车牌识别文献综述

1 前言

随着我国汽车产业的飞速发展，大量在公共场合的汽车需要得到监管，为了更好地进行管理，必须对车辆进行一种智能化管理。所谓的智能交通系统，是指在较完善的基础设施（包括道路，机场）之上将先进的通信技术和计算机技术和系统综合技术有效的集合并应用于地面交通运输系统，从而建立起来在大范围发挥作用的，准确，高速，实时的交通运输系统。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。

车牌识别系统作为智能交通系统最重要的子系统之一，是指对公路上配置的摄像头所拍摄的照片进行数字图像处理与分析对汽车图像进行平滑、二值化、模糊处理、边缘检测、图像分割等利用多种手段实现车牌定位，识别，分割最终完成对车牌的识别。车牌识别系统的用途很多，在高速公路收费站、路口监测(电子警察)、大型停车场等场所具有广阔的发展前景。由此可见，对车牌自动识别系统的研究有重要的现实意义。

2 国内外研究现状

车牌自动识别系统起源于20 世纪80 年代，那时候主要是应用在被盗车辆的检测，还没有形成一套完整的识别系统。到了80 年代，出现了一些用于车牌自动识别的图像处理方法，那时只是针对一些特定的问题采用简单的图像处理技术来实现。到了20 世纪90 年代，随着计算机视觉技术的发展以及计算机计算性能的提高，才兴起了车牌的自动识别研究热潮，欧美的一些国家率先开始了车牌识别系统的研究工作。

国外学者具有代表性的研究工作有：A.S.Johnson 等在1990 年提出了利用图像分割来实现车牌自动识别，系统主要由特征提取、模板构造和字符识别三个部分组成，该系统可以实现车牌的自动识别，具有开创性的意义。R.Mullot等在1991 年利用文字纹理的特性对车牌和集装箱上的文字进行定位和识别，开发了

一套包含车牌识别和集装箱识别于一体的识别系统。EunRyung等于1995 年利用图像中的颜色分量实现对车牌的定位和识别，也得到了比较高的识别率。Tindail在1997年开发了一套利用车牌反光原理而实现的车牌识别系统。R.Paris 在1998年结合人工神经网络和DSP 开发出了一套车牌识别系统，向真正的市场应用打下良好的开端。现有国外技术比较成熟而且应用广泛的的产品主要有：以色列Hi-Tech 公司研发的see/Car 系统系列，香港Asia Vision Technology 公司研发的VECON 系列，新加坡Optasia 公司研发的VLPRS 系列。其中，VECON 系列和VLPRS 系列主要适合于香港和新加坡地区的车牌。See/Car Chinese 系统能够对中国内地大部分地区的车牌类型进行识别，但是对于车牌字符中的汉字却无法进行识别，因此不能直接应用于我国的车牌识别。

国内在车牌识别方面的研究开始于20 世纪90 年代，取得了一定的成效并且日趋成熟，车牌识别率可达到95%左右。国内比较好的定位算法有基于车牌字符变化特征的自动扫描识别算法，但由于车牌多具有不同的色彩，且多与牌号、车身、车辆背景不同，因此基于颜色来研究车牌的定位成为了车牌定位方法的一种新思路。尽管在车牌的彩色定位方面的研究还不十分成熟，但有些人做出了一些有益的探索。赵雪春等提出了一种采用色彩分割及多级混合集成分类器的车牌自动识别方法，该方法采用多层感知器网络(MLPN)将具有均匀色度空间的彩色图像进行色彩分割，再利用投影法分割出潜在的各种底色的车牌区域。郭捷等车牌图像从RGB 颜色模型转换为HSV 颜色模型，利用颜色空间距离和相似度计算，得到满足车牌颜色特性的区域，再利用纹理及结构特征对分割出的颜色区域进行分析和进一步判断，确定车牌区域。任仙怡等将图像从RGB 颜色模型转换到HSI 颜色模型，再结合区域融合的方法定位车牌区域。这些人在这方面做出一些有益尝试，但这些方法受环境光的影响较大，特别是偏色光线的影响，并且对计算机性能的要求也比较高。

虽然上述各种车牌定位方法都具有一定的实用性和参考价值，但大都不完善，具有一定的针对性和局限性，背景要求比较简单，基本属于单一车辆情景，不能满足当今背景复杂、车牌多、干扰多等实际场合应用要求。因此对实用的复杂背景下的车牌定位方法需要做进一步研究，需要解决如下一些难点：

(1) 拍摄图像受环境因素干扰，如逆光、光学成像发生衍射等，图片的质量

很难保证。

(2) 其它字符区域的干扰，车牌难以准确定位，如车牌旁挂其它牌子。

(3) 车牌出现污点变脏，字迹模糊和退色。

(4) 车牌磨损厉害，噪声污损严重。

(5) 车牌部分被遮挡和车牌变形。

(6) 图像背景复杂和一幅图像多车牌。

(7) 运动图像的模糊失真，形成锯齿。

从目前一些产品的性能指标可以看出，车牌识别系统的识别率和识别速度有待提高。但不可否认，目前的这些车牌识别系统已经大大提高了智能交通的管理效率。

3 技术分析

车牌识别系统主的研究要包括车牌定位、字符分割、字符识别三大部分。

3.1车牌定位的研究

车牌定位就是从经过图像预处理后的灰度图像中确定牌照位置，并将车牌部分从整个图像中分割出来，它能有效地解决图像处理中的实际问题。对车牌定位的研究内容包括：先进行图像的预处理，其中有对RGB彩色图像的灰度化、图像灰度拉伸、图像边缘检测、灰度图的二值化、图像去噪等；车牌定位采用改进的基于水平和垂直投影分布特征的方法。

3.2字符分割的研究

字符分割是把多行或多字符图像中的每个字符从图像中切割出来成为单个字符。它在前期牌照定位的基础上进行字符的分割，然后再利用分割的结果进行字符识别。对车牌定位的研究内容包括：先对定位后的车牌图像进行预处理，然后对预处理后的车牌图像进行水平方向的投影，根据车牌边框的性质定位车牌字符的上下边界；最后利用模板匹配—垂直投影结合法，在确定字符上下边界的基础上，进行字符的垂直分割。

3.3字符识别的研究

字符识别是对车牌上的汉字，英文字母，阿拉伯数字进行准确确认的过程。其基本原理是将输入文字与各个标准文字进行模式匹配计算类似度，将具有最大