Matlab在汽车牌照识别系统中的应用电气专业本科毕业设计.docx
- 文档编号:27185571
- 上传时间:2023-06-27
- 格式:DOCX
- 页数:68
- 大小:1.79MB
Matlab在汽车牌照识别系统中的应用电气专业本科毕业设计.docx
《Matlab在汽车牌照识别系统中的应用电气专业本科毕业设计.docx》由会员分享,可在线阅读,更多相关《Matlab在汽车牌照识别系统中的应用电气专业本科毕业设计.docx(68页珍藏版)》请在冰豆网上搜索。
Matlab在汽车牌照识别系统中的应用电气专业本科毕业设计
石家庄铁道大学毕业设计
Matlab在汽车牌照识别系统中的应用
ApplicationofMatlabintheCarLicensePlateRecognition
2011届电气与电子工程学院
专业电气工程及其自动化
学号20071873
姓名
指导教师
完成日期2011年6月2日
毕业设计成绩单
学生姓名
学号
班级
试07电气
专业
电气工程及其自动化
毕业设计题目
Matlab在汽车牌照识别系统中的应用
指导教师姓名
指导教师职称
教授
评定成绩
指导教师
得分
评阅人
得分
答辩小组组长
得分
成绩:
院长签字:
年月日
毕业设计任务书
题目
Matlab在汽车牌照识别系统中的应用
学生姓名
学号
班级
试07电气
专业
电气工程及其自动化
承担指导任务单位
电气与电子工程学院
导师
姓名
导师
职称
教授
一、主要内容
车牌照是对车辆身份识别的标记,通过它可以检索车辆的重要信息,广泛应用于收费监控、车辆出入控制、车辆追查和跟踪等领域。
本课题要求设计一个汽车牌照识别系统(LicensePlateRecognition,LPR)。
该系统对采集到的汽车图像进行处理,实现车牌定位,能从中自动提取车牌图像;自动分割字符,进而对字符进行识别,能够实时准确地自动识别出车牌的数字、字母及汉字字符,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。
用Matlab软件进行汽车牌照识别系统的编程。
二、基本要求
1、熟悉并掌握Matlab软件;
2、掌握图像处理技术;
3、完成汽车牌照识别系统中车牌自动识别的应用要求;
4、完成外文翻译3000字;
5、给出研究课题所需的完整的分析方法、设计思想及相关的源程序。
三、主要技术指标
实现汽车牌照的自动识别,系统能够稳定可靠运行,达到一定的识别率和识别速度。
四、应收集的资料及参考文献
查阅与图像处理及字符识别技术相关的书籍,查阅国内外杂志期刊发表的有关车牌识别的参考文献。
如:
《运动车辆识别技术研究》、《智能交通中图像处理技术应用的研究》、《MATLAB在车辆牌照识别中的应用》、《数字图像处理》、《智能控制及其MATLAB实现》等。
五、进度计划
1、第1周——第4周:
收集资料与参考文献,学习Matlab、图像处理等相关内容,做好前期准备工作,撰写开题报告;
2、第5周——第8周:
完成开题报告、文献综述、总体方案;(获取车牌资料)
3、第9周——第12周:
选择外文资料及其翻译工作,并进行系统设计与分析;
4、第13周——第16周:
撰写论文,准备答辩。
教研室主任签字
时间
2011年2月21日
题 目
Matlab在汽车牌照识别系统中的应用
学生姓名
学号
班级
试07电气
专业
电气工程及其自动化
随着全球经济的不断发展,机动车辆的数量迅速增加,车牌识别系统在大型停车场的管理系统、路口监控高速公路及有关军事部门等方面得到了广泛的应用。
车牌识别系统是由车牌定位、字符分割与字符识别3部分组成。
论文中先对车牌进行预处理,灰度校正、平滑处理为车牌定位做好了铺垫。
定位出车牌区域后进行分割,然后通过一系列处理对车牌上字符进行分割。
最后的也是最关键的步骤即字符识别,我想通过两种方法加以实现,即模式匹配及BP神经网络法。
其中模式匹配是通过将车牌上的字符进行分割,归一化等处理后,与自动建立的字符数据库加以对比和匹配,进而得出相应的识别结果,并以文本的方式显示出来。
而BP神经网络则是先利用大量的训练样本来训练网络,以得到文件形式保存的权值。
再用它对待识别数据进行识别了。
识别有先要经过图像预处理、特征提取,最后送入BP网络识别,直接得到结果。
本文主要解决以下几个问题:
一、在背景的图象中如何定位分割牌照区域;二、对分割下来的牌照字符如何提取具有分类能力的特征;三、如何设计识别器。
对该系统的组成、原理、功能和实现方法进行了详细地分析和论述,并讨论了每个方面的难点以及一些解决办法。
并且用Matlab程序实现了各部分的功能。
指导教师签字
时间
2011年3月10日
毕业设计开题报告
摘要
随着公路逐渐普及,我国的公路交通事业发展迅速。
车辆牌照自动识别是计算机视觉与模式识别技术在智能交通领域的重要应用,是实现交通管理的重要环节之一,并极大提高了交通管理效率。
本文中汽车牌照自动识别整个处理过程分为预处理、边缘提取、车牌定位、字符分割、字符识别五大模块。
对于已定位好的车牌,正确分割字符是实现字符识别的重要环节,其过程主要由以下3个部分组成:
①正确地分割文字图像区域;②正确的分离单个文字;
正确识别单个字符。
用Matlab软件编程来实现每一个部分,最后识别出汽车牌照并以文本的形式输出。
其目的是识别车牌上的字符,用于车辆资料的管理及其安全保障。
关键词:
汽车牌照自动识别图像预处理车牌定位字符分割字符识别
Abstract
Withtheincreasingpopularityofroad,roadtransportinChinahasdevelopedrapidly.Vehiclelicenseplaterecognitionisanapplicationofcomputervisionandpatternrecognitiontechnology,whichhasastrongimpactonthefiledofintelligenttransportation.Itisanimportantparttoimprovethetransportationmanagementthathelpsimprovingthetrafficmanagementefficiencygreatly.
Inthisarticle,thevehiclelicenseplatesrecognitionisdividedintopreprocessing,edgedetection,licenseplatelocalization,charactersegmentationandcharacterrecognition.Oncepositioned,thecorrectcharactersegmentationbecomesanimportantpartforcharacterrecognition,whichismainlycomposedofthefollowingthreeparts:
①splittheareaoftheimageandtextcorrectly;②separateeachsinglewordcorrectly;③correctlyidentifyasinglecharacter.ProgrammingwithMatlabsoftwaretoimplementeverypart,andfinallyidentifythelicenseplateandoutputtheresultintheformoftext.Theaimistoidentifythecharactersonthelicenseplateforvehicleinformationmanagementandsecurity.
Keywords:
vehiclelicenseplatesrecognitionpreprocessinglicenseplatelocalizationcharactersegmentationcharacterrecognition
第1章绪论
1.1课题的研究背景及意义
近二三十年以来,随着全球经济的不断发展,人民生活水平的不断提高,私人拥有机动车辆的数量迅速增加,车辆普及成为了必然的趋势。
城市交通拥堵、交通事故频发、交通环境恶化以及能源短缺等正成为当前世界各国面临的共同问题。
然而仅仅依靠大力发展交通设施已不能解决此类问题。
而且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。
因此,保持道路建设和现代化管理齐头并进,在发展交通设施的同时,大力发展现代智能交通系统已成为当前亟待解决的严重问题,而车辆牌照识别LPR(LicensePlateRecognition)技术作为智能交通的核心技术之一,起着举足轻重的作用,它在高速公路、城市道路和停车场等项目管理中占有无可取代的重要地位。
车牌识别技术(VehicleLicensePlateRecognition,VLPR)是计算机视觉和模式识别技术在现代智能交通系统中的一项重要研究课题,是实现交通管理智能化的重要环节。
它是以数字图像处理、模式识别、计算机视觉等技术为基础的智能识别系统。
从研究范围来看,它跨越了数学、计算机科学、自动化技术以及电子信息工程技术等多个学科,特别是模式识别、计算机视觉、数字图像处理等多个专业的交叉点,而且与人工智能、神经网络、遗传算法、模糊逻辑、图像代数等多种理论密切相关。
从研究方法来看,又与数学、计算机科学、物理学、神经生理学、电子学等许多的学科相互借鉴。
它的发展可应用于生物医学、交通管理、遥感、通信、军事侦察、工业自动化等许多的领域。
同时LPR系统具有广泛的应用范围,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。
在不影响汽车状态的情况下,计算机自动完成车牌的识别,从而可降低交通管理工作复杂度。
车辆牌照自动识别系统可安装于公路收费站、停车场、十字路口等交通关卡处。
这些地方交通流量很大,人工干预处理较为困难,使用车辆牌照自动识别系统不仅大大提高了交通流量,同时也节省了大量的监管人力。
车牌自动识别技术应用在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、稽查和追踪车辆等方面。
在提高收费路桥的服务速度、缓解交通紧张状况等方面将会起到积极的作用。
另外,汽车牌照识别的方法还可以应用到其它检测和识别领域。
所以汽车牌照的识别问题已成为现代交通工程领域中研究的重点和热点问题之一。
汽车牌照识别技术对智能交通系统的发展和交通事业的发展起着重要的推动作用,对车辆牌照字符识别算法的研究对于智能交通系统具有重要的理论意义和实用价值,更具有广阔的市场前景。
1.2车牌识别主要技术及发展
当前车牌识别方法[1]主要有五种:
(1)IC卡识别技术;
IC卡是一种集微电子技术、通讯技术和计算机技术于一体的高科技产品,利用IC卡技术进行汽车牌照的识别,主要是指在每辆汽车上安装一个微型的电子信号接收和发射装置即IC卡,卡内存储了该车的车牌号码以及其他一些信息,当汽车通过设有车辆检测装置的路口时,IC卡系统将与路口的计算机系统进行对话,使之辨认出汽车的车牌号码以及其他有关内容,实现监督和管理。
然而,尽管IC卡技术识别准确率高,运行可靠,但也存在一些不可避免的缺点,如其成本高,无法核对车、卡是否相符等。
(2)条形码识别技术;
此项技术由于识别速度快、可靠性高、采集信息量大、成本低等优点,被广泛应用于图书借阅管理、邮政管理等众多领域。
但条形码识别技术对扫描器的要求很高,并且需要在全国范围内有统一的标准,这给近期短时间内推广造成了很大困难。
(3)传统模式识别技术;
传统模式识别技术一般包括模式匹配法[2],统计特征法等。
1990年A.S.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。
利用不同阈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阈值范围,从而根据特定阈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匹配识别出字符。
其主要缺点是准确率方面还有待突破,识别速度也有待提高。
(4)人工神经网络技术;
人工神经网络技术主要是运用BAM神经网络方法[3]完成车牌上的字符的自动识别,即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。
这种方法采用了生物神经网络的模型,因此它能较好的实现人类存储知识及处理信息的机能,使系统可以模拟人类思维,对需要处理和解决的问题进行记忆、联想、推理,从而较好地解决了车牌识别中提出的因字符残缺而无法识别的问题。
但是其缺点是无法解决识别系统存储容量和处理速度相矛盾的问题。
(5)基于图像处理的车牌识别技术。
基于图像处理的车牌识别技术的研究[4]在国外起步比较早,在美国、意大利、德国、以色列、新加坡等国家,现都已经有比较成熟的产品投入使用,如美国(AUTOSCOF)[2003系统]、以色列Hi-Tech公司的See/CarSystem系列、德国西门子公司ARTEM7S系统、新加坡Optasia公司的VLPRS系列。
其中VLPRS产品主要适合新加坡的车牌,Hi-Tech公司的See/Carsystem有多种变形的产品来分别适应某一个国家的车牌。
See/Carchinese系统可以对中国大陆的车牌进行识别,但都存在很大的缺陷,而且不能识别车牌中的汉字。
1.3国内外研究现状
车牌识别技术自1988年以来,人们就对它进行了广泛的研究,目前国内外已经有众多的算法,一些实用的LPR技术也开始用于车流监控、出入控制、电子收费、移动稽查等场合。
然而,无论是LPR算法还是LPR产品几乎都存在一定的局限性,都需要适应新的要求而不断完善,如现有系统几乎都无法有效解决复杂背景下的多车牌图像分割定位与有效识别的技术障碍,另外也很难适应全天候复杂环境及高速度的要求。
车牌字符识别实际上是依附在车牌上的印刷体文字的识别,能否正确识别不仅是文字识别技术的问题,还是考虑其载体——车牌区域的影响。
车牌字符识别技术是文字识别技术与车牌图像自身因素协调兼顾的综合性技术。
由于摄像机的性能、车牌的整洁度、光照条件、拍摄时的倾斜角度及车辆运动等因素的影响使牌照中的字符可能出现比较严重的模糊、歪斜、缺损或污迹干扰,这些都给字符识别带来了难度。
尽管如此,我国依然有大量的学者从事车牌字符识别研究,文献给出了基于神经网络的车牌识别方法,对于解析度较高和图像比较清晰的车牌,这些方法能有效识别车牌中的字符,但对于较低解析度和较为模糊的车牌无能为力,因为这些方法只有在车牌中的每个字符被独立分割出来的前提下才能完成识别工作。
而独立分割车牌取得字符,对较低解析度和较为模糊的车牌来说是非常困难的。
车牌字符识别的研究在技术上已经取得了一定突破,然而离复杂多变的实际应用要求还有一定差距,许多新方法仅停留在理论和文章上或者限定在比较狭窄的约束范围内,并不能以产品的形式大范围投入使用。
因而车牌字符识别的实用化研究仍然有很长的路要走。
目前的车牌识别方法主要是针对车辆自动缓停收费、停车场管理[5]等场合,所监视的区域一般只有单一车辆,背景也比较简单。
而如今的许多实际应用场合,监视区域比较复杂,现有的方法无法直接应用。
比如在移动交警稽查、高速公路的监视与监控、城市交通要道的监视与监控,所监控的区域一般会同时出现多辆汽车,背景也比较复杂,有广告牌、树木、建筑物、斑马线以及各种背景文字等。
总之,国内目前还没有真正满足实际需求且价格符合国情的产品。
许多新方法仅仅还停留在理论和文章上或者限定在狭窄的约束范围内,并不能以产品的形式大范围投入使用。
因此,现代智能交通行业的飞速发展以及车辆识别系统应用范围的日益拓宽给车辆识别系统提出了更高的要求。
当然,车牌识别系统的具体应用发展也很迅猛,从原来的停车静止拍摄场景应用,如收费站、停车场等,发展到移动公路车辆稽查、违章自动报警、超载闯红灯等实时监控场合应用,增加神经网络自适应识别学习训练功能,对于系统响应的速度、网络化、智能化、识别成功率等实用化要求也越来越高。
随着上述核心技术的研究发展,应用领域和功能等也获得大幅提高。
1.4设计方案及详细步骤
总体设计方案如下:
车辆牌照识别整个系统主要是由车牌定位和字符识别两部分组成,其中车牌定位又可以分为图像预处理及边缘提取模块和牌照的定位及分割模块;字符识别可以分为字符分割与特征提取和单个字符识别两个模块。
为了用于牌照的分割和牌照字符的识别,原始图像应具有适当的亮度,较大的对比度和清晰可辨的牌照图像。
但由于该系统的摄像部分工作于开放的户外环境,加之车辆牌照的整洁度、自然光照条件、拍摄时摄像机与牌照的距离和角度以及车辆行驶速度等因素的影响,牌照图像可能出现模糊、歪斜和缺损等严重缺陷,因此需要对原始图像进行识别前的预处理。
牌照的定位和分割是牌照识别系统的关键技术之一,其主要目的是在经图像预处理后的原始灰度图像中确定牌照的具体位置,并将包含牌照字符的一块子图像从整个图像中分割出来,供字符识别子系统识别之用,分割的准确与否直接关系到整个牌照字符识别系统的识别率。
由于拍摄时的光照条件、牌照的整洁程度的影响,和摄像机的焦距调整、镜头的光学畸变所产生的噪声都会不同程度地造成牌照字符的边界模糊、细节不清、笔划断开或粗细不均,加上牌照上的污斑等缺陷,致使字符提取困难,进而影响字符识别的准确性。
因此,需要对字符在识别之前再进行一次针对性的处理。
车牌识别的最终目的就是对车牌上的文字进行识别。
主要应用的为模板匹配方法。
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,它主要由牌照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1-1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。
因为系统运行的过程中,主要进行的都是图像处理,在这个过程中要进行大量的数据处理,所以处理器和内存要求比较高,CPU要求主频在600HZ及以上,内存在128MB及以上。
系统可以运行于Windows98、Windows2000或者WindowsXP操作系统下,程序调试时使用Matlab。
1.5论文主要内容
第1章绪论。
主要介绍了课题研究的背景、意义、以及国内关于该课题的研究现状。
车牌字符识别的流程图,设计方案及步骤。
最后简单介绍了本文主要研究的问题和本设计所实现的功能与意义,介绍了本文的章节安排。
第2章车牌预处理与定位。
该部分的主要功能是从拍摄到的图像中搜索、定位并切分出牌照区域。
提出本文中车牌定位的设计流程:
包括车牌图像的预处理、基于形态学的车牌区域检测、车牌区域提取等。
本文对于蓝底白字的车牌采用彩色图像定位的方法以及各个模块的实现。
第3章车牌字符分割及归一化。
字符正确分割是字符识别的前提,本文中介绍了一些车牌字符分割的主要技术,包括字符图像的二值化、字符切割、归一化。
该部分主要功能是对得到的车牌按照字符进行切割,并在程序中加入同态滤波功能,消除光照不均造成的一些干扰。
第4章字符识别。
该部分介绍了字符识别的发展概况;车牌识别中字符识别的特点;车牌字符识别的实现以及对结果的分析。
第5章总结与展望。
该部分对车牌字符识别的整个过程进行了总结,分析了智能交通的发展趋势。
第6章致谢。
第2章车牌预处理与定位
车牌定位是车牌字符识别的前提,是车牌识别系统的关键技术之一。
车牌的定位算法通常先通过图像预处理转化为灰度图像再进行定位。
其功能是从整个拍摄图像中找到并提取到准确的车牌区域,为以下的工作做好铺垫。
2.1图像预处理
本论文采用基于彩色分量的定位方法,运用基于蓝色象素点统计特性的方法对车牌是蓝色的车牌进行定位,实验表明,用该方法实现的车牌定位准确率较高。
流程图:
2.1.1图像预处理的意义与方法
为了准确识别车辆牌照,对于在灰度图像下进行定位处理的算法,预处理不仅是将彩色图像转化为灰度图像必要步骤,还可以通过对图像进行灰度变换,如灰度拉伸、去噪、滤波等处理来改善图像质量。
经过处理后的车牌图像由原始的彩色图变成只包含亮度信息的灰度图,并且具有较强的对比度,对以后的图像处理、识别有很好的帮助。
本文中首先对采集到的彩色图像进行了灰度变换[6],接着再对其进行进一步处理,进而得到较为理想的效果。
2.1.2灰度变换
首先对采集到的图像进行灰度变换[7],目的是加快处理速度,完成对灰度图像的定位。
根据三基色原理,世界上任何色彩都可以由红、绿、蓝(R,G,B)三个单色按不同比例的混合来表示,如果红、绿、蓝(R,G,B)三个信号分别由一个字节表示,则该图像颜色位数就达到24位真彩,也就是说在24位真彩的数字图像中每个像素点由3个字节来表示,各种单色都人为地从0~255分为256个级别,所以根据R,G,B的不同即:
(2-1)
24位真彩色图(ture-colorimage)含有
种颜色。
彩色图像包含着大量的颜色信息,不但在存储上开销很大,而且在处理上也会降低系统的执行速度,因此在对图像进行识别等处理中经常将彩色图像转变为灰度图像,以加快处理速度。
考虑到现有牌照的字符与背景的颜色搭配一般有蓝底白字、黄底黑字、白底红字、绿底白字和黑底白字等几种,利用不同的色彩通道就可以将区域与背景明显地区分出来。
例如,对蓝底白字这种最常见的牌照,采用蓝色B通道时牌照区域为一亮的矩形,而牌照字符在区域中并不呈现。
因为蓝色(255,0,0)与白色(255,255,255)在B通道中并无区分,而在G、R通道或是灰度图像中并无此便利。
同理对白底黑字的牌照可用R通道,绿底白字的牌照可以用G通道就可以明显呈现出牌照区域的位置,便于后续处理。
对于将彩色图像转换成灰度图像时,图像灰度值可由下面的公式计算:
(2-2)
(2-3)
主要程序如下:
I=imread('car1.jpg');
figure
(1),imshow(I);title('原图')
I1=rgb2gray(I);
figure
(2),subplot(1,2,1),imshow(I1);title('灰度图');
figure
(2),subplot(1,2,2),imhist(I1);title('灰度图直方图');
2.1.3图像增强
图像增强是数字图像处理的最基本的方法之一,在数字图像处理中受到广泛重视,是具有重要实用价值的技术。
图像增强的目的在于:
(1)采用一系列技术改善图像的视觉效果,提高图像的清晰度。
(2)将图像转换成一种更适合于人或机器进行解译和分析处理的形式。
图像增强不是以图像
- 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:
- Matlab 汽车 牌照 识别 系统 中的 应用 电气专业 本科毕业 设计
![提示](https://static.bdocx.com/images/bang_tan.gif)