基于BP神经网络的车牌识别系统
合集下载
相关主题
- 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)。
对 上述 问题 提 出了新 的解决 方 法 。
１ 系 统 实 现
１ １ 图 像 预 处 理 ．
（ ）灰度 处 理 １
公 式
车牌 是彩 色 的 ， 如果 对 车 牌 直 接处 理 ， 降低 系 统 的处 理 速 度 ， 会 也不 能 满 足 实时
性 的要求 。 因此 ， 要将 车牌 转 化为灰 度 图像来 进 行处 理 。将 彩 色 图像 转 化 为灰 度 图像通 常 采 用经 验 需
第 ３ ３卷 第 ５期 ２１ Ｏ Ｏ年 １ ０月
辽 宁 科 技 大 学 学 报
Ｊ ｕ ｎ ｌ ｆＵｎ ｖ ｒｉｙ ｏ ｃｅ ｃ ｎ ｃ ｎ ｌｇ ｉｏ ｉｇ ｏ ｒ ａ ｉｅ ｓｔ ｆＳ ｉｎ ｅａ ｄ Ｔｅ ｈ ｏｏ ｙ Ｌ ａ ｎ ｎ ｏ
来自百度文库
Ｖｏ ． ３ Ｎｏ ５ Ｉ３ ．
１ ２ 车牌 定 位 ．
车牌 部分 主要 是字符 ， 牌边 缘 由一组 连接 的像 素构成 ， 于灰 度变 化 的区域 。有 很多 方法 可 以检 车 处 测边 缘 ， 中边 缘检 测方 法最 为 常用 ］ 其 。本 文 用 Ｓ ｂ ｌ ｏ ｅ 算子 来 处 理 图像 ， 能起 到 很 好 的 降低 噪 声 的 作 用 。Ｓ ｂ ｌ 缘算 子 的模板 是 两个 ３ ｏ ｅ边 ×３的卷 积核 。图像 中每个 点 都 用这 两 个核 作 卷积 运 算 ， 中一个 其 核对垂 直边 缘 响应最 大 ， 另一个 核 对水平 边缘 响应 最大 。以两个 卷积 的最 大值作 为 该 的输 出值 。 经 过 Ｓ ｂｌ ｏ ｅ 算子 处 理过 的边缘 图像 见 图 ３ 。 由图 ３可见 ， 车牌 区域 内字符 按 一定 间 隔排 列 ， 字符 有 确定 的宽 度 和高 度 ， 以利用 这 个 特征 扫描 可
辽 宁 科 技 大 学 学 报
第３ ３卷
（ ）二 值化 处理 将 灰度 图像 转化 为二值 化 图像 ， 用全 局 动 态二 值 化方 法 中 的经 典算 法 Ｏｔｕ ２ 采 ｓ 算法吲 。基本 思想 是 ： 取一 个 阈值 Ｔ， 图像 像 素按灰 度 大小分 为 大于等 于 Ｔ 和小 于 Ｔ 两类 ， 出两类 将 求 像素 的类 间方差 和 两个 类各 自的类 内方 差 ， 出使 两个 方差 比值 最 大 的阈值 ｔ该 阈值 即为 二值 化 图像 找 ， 的最佳 阈值 。 二值 化 图像 见图 ２。
算 法搜 索车牌 区域 。 扫描 算法 如 下 。 Ｓ ｅ ｌ 从 上往 下 （ ｔｐ 或从下 往上 ） 描 图像 的每 一行 。 扫 Ｓｅ ２ 得 到每 ～行 黑 白像 素 变化 次数 的值 。 ｔｐ
一 一
ａ车 辆 原 图 ｂ荻 度 图 ．
图 １ 车 牌 图 像 的预 处 理
Ｆｉ ．１ Ｉ ａ ｅ ｏｃ ｓ ｉ ｉｅ ｓ ａ ｅ ｇ ｍ ｇｅ ｐｒ ｐｒ ｅ ｓｎｇ ｏｆｌｃ ｎ ｅ ｐｌｔ
收 稿 日期 ： ０ ０ ０ — ０ ２ １ — ８２ 。
作者简介 ： 科（９５ ， ， 东济南人。 苏 １ ８ 一） 男 山
ｇ 一 ０ Ｒ ＋ ０ ５９ ＋ ０ １ ３ ． Ｇ ．１ Ｂ （ １）
式 中： ｇ为 灰度值 ； Ｇ、 Ｒ、 Ｂ分 别为 红色 分量 、 色分量 和 蓝色 分量 。 绿 由于人 眼对绿 色的敏感 度 最 高 ， 对红 色 的敏感 度 次之 ， 蓝 色 的 敏感 度 最低 ， 对 这样 得 到 的 灰度 图像 较 为合理 。原 图和灰 度 图见 图 １ 。
特 征 提 取 法提 取 特 征 向 量 ， 实验 表 明 该 识 别 算 法 行 之 有 效 。
关键词 ： 车牌识 别；Ｐ神经 网络 ； Ｂ 车牌定位 ； 字符识 别
中图分 类 号 ： Ｐ ９ 文 献标识 码 ： 文章 编号 ：６４１４（０００—５９ ４ Ｔ ３１ Ａ １７—０８２１）５ ０～ ０ ０ 在 交通 管理 中， 车牌识 别起 着 重要 的作 用 。车牌 识别 是一 个复 杂 的过程 ， 主要 涉及 到 车牌 的检测 和 车 牌字 符 的识别 。在 一些 文献 中 ， 利用 灰度 直方 图 和模 板 匹 配来 进 行 车 牌 的定 位 和 识别 ］ 这些 方 法 ，
６ ０进 行 实验 ， 对 中 国的 车牌 进 行 研 究 ， Ｂ ． 针 用 Ｐ神 经 网 络 来 实现 车 牌 识 剐 。 车 牌 识 剐 分 为 图 像 预 处 理 、 牌 车 定位 、 字符 分 割 和 字符 识 别 四 个 步 骤 。 利 用 车 牌 的 先 验 知 识 进 行 定 位 ， 引进 双 阈值 进 行 字 符 分 割 ， 用 １ 段 利 ３
０ ｃ．。 ｔ ２Ｏ１ ０
基于 Ｂ Ｐ神 经 网络 的 车牌 识别 系统
苏 科 ， 志 彬 陈
（ 宁 科 技 大 学 电子 与信 息 工 程 学 院 ，辽 宁 鞍 山 １４ ５ ） 辽 １０ １
摘 要 ： 车牌识 别 系统是智能交通领域的重要组成部分 ， 在现代交通管理 中的作 用举 足轻重 。基 于 Ｖ ｃ＋＋
图 ２ 车牌 图 像 的 二 值 化
Ｆｉ ２ Ｉ ａ ｅ ｂｉ ｒｚ ｔｏ ｆｌｃ ｎｓ ａ ｅ ｇ． ｍ ｇ ｎａ ｉａ ｉｎ ｏ ｉｅ ｅ ｐｌｔ
图 ３ Ｓ ｂｌ 子 边 缘 检 测 结 果 ｏｅ 算
Ｆｉ．３ Ｅｄｇ ｔ ｃ ｉ ｅ ｕ ｔｏ ｂｅ ｅｒ ｔ ｒ ｇ ｅ ｄｅ ｅ ｔｎｇ ｒ ｓ ｌ ｆＳｏ ｌｏｐ ａ ｏ
虽 然对 车牌 识别 取得 了一 些成 果 ， 也 有局 限性 ， 但 没有 充 分 利用 车 牌 固有 的特 征 ， 没有 考 虑 到 分割 符 对
字符 分割 的影 响 ， 于污损 的 车牌和 不 同型号 的 车牌 识别 效 果 并不 理 想 等 。本 文 利用 车 牌 的先 验 知识 对 进行 定位 ， 引进 双 阈值进 行 字符 分割 ， 利用 １ 段 特 征提 取法 提取 特征 向量 作 为神经 网络 的输 入 向量［ ３ ： ｊ，
１ 系 统 实 现
１ １ 图 像 预 处 理 ．
（ ）灰度 处 理 １
公 式
车牌 是彩 色 的 ， 如果 对 车 牌 直 接处 理 ， 降低 系 统 的处 理 速 度 ， 会 也不 能 满 足 实时
性 的要求 。 因此 ， 要将 车牌 转 化为灰 度 图像来 进 行处 理 。将 彩 色 图像 转 化 为灰 度 图像通 常 采 用经 验 需
第 ３ ３卷 第 ５期 ２１ Ｏ Ｏ年 １ ０月
辽 宁 科 技 大 学 学 报
Ｊ ｕ ｎ ｌ ｆＵｎ ｖ ｒｉｙ ｏ ｃｅ ｃ ｎ ｃ ｎ ｌｇ ｉｏ ｉｇ ｏ ｒ ａ ｉｅ ｓｔ ｆＳ ｉｎ ｅａ ｄ Ｔｅ ｈ ｏｏ ｙ Ｌ ａ ｎ ｎ ｏ
来自百度文库
Ｖｏ ． ３ Ｎｏ ５ Ｉ３ ．
１ ２ 车牌 定 位 ．
车牌 部分 主要 是字符 ， 牌边 缘 由一组 连接 的像 素构成 ， 于灰 度变 化 的区域 。有 很多 方法 可 以检 车 处 测边 缘 ， 中边 缘检 测方 法最 为 常用 ］ 其 。本 文 用 Ｓ ｂ ｌ ｏ ｅ 算子 来 处 理 图像 ， 能起 到 很 好 的 降低 噪 声 的 作 用 。Ｓ ｂ ｌ 缘算 子 的模板 是 两个 ３ ｏ ｅ边 ×３的卷 积核 。图像 中每个 点 都 用这 两 个核 作 卷积 运 算 ， 中一个 其 核对垂 直边 缘 响应最 大 ， 另一个 核 对水平 边缘 响应 最大 。以两个 卷积 的最 大值作 为 该 的输 出值 。 经 过 Ｓ ｂｌ ｏ ｅ 算子 处 理过 的边缘 图像 见 图 ３ 。 由图 ３可见 ， 车牌 区域 内字符 按 一定 间 隔排 列 ， 字符 有 确定 的宽 度 和高 度 ， 以利用 这 个 特征 扫描 可
辽 宁 科 技 大 学 学 报
第３ ３卷
（ ）二 值化 处理 将 灰度 图像 转化 为二值 化 图像 ， 用全 局 动 态二 值 化方 法 中 的经 典算 法 Ｏｔｕ ２ 采 ｓ 算法吲 。基本 思想 是 ： 取一 个 阈值 Ｔ， 图像 像 素按灰 度 大小分 为 大于等 于 Ｔ 和小 于 Ｔ 两类 ， 出两类 将 求 像素 的类 间方差 和 两个 类各 自的类 内方 差 ， 出使 两个 方差 比值 最 大 的阈值 ｔ该 阈值 即为 二值 化 图像 找 ， 的最佳 阈值 。 二值 化 图像 见图 ２。
算 法搜 索车牌 区域 。 扫描 算法 如 下 。 Ｓ ｅ ｌ 从 上往 下 （ ｔｐ 或从下 往上 ） 描 图像 的每 一行 。 扫 Ｓｅ ２ 得 到每 ～行 黑 白像 素 变化 次数 的值 。 ｔｐ
一 一
ａ车 辆 原 图 ｂ荻 度 图 ．
图 １ 车 牌 图 像 的预 处 理
Ｆｉ ．１ Ｉ ａ ｅ ｏｃ ｓ ｉ ｉｅ ｓ ａ ｅ ｇ ｍ ｇｅ ｐｒ ｐｒ ｅ ｓｎｇ ｏｆｌｃ ｎ ｅ ｐｌｔ
收 稿 日期 ： ０ ０ ０ — ０ ２ １ — ８２ 。
作者简介 ： 科（９５ ， ， 东济南人。 苏 １ ８ 一） 男 山
ｇ 一 ０ Ｒ ＋ ０ ５９ ＋ ０ １ ３ ． Ｇ ．１ Ｂ （ １）
式 中： ｇ为 灰度值 ； Ｇ、 Ｒ、 Ｂ分 别为 红色 分量 、 色分量 和 蓝色 分量 。 绿 由于人 眼对绿 色的敏感 度 最 高 ， 对红 色 的敏感 度 次之 ， 蓝 色 的 敏感 度 最低 ， 对 这样 得 到 的 灰度 图像 较 为合理 。原 图和灰 度 图见 图 １ 。
特 征 提 取 法提 取 特 征 向 量 ， 实验 表 明 该 识 别 算 法 行 之 有 效 。
关键词 ： 车牌识 别；Ｐ神经 网络 ； Ｂ 车牌定位 ； 字符识 别
中图分 类 号 ： Ｐ ９ 文 献标识 码 ： 文章 编号 ：６４１４（０００—５９ ４ Ｔ ３１ Ａ １７—０８２１）５ ０～ ０ ０ 在 交通 管理 中， 车牌识 别起 着 重要 的作 用 。车牌 识别 是一 个复 杂 的过程 ， 主要 涉及 到 车牌 的检测 和 车 牌字 符 的识别 。在 一些 文献 中 ， 利用 灰度 直方 图 和模 板 匹 配来 进 行 车 牌 的定 位 和 识别 ］ 这些 方 法 ，
６ ０进 行 实验 ， 对 中 国的 车牌 进 行 研 究 ， Ｂ ． 针 用 Ｐ神 经 网 络 来 实现 车 牌 识 剐 。 车 牌 识 剐 分 为 图 像 预 处 理 、 牌 车 定位 、 字符 分 割 和 字符 识 别 四 个 步 骤 。 利 用 车 牌 的 先 验 知 识 进 行 定 位 ， 引进 双 阈值 进 行 字 符 分 割 ， 用 １ 段 利 ３
０ ｃ．。 ｔ ２Ｏ１ ０
基于 Ｂ Ｐ神 经 网络 的 车牌 识别 系统
苏 科 ， 志 彬 陈
（ 宁 科 技 大 学 电子 与信 息 工 程 学 院 ，辽 宁 鞍 山 １４ ５ ） 辽 １０ １
摘 要 ： 车牌识 别 系统是智能交通领域的重要组成部分 ， 在现代交通管理 中的作 用举 足轻重 。基 于 Ｖ ｃ＋＋
图 ２ 车牌 图 像 的 二 值 化
Ｆｉ ２ Ｉ ａ ｅ ｂｉ ｒｚ ｔｏ ｆｌｃ ｎｓ ａ ｅ ｇ． ｍ ｇ ｎａ ｉａ ｉｎ ｏ ｉｅ ｅ ｐｌｔ
图 ３ Ｓ ｂｌ 子 边 缘 检 测 结 果 ｏｅ 算
Ｆｉ．３ Ｅｄｇ ｔ ｃ ｉ ｅ ｕ ｔｏ ｂｅ ｅｒ ｔ ｒ ｇ ｅ ｄｅ ｅ ｔｎｇ ｒ ｓ ｌ ｆＳｏ ｌｏｐ ａ ｏ
虽 然对 车牌 识别 取得 了一 些成 果 ， 也 有局 限性 ， 但 没有 充 分 利用 车 牌 固有 的特 征 ， 没有 考 虑 到 分割 符 对
字符 分割 的影 响 ， 于污损 的 车牌和 不 同型号 的 车牌 识别 效 果 并不 理 想 等 。本 文 利用 车 牌 的先 验 知识 对 进行 定位 ， 引进 双 阈值进 行 字符 分割 ， 利用 １ 段 特 征提 取法 提取 特征 向量 作 为神经 网络 的输 入 向量［ ３ ： ｊ，