统的背景及研究意义随着经济社会的迅猛发展,人们的生活水平的提高,机动车辆的数量也越来越多;为了提高车辆的管理效率,缓解公路上的交通压力,我们必须找到一种解决方案;而作为汽车“身份证”的汽车车牌,是在公众场合能够唯一确定汽车身份的凭证;我们可以以此为依据,设计一种车牌识别系统监控各个车辆的情况;为此,我国交通管理部门对汽车车牌的管理非常重视并制定了一套严格的管理法规;其中对汽车车牌的制作、安装、维护都要求由制定部门统一进行管理;在此基础上,如果研制出一种能在公众场合迅速准确地对汽车牌照进行自动定位识别的系统CPR,那么这将是一件非常有意义的工作,并将极大地提高汽车的安全管理水平及管理效率;车辆牌照定位与识别是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一, 该技术应用范围非常广泛, 其中包括: 1 交通流量检测； 2交通控制与诱导；3 机场、港口等出入口车辆管理；4 小区车辆管理；5 闯红灯等违章车辆监控；6 不停车自动收费；7 道口检查站车辆监控；8 公共停车场安全防盗管理；9 计算出行时间；10 车辆安全防盗、查堵指定车辆等;其潜在市场应用价值极大,有能力产生巨大的社会效益和经济效益; 如图1所示,LPR1的部分应用：图1 LPR在收费口、道路监控和停车管理中的应用近些年,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重大转变;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、检测中解放出来,而且能够大大提高其精确度,汽车牌照自动识别系统就是在这样的背景与目的下进行开发的;汽车牌照自动识别系统VLPRS是对由公路上配置的摄像头拍摄的照片进行数字图像处理与分析,综合应用大量的图像处理最新成果和数学形态学方法对汽车图像进行平滑、二值化、模糊处理、边缘检测、图像分割、开运算、闭运算、区域标识等多种手段以提取车牌区域,进而达到对汽车牌照的精确定位并最终完成对汽车牌照的识别;从20世纪80年代,国内外的研究人员就开始了对车牌识别系统的研究;在车牌识别的过程中,虽然运用了很多的技术方法,但由于外界环境光线变化、光路中有灰尘、季节环境变化及车牌本身被污染而模糊等条件的影响,使得车牌识别系统一直处于实验室阶段,得不到很好的应用；而且,很多的方法都需要大量的数值计算,不能很好地满足实时性要求;为了解决图像恶化的问题,目前采取的办法是采用主动红外照明摄像或使用特殊的传感器来提高图像的质量;虽然提高了识别率,但是,这同时也造成了系统的投资成本过大,应用领域变窄,不能普遍推广应用;车辆牌照定位与识别是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一, 该技术应用范围非常广泛;国外汽车牌照识别系统研究工作已有一定进展, 但并不尽合我国国情;我国汽车牌照的规范悬挂位置不唯一,并且由于环境、道路或人为因素造成汽车牌照污染严重, 这种情况下国外发达国家不允许上路, 而在我国仍可上路行驶等;由于我国汽车车牌识别的特殊性, 采用任何一种单一识别技术均难以奏效;目前正在研制的无源型汽车牌照智能识别系统综合利用了车辆检测技术、计算机视觉Computer Vision 技术、图象处理技术、人工智能技术和人工神经网络技术等, 是一个比较有发展前途的车牌识别系统;1.2 车牌识别系统简介汽车牌照自动识别技术可应用于道路交通流监控、交通事故现场勘测、交通违章自动记录、高速公路自动收费系统、停车场自动安全管理、智能园区管理等方面,在现代交通监控和管理系统占有很重要的地位;同时,汽车牌照识别的方法还可应用到其它识别领域,因此汽车牌照的识别问题己成为现代交通工程领域中研究的重点和热点问题之一;最为常见的车牌识别系统结构如图2：图2 车牌识别系统结构图汽车牌照识别系统的基本工作原理为:根据采集到的序列图像对图像中的车辆牌照进行搜索、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,归一化后输入字符识别系统进行识别;近年来,汽车牌照智能识别的技术发展很快,就其识别基础,主要可分为间接法和直接法两种:间接法是基于IC卡鉴别REID或基于条码的识别;直接法是基于图像的汽车牌照识别;1、间接法:指通过识别安装在汽车上的IC卡或条形码中所存储的车牌的信息来识别车牌及相关信息;IC卡技术识别准确度高,运行可靠,可以全天候作业,但它整套装置价格昂贵,硬件设备十分复杂,不适用于异地作业;条形码技术具有识别速度快、准确度高、可靠性强以及成本较低等优点,但是对于扫描器要求很高;此外,二者都需要制定出全国统一的标准,并且无法核对车、条形码是否相符,也是技术上存在的缺点,这给近期在短时间内推广造成困难;2、直接法:基于图像的车牌识别技术属于直接法,是一种无源型汽车牌照智能识别方法,能够在无任何专用发送车牌信号的车载发射设备情况下,对运动状态车辆或静止状态车辆的车牌号码进行非接触性信息采集并实时智能识别;与间接法识别系统相比,首先,这种系统节省了设备安置及大量资金,从而提高了经济效益;其次,由于采用了先进的计算机应用技术,所以可提高识别速度,较好地解决实时性问题;再次,它是根据图像进行识别,所以通过人的参与可以解决系统中的识别错误,而其他方法是难以与人交互的;直接法一般有图像处理技术,传统模式识别技术及人工神经网络技术;①图像处理技术:运用图像处理技术解决汽车牌照识别的研究最早始于80年代,但国内外都只是就车牌识别中的某一个具体问题进行讨论,并且通常仅采用简单的图像处理技术来解决,并没有形成完整的系统体系,识别过程是使用工业电视摄像机拍下汽车的工前方图像,然后交给计算机进行简单的处理,并且最终仍需要人工干预,例如车辆牌照中省份汉字的识别问题,1985年有人利用常见的图像处理技木方法提出汉字识别的分类是在抽取汉字特征的基础上进行的,根据汉字的投影直方图选取浮动闭值,抽取汉字在竖直方向的峰值,利用树形查表法进行汉字的粗分类;然后根据汉字在水平方向的投影直方图,选取适当闭值,进行量化处理后,形成一个变长链码,再用动态规划法,求出与标准模式链码的最小距离,实现细分来完成汉字省名的自动识别;②传统模式识别技术;传统模式识别技术指结构特征法,统计特征法等;90年代,由于计算机视觉技术的发展,开始出现汽车牌照识别的系统化研究;1990年AS.Johnson等运用计算机视觉技术和图像处理技术实现了车辆牌照的自动识别系统;该系统分为图像分割、特征提取和模板构造、字符识别等三个部分;利用不同闽值对应的直方图不同,经过大量统计实验确定出车牌位置的图像直方图的闽值范围,从而根据特定闽值对应的直方图分割出车牌,再利用预先设置的标准字符模板进行模式匹配识别出字符;③人工神经网络技术2;近几年来,计算机及相关技术发达的一些国家开始探讨用人工神经网络技术解决车牌自动识别问题,例如1994年M.M.M.FANHY等就成功地运用了BAM神经网络方法对车牌上的字符进行自动识别,BAM神经网络是由相同神经元构成的双向联想式单层网络,每一个字符模板对应着唯一个BAM矩阵,通过与车牌上的字符比较,识别出正确的车牌号码;近年来,基于图像的车牌识别系统的研制引起了许多学者的广泛兴趣,但车牌识别由于要适应各种复杂背景以及不同光照条件影响,使车牌分割及识别增加了难度,目前虽然国内外都有一些实用的车牌识别系统面市;但是,这些系统的应用都存在一定的约束,至今车牌自动识别技术尚未达到很完善的程度;2 车牌识别系统的国内外现状车牌自动识别技术的研究国外起步地较早;早在20世纪80年代,便有一些零零散散的图像处理方法用于车牌自动识别的某些具体应用;在这个阶段,车牌自动识别技术的研究还没有形成完整的系统体系,一般采用简单的图像处理方法来解决某些具体问题,并且最终结果通常需要人工干预;进入20世纪90年代后,车牌自动识别的系统化研究开始起步;典型的如A.S.Johnson等提出车辆牌照的自动识别系统分图像分割Image Segment、特征提取Feature Extraction和模板构造Template Formation、字符识别CharacterRecognition等三个部分,完成车牌的自动识别;R.A.Lotufo使用视觉字符识别技术Optical Character Recognition Technology分析所获得的图像,首先在二值化图像中找到车牌,然后用边界跟踪技术提取字符特征,再利用统计最邻近分类器Statistical Nearest Neighbor Classifying System与字符库中的字符比较,得出一个或几个车牌候选号码,再对这些号码进行核实检查,确定是否为该车牌号码,最终确定车牌号码;这个时期的应用在识别正确率方面有所突破,但还没有考虑识别实时性的要求,识别速度有待进一步提高;由于我国的车牌格式和国外有较大的差异,所以对于国外的车牌识别系统的研究技术,我们只能进行参考,不能进行直接应用;虽然我国车牌的识别需要识别汉字,但是对于英文字母和数字的识别,我们可以借鉴国外的研究技术;从80年代中期开始,ARGUS英国Alphatech公司就开始了名为RAUS的车牌自动识别系统的研制;ARGUS的车牌识别系统的识别时间约为100毫秒,通过ARGUS的车速可高达每小时100英里;还有Hi-Tech公司的See/Car system,新加坡Optasia公司的VLPRS等;另外日本、加拿大、德国等发达国家都有适用于本国的车牌识别系统;国内在90年代也开始了自己的车牌识别系统的研究;目前比较成熟的产品有中科院自动化研究所汉王公司的汉王眼,香港亚洲视觉科技有限公司的慧光车牌号码识别系统等等;另外西安交通大学的图像处理和识别实验室、上海交通大学的计算机科学和工程系、清华大学人工智能国家重点实验室、浙江大学自动化系等都做过类似的研究;虽然这些车牌识别系统的识别率大多都比较高,如95%,甚至97%、98%,但是这些车牌识别系统的识别检测结果大多数是在简单受限制的场景下取得的,在实际的交通场合以及更加复杂的背景环境的情况下,这些车牌识别系统的识别率一般都达不到90%,甚至更低;3车牌识别难点在复杂环境下的车牌识别率较低的主要原因有：①我国汽车牌照自身特征的复杂性1)汉字、字母、数字混合;我国的车牌不单单有英文字母和阿拉伯数字,还有汉字;由于汉字的复杂性,在识别方面难度远远大于字母和数字;2)颜色种类多;国外的车牌颜色种类相对于国内较少一些,我国的车牌颜色种类较多;大致可以分为四种：黄底黑字,蓝底白字,白底黑字和黑字白字;3)人为因素复杂;由于环境、道路或者人为因素造成车牌有严重污渍、车牌模糊不清或者车牌偏斜角度很大的车辆,在我国都可以上路行驶;在国外,这种情况是绝对不行的;4)车牌格式多;我国的车牌格式很多,包括：民用车牌、公安警察车牌、武警车牌、军车车牌、外交车牌、特种车牌、消防车牌等;5)悬挂方式多样化;我国汽车车牌的悬挂方式不唯一,由于不同汽车公司出产的汽车型号和外形各有不同,导致了车牌的悬挂位置不唯一;②外部环境影响1)外部光照条件各不相同,白天和晚上的光照各不相同;光照对采集的图像质量产生很大的影响;不同的光照角度对车牌光照的不均匀影响也很大;不同的气候条件、背景光照环境、车牌反光程度都决定了车牌的亮度特征;在特征提取时,光照过亮或者过暗都会影响车牌识别的准确率;2)外界背景的复杂程度也影响车牌的定位准确率;背景中和车牌区域当中有许多和车牌特征相似的长方形区域,这些容易给车牌定位造成误判导致车牌定位的准确率降低;③拍摄角度问题实际工程当中的拍摄角度相对于车辆的行驶方向一般是正上方、左侧和右侧;如果拍摄的角度越小,车牌在平面图像中的变形越小,识别效果越好;根据智能交通系统的结构可知,摄像机采集到的图像均为系列图像,而由于外部环境的影响,车牌识别系统采用的图像不一定是最优的;。
基于MATLAB的汽车牌照自动识别技术研究
基于MATLAB的车牌自动识别技术研究1、本文概述随着技术的快速发展和智能时代的到来，自动驾驶、智能交通系统等领域的研究和应用逐渐成为全球热点。
在这些领域，汽车牌照的自动识别技术起着至关重要的作用。
汽车牌照自动识别技术作为车辆的唯一标识，不仅可以提高交通管理效率，还可以为车辆跟踪、违章记录等提供有力支持。
本文旨在通过对相关算法和技术的深入探索，研究基于MATLAB的汽车牌照自动识别技术，为实际应用提供理论支持和技术指导。
本文首先阐述了车牌自动识别技术的研究背景和意义，指出其在智能交通系统中的重要地位。
随后，文章回顾了国内外该领域的研究现状和发展趋势，分析了现有技术的优缺点，为后续研究提供了理论支持。
在此基础上，重点介绍了基于MATLAB的车牌自动识别技术的实现过程，包括预处理、车牌定位、字符分割、字符识别等关键环节。
通过对这些方面的详细阐述，展示了MATLAB在车牌识别技术中的强大功能和优势。
本文还对所提出的算法和技术进行了实验验证和性能分析，并通过对比实验和实际应用案例验证了所提出算法的有效性和实用性。
展望了车牌自动识别技术的未来发展方向，为相关领域的研究人员提供了有益的参考和启示。
通过本文的研究，我们希望能为车牌自动识别技术的发展和推广做出贡献，推动智能交通系统的进一步发展，为人们的出行和生活带来更方便、更安全的体验。
2、车牌自动识别技术综述车牌自动识别（ALPR）是一项利用图像处理、模式识别、人工智能等技术自动捕获、识别和提取车牌的关键技术。
随着智能交通系统的发展，车牌自动识别技术已广泛应用于交通管理、车辆跟踪、违章记录、停车场管理等领域。
车牌自动识别技术主要包括四个步骤：图像预处理、车牌定位、字符分割和字符识别。
图像预处理用于提高图像质量，减少噪声干扰，并为后续步骤提供清晰稳定的图像。
车牌定位是使用算法在预处理的图像中定位车牌的位置，为后续的字符分割提供准确的车牌区域的过程。
字符分割是将车牌中的字符逐一分割，为字符识别中的单个字符提供输入的过程。
车辆牌照识别系统的研究
图 ４ 变换 后灰 度 图像
灰度拉伸是指根据 灰度值 方图 的分布有 选择 地拉 伸某
收 稿 日期 ：０ １— ４—１ ２１ ０ ９
作 者 简介 ： 璐 （９ ７ 张 １８ ．） ， ， 女 山西 太原 人 ， 士 研 究生 ， 究方 向 ： 号 与 信 息 处理 。 硕 研 信
第 ４期
摘 要： 在对 车辆牌照识别 系统研 究的基础 上 ， 采用基 于灰度二值化 的连 通域搜 索的车牌照粗 分类算 法 ， 色 彩 模型 的车牌照字符切 分算法和加权组合特征 的字符 识别算 法， 通过 实验 ， 计 出一个有效的车牌照识别 系统 。 设 关键 词 ： 分类算法 ；字符切 分；字符识别 粗 中 图 分 类 号 ： Ｐ９ ． １ Ｔ ３ １４ 文献标识码 ： Ａ
用 特 定 的方 法 进 行 字 符 切 分 。 字符识别 ： 是使分割得 到的字符进一步转化 为文本并存 人数据库或 者直 接显示 出来 的过 程。
图 ２ Ｒ Ｂ颜 色 模 型 Ｇ
１２ 彩 色图像转 换成灰度图像 ． 把彩 色图像转换 成灰度 图像进 行进 一步 的处 理。利用
公式 将彩色 图像转换成灰 度图像 ： ． １ Ｒ＋ ． ８ ｐ＝０ １４ ０５７ Ｇ＋ ．９ Ｂ ， 中 Ｐ代表 图像中某点 的灰 度值 ， Ｇ， ０２９ 其 Ｒ， Ｂ分 别代表彩 色图中对应点的 Ｒ Ｂ模型 中的 Ｒ， ， Ｇ Ｇ Ｂ分 量的值 。 图 ３就是彩 色图像转换 成灰度图像的效果 图。
１ ４ 基 于 灰 度 图像 的二 值 化 ．
（ ）转第 （ ） ， ６ ２ 步 直到所有像素 点均 扫描过。 车辆牌照 图像是 由若 干个 大小相近 的字符构成 ， 而车牌 照 区域 的连通域 是由若干 个字符 或者字符 的一 部分 的连通 区域及车牌照边框 的连通 域和车 牌照背 景 的连 通域几 部分 构成 的。在正常 的情况下 ， 基本上每一个字符都 会形成一个 大小基本相近 的连通 区域 的外 接矩形 ， 如图 ７所 示。
车牌自动识别系统分析
自然 环 境 下 ， 车 图 像 背 景 复 杂 、 照 不 均 匀 。 何 汽 光 如 在 自然 背 景 中准 确 地 确 定 牌 照 区域 是 整 个 识 别 过 程 的关 键 。首 先 对 采 集 到 的 视 频 图像 进 行 大 范 围 相 关 搜 索 ， 找 到 符 合 汽 车 牌 照 特 征 的若 干 区 域 作 为 候 选 区 ， 后 对 这 然 些 候 选 区域 做 进 一 步 分析 、 判 ， 后 选 定 一 个 最 佳 的 区 评 最 域 作 为 牌 照 区域 ， 将 其 从 图 像 中 分 割 出 来 。 并
２ 牌 照 字符 分 割 ．
．
完 成 牌 照 区域 的定 位 后 ， 将 牌 照 区 域 分 割 成 单 个 再 字符 ． 然后 进 行 识 别 。 字 符 分 割 一 般 采 用 垂 直 投 影 法 。 由于 字 符 在 垂 直 方 向上 的 投影 必 然 在的 发展 和 现 状 ＿
车 牌 定 位 决 定 其 后 的 车 牌 字 符 分 割 和 识 别 ， 此 车 因
牌 定 位 是 车 牌 识 别 技 术 中 最 关 键 的 一 步 。 牌 定 位 就 是 车
车 牌 自动 识 别 技 术 自 １ ８ ９ ８年 提 出 以来 ． 到 了 人 们 受 的广泛关 注， 目前 国 内 外 的许 多 专 家学 者 对 车 牌 识 别 技
从 而 达 到智 能 化 管 理 程 度 。 汽 车牌 照 自动 识 别 系 统 可 安 装 于 公 路 收 费 站 、 车 停 场 、 字 路 口等 交 通 关 卡 处 ， 的 应 用 前 景 在 于 ： 十 其
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
２００７－１２Ｂ
问题分析
［文献标识码］Ａ［文章编号］１６７３－２１６２（２００７）１２－０１１８－０１
车辆牌照自动识别系统的研究
张明光
随着我国国民经济的高速发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制、安全管理的要求也日益提高，智能交通系统（ＩｎｔｅｌｌｉｇｅｎｃｅＴｒａｎｓｐｏｒｔａｔｉｏｎＳｙｓｔｅｍ）已成为当前交通管理的方向。
而且随着计算机技术、通信技术和计算机网络技术的发展，自动化的信息处理能力的水平不断提高，并在人们社会活动和生活的各个领域得到广泛应用。
在这种情况下，作为信息来源的自动检测、图像识别技术越来越受到人们的重视。
在智能交通系统中，车辆牌照的自动识别是计算机视觉与模式识别技术在智能交通领域结合应用的重要研究课题之一，是实现交通管理智能化的重要环节。
车辆牌照识别技术可应用于道路交通监控、交通事故现场勘察、交通违章自动记录、高速公路自动收费系统、停车场自动安全管理、小区智能化管理等方面，对提高这些场所交通系统的管理水平和自动化程度具有重要的意义和巨大的经济价值。
它利用每一个汽车都有唯一的车牌号码，通过摄像机所拍摄的车辆图像进行车牌号码的识别。
在不影响汽车运行状态的情况下，计算机自动完成车牌的识别，可降低交通管理工作的复杂度。
车牌自动识别技术在车辆过路、过桥全自动不停车收费，交通流量控制指标的测量，车辆自动识别，高速公路上的事故自动测报，不停车检查，车辆定位，汽车防盗，稽查和追踪车辆违规、
违法行为，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。
车辆牌照图像识别也是计算机智能化的关键技术之一，涉及到模式识别、图像处理、人工智能、信息论，计算机等多个学科，同时也与语言文字学和心理学等学科相关，是一门综合的技术，有着重要理论意义和实际应用价值。
目前市场上有二十几家企业从事车牌识别产品的开发和生产，其中比较活跃的有北京汉王、川大智胜、上海高德威、清华紫光、杭州友通、深圳科安信、利普视觉等企业。
这些公司已经有产品应用于停车场、高速公路等场所。
比较典型的是北京汉王科技有限公司智能交通产品———嵌入式一体化车牌辨识仪（“汉王眼”）、川大智胜软件股份有限公司的Ｚｉ２＇０００车牌自动识别系统等系统。
下面对它们的技术指标及原理进行详细的介绍：
１．北京汉王科技有限公司智能交通产品———嵌入式一体化车
牌辨识仪（“汉王眼”）
技术指标：车牌定位率＞９３％；车牌整牌识别率≥９１％；车牌字符识别率＞９９％
原理：汉王眼采用的方法是强化车牌的垂直边缘，通过行扫描，确定车牌位置，采用连通域进行字符分割，利用汉王自有的汉字识别优势进行车牌的识别。
２．川大智胜的公路收费车牌识别系统
技术指标：车牌识别率和车牌正确识别率＞９２％
原理：它采用的是自适应能量沈波的方法进行车牌定位，采用水平投影分割字符，汉字的识别采用模板匹配的方法。
３．上海高德威ＧＷ－ＰＲ－９９０２Ｔ牌照识别器系列
技术指标：整牌识别率（包括汉字、字母、数字、颜色）≥９０％牌照定位率＞９５％
４．弗雷德车牌自动识别系统
技术指标：全车牌识别率大于９０％，后四位识别率大于９３％国外的车牌识别技术较为成熟，比较有名的是美国的Ｈｉ－Ｔｅｃｈ
Ｓｏｌｕｔｉｏｎｓ公司、以色列的Ｚａｍｉｒ公司和匈牙利的ＡｄａｐｔｉｖｅＲｅｃｏｇｎｉ－ｔｉｏｎ公司。
自动车辆识别系统（ＡｕｔｏｍａｔｉｃＶｅｈｉｃｌｅＩｄｅｎｔｉｆｉｃａｔｉｏｎ）ＡＶＩ
技术的领先公司之一的Ｈｉ－ＴｅｃｈＳｏｌｕｔｉｏｎｓ公司，提供从车辆到集装箱号码识别的一系列解决方案。
已投入商用的产品如ＳＥＥ／ＣＡＲ，可以以每秒２￣３辆的速度在各种天气下进行高达８０公里时速的汽车识别；美国的ＡＬＰＨＡＴＥＣＨ公司则因其ＡＶＩ产品容错性等方面性能较强而得以在该领域站稳脚跟。
据称，其在ＳｋｙＨａｒｂｏｒ国际机场使用的系统三年以来每日进行４００００起检测而从未发生过系统崩溃。
它们的识别率总体在９３％左右。
此外，上海交大的计算机科学与工程系、浙江大学的自动化系、华南理工大学等也做过类似的研究。
自动识别系统进行了广泛的研究，提出了许多新的、快速的算法。
如基于小波与形态学的分割方法，但该方法中由于结构元素的尺寸与形状对分割结果有较大的影响，有时对不同的背景或不同的目标图像需采用不同的结构元素，或施以不同的形态变换才能取得满意的实验结果。
当然还可以通过自适应形态学等方法来对该方法进行改进，但该算法总体来说较复杂。
采用自适应滤波算法则可以在一定程度上改进图像预处理的效果，但该方法仅是滤波算法的一种改进，效果也不是十分理想。
为了解决好车牌自动识别过程中的处理速度这个“瓶颈”问题，使用计算机分布式结构进行处理则已不失为一种可行的选择方案，但该方案实施起来难度较大。
直接根据车牌特征，进行特征提取与选择，进而分割图像，实施性好、可靠性高，便于使用。
车牌定位是车辆牌照自动识别系统中的关键和难点，实际图像中的噪声、复杂的背景等干扰都会使定位十分困难。
将遗传算法用于车牌的定位，结合对待检测区域的特征提取，不用搜索全部图像就能寻找到车牌，抗噪声能力强，适用范围广。
如果对遗传算法加以改进，或结合其他图像分割方法，可进一步提高定位精度，减小运算量，具有十分诱人的前景。
作者单位：吉林工程技术师范学院艺术学院
１１８
・・。