LPR系统中车牌的定位与提取Word文件下载.docx
- 文档编号:15017475
- 上传时间:2022-10-26
- 格式:DOCX
- 页数:30
- 大小:1.06MB
LPR系统中车牌的定位与提取Word文件下载.docx
《LPR系统中车牌的定位与提取Word文件下载.docx》由会员分享,可在线阅读,更多相关《LPR系统中车牌的定位与提取Word文件下载.docx(30页珍藏版)》请在冰豆网上搜索。
指导教师
于海春讲师/硕士
2012
年
5
月
1绪论
1.1课题的研究背景及意义
早在上个世纪九十年代初,汽车身份识别已经引起了全世界的广泛重视,人们开始研究有关汽车身份证——汽车牌照自动识别的相关问题。
几年后,汽车的另一个重要的身份象征——汽车标志识别也成为了热门话题。
车牌识别的一般途径为:
采用计算机图象处理技术对车牌进行分析后自动提取车牌信息以确定车牌号。
车标识别则基于边缘直方图和模板匹配相关系数混合的算法。
目前车牌与车标识别的理论已经成熟,离线算法识别率已经达到较高的水平,同时向着集成化、智能化方向发展。
车辆牌照自动识别是近几年发展起来的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。
车辆牌照识别是智能交通系统的重要组成部分,通过车辆牌照可以检索车辆的重要信息(监视车辆的违章和车辆缴费情况等)。
开发研制了车辆牌照自动识别系统,该系统通过对车辆牌照定位找出车辆牌照位置,而车牌定位是牌照自动识别系统中最关键的环节,也是检验牌照自动识别系统优劣的重要指标.长期以来,许多学者从事这方面的探讨和研究,相继出现了一些新方法、新思路.尽管如此,目前国内尚无一个完善、通用的牌照定位系统。
针对复杂环境下的车牌定位,提出利用车牌字符边缘颜色多分量信息特征的定位算法,分别提取车牌底色像素点和字符色像素点,排除没有字符色像素点相邻的底色纹理像素点。
由于字符色与底色的相互影响,字符边缘处色度、饱和度分量都有较窄的范围,可缩小车牌的搜索区域。
结果证明该特征有助于车牌的准确定位,可确定车牌颜色,同时运算多在二值图上进行,速度快。
1.2国内外研究及发展
国外的研究人员对车牌自动识别的研究,其主要途径就是对车牌的图像进行分析,自动提取车牌信息,确定汽车牌号。
在车牌识别过程中,也出现了很多的技术方法,有人使用模糊数学理论,也有人用神经元网络的算法来识别车牌中的字符,但由于外界环境光线变化、光路中有灰尘、季节环境变化,以及车牌本身比较模糊等条件的限制和影响,使得LPR系统一直是一个有解但一直都不能解决得很好的问题,而且很多的方法都需要大量的数值计算,并没有考虑到实时处理的环境。
从车牌识别系统的主要关键技术(车牌定位、车牌字符分割、车牌字符识别)而言,关于车牌定位的研究,国外起步比较早,现有比较好的牌照定位方法主要有J.Barros等提出的基于水平搜寻的定位方法,R.Paris等提出的基于DFT变换的频域分析方法,J.BulasCrue等人提出的基于扫行的车牌提取方法。
上述方法,尽管在一定的条件下能够分割出车牌,但车牌识别系统大多是利用摄像机室外拍摄汽车图像,存在许多客观的干扰,如天气、背景、车牌磨损、图像倾斜等因素,因此定位并不十分理想。
90年代以来,由于交通现代化发展的需要,我国也开始对车牌定位进行了深入研究,并取得了一定的成就。
2车牌识别系统技术简介
2.1汽车车牌识别的流程
汽车车牌识别要进行:
图像采集,图像水平差分,车牌区域粗分割,车牌区域定位,牌照图像二值化,车牌倾斜度检测(如倾斜要进行倾斜车牌校正),确定字符边界,字符分割,字符识别。
车牌识别系统的主要关键技术有车牌定位、车牌字符分割、车牌字符识别等。
车牌定位是一个与工况联系很大的实际问题,方法多种多样,它可以是先前方法的改进,也可以是新老方法的结合,也可以是独辟蹊径的创新。
对一些复杂图像应用某些数学工具不仅可以加快处理速度而且可以改善和优化处理结果。
所以有必要对车牌定位方法进一步的研究。
字符分割的任务是把多行或多字符图像中的每个字符从整个图像中切割出来成为单个字符。
对于字符分割的问题常常不被重视,但是字符的正确分割对字符的识别十分关键。
由于各种因素的影响,使得字符分割的复杂性大,目前的字符分割的算法一直在不断完善。
针对车牌图像的字符分割,是字符分割的一个具体应用,目前人们根据车牌字符的特征已经提出了一些算法,如:
基于先验知识的分割算法。
基于投影轮廓和拓扑结构的分割算法等。
但是考虑到车牌中字符可能存在的粘连、断裂情况,字符分割技术仍需要进一步改进。
字符识别可以被认为是属于印刷体文字识别的范畴,目前清晰图像的印刷体字符识别问题在OCR(OpticalCharacterRecognition)产品中有较好的实现,其关键在于特征提取和分类器的组织。
识别方法从传统的单一特征抽取和单一分类方法发展为采用多特征抽取和多分类方法,并多种形式混合,从而解决一个复杂的问题。
另外识别方法从单字识别发展为基于多字识别模型的集群识别,从而大量融汇语言信息,借助上下关联校正分类结果,有效提高识别率。
与此相比,车牌字符的识别研究仍相对滞后,目前仍没有相对成熟的系统。
由于摄像机获取的是车牌号的二维平面图像,所以与用扫描仪作为输入手段的印刷体字符识别相比,车牌字符的识别有特殊性,主要有:
1)公安部门颁发车号印刷质量不一、数字字体不规范,车牌照的新旧程度也不同,使车牌照表面的光线反射光强、车号的清晰程度各不相同。
2)图像一般是在室外采集的,有周围环境、天气、季节变化带来的影响。
即使采集设备自身具有调节的能力,但是能力有限。
3)由于环境、道路或人为因素造成汽车牌照污染严重,使得车牌字符出现断裂、模糊等情况。
尽管如此,也有大量的学者从事车牌字符识别的研究。
现在己经有了一些比较成熟的方法,根据提取的特征,主要分为两大类:
结构法和统计法。
结构方法是发展最早的一种方法,它的基本思想是把字符图像分割化为若干的基元,例如笔划、拓扑点、结构突变点等,然后和模板比较进行判别。
主要的方法有基于轮廓、笔划和骨架的方法。
统计法比结构法起步较晚,它往往依赖于大量的原始样本和数值计算。
统计方法的特征提取要从原始数据提取出与分类相关的信息,使得类内差距极小化,类间差距极大化,要求特征对同一字符类的形变应该尽量保持不变。
主要的方法有基于K-L变换、Gabor变换的字符识别。
2.2车牌的特征
车牌的本身具有许多固有特征,这些特征对不同的国家是不同的,我国现在使用的车牌主要根据中华人民共和国机动车牌号GA36-92标准,具有以下特征:
(1)形状特征:
标准的车牌外轮廓尺寸440*140,字符高90,宽45,字符间距12,间隔符宽10。
整个字符的高宽比例近似为3:
1,车牌的边缘是线段围成的有规则的矩形。
主要用在车牌的定位分割。
(2)颜色特征:
现有的字符颜色与车牌底色搭配有四种类型,蓝底白字,黄底黑字,白底黑字,黑底白字。
这部分特征主要用在对彩色图像进行车牌的定位。
(3)字符的特征:
标准的车牌上有7个字符,呈水平排列,待识别的字符模板可以分为一下三类,汉字,英文字母,阿拉伯数字,主要用于对字符匹配识别方面。
(4)其他国家的汽车牌照格式(如汽车牌照的尺寸大小,牌照上的字符排列等)通常只有一种,而我国则根据不同车辆、车型、用途,规定了多种牌照格式(例如分为军车、警车、普通车等)。
(5)我国汽车牌照的规范悬挂位置不唯一。
(6)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。
车牌与汽车的其它区域相比,还有一下主要特征:
(1)车牌区域中的垂直边缘比水平边缘密集,而车身其它部分的水平边缘明显,垂直边缘较少。
(2)灰度变化特征:
车牌的底色、边缘颜色,车辆外部的颜色都是不同的,表现在图像中就是灰度级互不相同,这就在车牌边缘形成了灰度突变边界。
实际上,车牌的边缘在灰度上的表现是一种屋脊状边缘。
在车牌区域内部,字符和车牌底的灰度较均匀的呈现波峰波谷。
(3)有相对集中和规则的纹理特征。
由于我国汽车车牌识别的特殊性,这就导致了采用任何单一识别技术都是难以奏效的。
2.3国内外车辆牌照识别技术现状
目前,国内外有大量关于车牌识别方面的研究报道。
国外在这方面的研究工作开展较早。
在上世纪70年代,英国就在实验室中完成了“实时车牌检测系统”的广域检测和开发。
同时代,诞生了面向被盗车辆的第一个实时自动车牌监测系统。
发展到今日,国外对车牌检测的研究已经取得了一些令人瞩目的成就,如YuntaoCui提出了一种车牌识别系统,在车牌定位以后,利用马尔科夫场对车牌特征进行提取和二值化,对样本的识别达到了较高的识别率。
EunRyung等利用图像中的颜色分量,对车辆照进行定位识别,其中提到了三种方法:
①以Hough变换为基础的边缘检测定位识别;
②以灰度值变换为基础的识别算法;
③以HLS彩色模式为基础的车牌识别系统,识别率分别为81.25%、85%、91.2%。
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开发系统应用于公路收费站,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。
从车牌识别系统进入中国以来,国内有大量的学者在从事这方面的研究,提出了很多新颖快速的算法。
中国科学院自动化所的刘智勇等开发的系统在一个样本量为3180的样本集中,车牌定位准确率为99.42%,切分准确率为94.52%,这套系统后来应用于汉王公司的车牌识别系统,取得了不错的效果。
南京大学的熊军等提出了基于字符纹理特征的定位算法,准确率达95%。
华中科技大学的陈振学等学者提出了一种新的车牌图像字符分割与识别算法,使用一维循环清零法,通过对垂直投影图进行一次扫描,有效的清除了杂点和间隔符,正确分割率达到了96.8%。
浙江大学的张引、潘云鹤等提出了彩色边缘算子ColorPrewitt和彩色边缘检测与区域生长相结合的牌照定位算法,算法简单,且全面作用在颜色空间的三个分量上,检测出的牌照区域易于与背景剥离。
但是计算量和存储量都比较大,难以满足实时性的要求。
此外,当车辆区域的颜色和附近颜色相近时,定位失误率会增加。
国内还有许多学者都在进行这方面的研究,并且取得了大量的研究成果。
2.4车牌识别技术的应用情况
车辆牌照识别系统技术能够从一幅车辆图像中准确定位出车牌图像,经过字符切分和识别后实现车辆牌照的自动识别,从而为以上应用提供信息和基础功能。
目前车牌识别系统主要应用于以下领域:
(1)停车场管理系统。
利用车牌识别技术对出入车辆的号牌进行识别和匹配,与停车卡结合实现自动计时、计费的车辆收费管理系统。
(2)高速公路超速自动化管理系统。
以车牌自动识别技术为基础,与其他高科技手段结合,对高速公路交通流状况进行自动监测、自动布控,从而降低交通事故的复发生率,确保交通顺畅。
(3)公路布控。
采用车牌识别技术实现对重点车辆的自动识别,快速报警,既可以有效查找被盗车辆,同时又为公安、检察机关提供了对犯罪嫌疑人的交通工具进行远程跟踪与监查的技术手段。
(4)城市十字交通路口的“电子警察”。
可以对违章车辆进行责任追究,也可以辅助进行交通流量统计,交通监测和疏导。
(5)小区车辆管理系统。
社区保安系统将出入社区的车辆通过车牌识别技术进行记录,将结果与内部车辆列表对比可以实现防盗监管。
2.5车牌识别技术的发展趋势
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
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- LPR 系统 车牌 定位 提取