车牌识别软件系统设计.docx
- 文档编号:8183724
- 上传时间:2023-01-29
- 格式:DOCX
- 页数:58
- 大小:835.13KB
车牌识别软件系统设计.docx
《车牌识别软件系统设计.docx》由会员分享,可在线阅读,更多相关《车牌识别软件系统设计.docx(58页珍藏版)》请在冰豆网上搜索。
车牌识别软件系统设计
摘要
随着交通拥挤和堵塞等各种问题的日益突出,以及计算机技术的不断发展,智能交通系统得到了越来越广泛的应用,尤其在欧、美等发达国家,而在我国的应用尚处于探索研究的起步阶段。
车牌的自动识别是ITS的重要组成部分,可用于各类车辆管理场所,特别是高速公路智能控制,提高管理效率和水平,节省人力、物力,实现车辆管理的科学化、规范化。
本论文在分析了各种车辆车牌信息特征的基础上,应用图像处理技术,包括汽车图像预处理、车牌定位、车牌图像分割和字符识别等,设计并实现了一个车牌识别系统的原型仿真。
首先对摄像机采集的图像进行去除背景的运算以获取车辆图像,随后的工作是图像的预处理、车牌图像分割、特征提取、字符识别,以达到车牌识别的目的。
图像的预处理中首先用加权平均值法对图像进行灰度化处理,用中值滤波消除噪音,用Robert算子进行边缘检测。
车牌定位时采用混合特征的多车牌快速定位方法。
用Otsu算法进行二值化;采用模板匹配的方法进行识别。
关键字:
图像预处理车牌定位车牌图像分割字符识别
ABSTRACT
Withtheincreasingproblemsintrafficmanagement,thedevelopmentofcomputertechnologyhasmadetheintelligenttransportationsystemmoreandmoreapplied.ITShavebeenwidelyappliedinadvancedcountrysuchasEuropeandAmerica.Butinourcountry,theapplicationofitisinresearchphase.AutomaticidentificationandtrackingofvehiclesisanimportantpartofITS.Thisthesisanalyzesvarioustypesofvehicleidentificationtechnology,andusesImageprocessingandpatternrecognitiontechnologytocompletevehicleidentification.”ClassificationoftheTollforHighway’sadoptedinthisdissertationasthevehicleclassificationstandard.
First,thevehicleimagewasextractedfromcameraimageafterremovingthebackground.Thenthisdissertationdescribesimagepretreatment,featureextractionandpatternrecognitionalgorithm,finallythetypeofthevehiclewasobtained.
Intheimagepreprocessing,usingmethodofweightedaverageprocessimagegrayvalue,withamedianfiltereliminatenoise,withRobertoperatoronedgedetection;Licenseplatelocalizationbasedonhybridfeaturesusedmorelicenseplatequicklocationmethods;UsingthemethodofOtsuforbinarization;andthetemplatematchingmethodforidentification.
Keywords:
Imagepreprocessing,licenseplatelocation,licenseplateimagesegmentation,characterrecognition
绪论
车牌自动识别系统是智能交通系统的重要组成部分。
从道路桥梁隧道收费到入境管理,车牌识别系统都显得至关重要,它集中了光电、计算机、数据通信、图像处理、计算机视觉、人工智能、模式识别等关键技术,成为智能交通领域中的重要研究课题之一。
随着我国城市化进程的不断加快,国民经济的进一步发展,汽车数量越来越多,建立一个信息化、智能化、数字化的综合交通管理系统就显得非常重要。
目前世界上许多国家都存在交通拥堵严重、交通事故频发等问题,如何缓解交通拥堵,减少交通事故,合理使用现有的道路资源,己成为各国所面临的共同问题。
不断恶化的城市交通状况,日益成为制约城市发展的瓶颈。
相比于投入巨资一味进行道路基础设施建设,运用各种先进高新技术,充分发挥现有道路资源显得更有效、更实际可行。
随着研究的不断深入,智能交通系统(IntelligentTransportationSystem,简称ITS)己经成为当前交通领域发展的重要方向。
ITS就是将计算机技术、数据通信技术、导航定位技术、人工智能技术、自动控制技术、计算机视觉技术、数字图像处理技术、模式识别技术等综合应用于陆地交通管理体系,从而建立起一种准确、高效、实时的现代交通管理系统。
随着高速公路的快速发展和车辆管理体制的不断完善,使图像场景日益简单化和标准化,为以图像理解为基础的ITS进入实际应用领域提供了契机。
在ITS中,最重要的环节之一就是检测车辆信息,而车辆牌照是车辆的唯一身份标识,于是车牌自动识别系统(LicensePlateRecognitionsSystem,LPRS)应运而生,它是ITS的重要组成部分,在交通管理方面有着巨大的市场前景及商业价值。
目前车牌自动识别技术主要有:
数字图像处理技术、条形码识别技术、IC卡识别技术、射频识别技术、模式识别技术[1]。
LPRS是基于数字图像处理技术的识别系统,因此它具有广泛的应用前景,其应用场合包括:
高速公路、桥梁、隧道等自动收费管理系统;高速公路、国道、省道、城市道路及城市出入口监控;智能交通违章监摄管理;机场、港口等出入口车辆的管理;公共汽车停车场的车队管理;车辆保安管理及监控系统;住宅小区及企事业单位出入口;停车场的出入口管理及保安系统;车辆安全防盗、查堵指定车辆;肇事车辆、被盗车辆、犯罪车辆的辨识和拦截;交通流量检测等。
LPRS本身是一个相对独立的子系统,主要包括图像采集、图像预处理[2]、车牌定位、车牌字符分割、字符识别等工作模块,它同时应具有良好的稳定性、可维护性和可扩展性。
1车牌识别系统概述
1.1车牌识别系统研究目的及意义
车牌识别系统的主要任务是分析和处理摄取到的复杂背景下的车辆图像,定位分割牌照,最后自动识别汽车牌照上的字符,LPR是利用车辆牌照的唯一性来识别和统计车辆,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。
在现代化交通发展中车牌识别系统是制约交通系统智能化、现代化的重要因素,LPR系统应该能够从一幅图像中自动提取车辆图像,自动分割牌照图像,对字符进行正确识别,从而降低交通管理工作的复杂度。
车牌识别系统将获取的车辆图像进行一系列的处理后,以字符串的形式输出结果,这样不但数据量小,便于存储,操作起来也更容易,因此LPR系统的便捷性是人工车牌识别所不能比拟的,它蕴藏着很大的经济价值和发展空间,对LPR技术的研究是非常有的意义的。
在车牌识别系统中最为重要的两个技术是车牌定位和车牌字符识别,这两个技术的好坏直接影响到整个车牌识别系统的实时性和准确性。
国内外己有不少学者对车牌定位技术做了大量的研究,但在实际的应用中还没有一个有效可行的方法,如由于车辆抖动造成车牌图像的歪斜、由于污迹和磨损造成车牌字符的模糊、由于光照不均造成车牌图像的模糊等都会或多或少影响到车牌定位的准确度。
针对以上实际情况,很多学者开始在鉴于车牌图像本身特征的基础上研究车牌定位技术,并先后提出了一些有效的定位方法,以减小种种主、客观因素对车牌定位准确度的影响。
然而智能交通的不断发展使得对车牌定位系统有了更高的要求,主要表现在系统的实时性和准确性。
车牌字符识别的实质是对车牌上的汉字、字母和数字进行快速准确的识别并以字符串的形式输出识别结果,字符识别技术是整个车牌识别系统的关键。
车牌识别系统与其它图像识别系统相比较而言要复杂的多,在字符识别中,汉字识别是最难也是最关键的部分,很多国外较为成熟的车牌识别系统无法进入中国市场的原因就在于无法有效的识别汉字。
此外,由于外界环境的影响,系统必须保证能够在任何天气情况下全天不间断的正常工作。
目前为止,在众多的车牌自动识别方法中还没有一个可以达到理想的效果,因此车牌识别技术的研究意义重大。
1.2国内外研究现状
车牌自动识别系统的研究,国外最早出现于20世纪80年代,但这个阶段并没有形成完整的体系。
进入20世纪90年代,随着数字图像处理[3]、计算机视觉、模式识别等技术的发展,开始出现了LPRS的系统化研究。
Yuntaocu开发的车牌识别系统,在车牌定位后,利用马尔科夫场对车牌进行特征提取和二值化,其重点工作是放在二值化上,最后对其样本的识别达到了较高的识别率。
R.mullot开发了一种既可以用于集装箱识别又可以用于车牌识别的统,该系统利用字符纹理特征对车辆图像进行定位和识别。
Paolo等开发了一套针对意大利车辆的车牌识别系统,该系统的识别率达到了91%。
Tindail开发的车牌识别系统可以识别全部5种英国格式的车牌。
Luis开发的针对日本车辆的车牌识别系统的识别率达到了90%以上,天气不好的情况下也达到了70%。
目前国外比较成熟的车牌识别系统产品有:
以色列Hi-Tech公司的See/CarSystem系列,新加坡Optasia公司的VLPRS系列,英国RacalMessengerLtd公司的TalonLPRS,英国Alphatech公司的ARGUS产品,中国香港AsiaVisionTechnology公司的VECON产品等。
其中Hi-Tech公司有多种不同的产品来分别适应某个国家或地区的车牌,See/CarChinese系列可以对中国大陆的车牌进行识别,但汉字识别率较低。
另外美国、加拿大、德国、日本、意大利、西班牙等国家都有适合本国的车牌识别系统[4]。
我国在这方面的研究起步比较晚。
国内做得比较好的产品有中科院自动化所汉王公司的“汉王眼”,深圳市普利得公司的PlateDSP车牌识别系统,厦门宸天电子科技有限公司的SuPPlate车牌识别系统,北京文通公司、沈阳聚德公司、深圳吉通电子公司、上海高德威智能交通系统有限公司等也都有自己的产品。
另外,清华大学、浙江大学、上海交通大学、西安交通大学、四川大学等科研院所也做过类似的研究。
但大多数产品的识别效果不是很理想,尤其是在复杂背景条件下的识别效果不是很理想,这与我国汽车牌照的现状有很大的关系:
(1)我国大陆车牌由汉字、大写英文字母和数字组成,汉字识别的难度要比英文字母和数字高得多。
(2)国外的车牌底色和字符颜色只有对比度较强的两种颜色(如韩国的车牌底色为红色,字符颜色为白色),而我国的车牌底色和字符颜色有多种混合颜色的组合形式(如蓝底白字,黄底黑字等)。
(3)由于环境因素(光照、天气等)或人为因素造成的牌照污染严重的车辆,发达国家不允许上路,而我国认可上路行驶。
(4)我国的汽车牌照的悬挂位置不唯一。
(5)国外的车牌格式(如牌照上字符的排列等)通常只有一种,而我国根据不同的车辆、车型、用途规定了多种牌照格式(如分为普通车、军车、警车、教练车、领事馆车等)。
在LPRS产品的性能指标中,识别率和识别速度往往难以同时提高,其原因是多方面的,如图像处理技术的不够成熟,摄像设备、计算机等的性能限制。
但是随着理论研究的不断深入,硬件平台性能的不断提高,以及图像源设备的不断更新,LPRS产品的性能会日趋完善,其在现代交通领域的需求会越来越大。
1.3系统结构设计和工作原理
车牌识别技术的任务是处理、分析摄取的车辆图像,实现车牌号码的自动识别。
典型的车辆牌照识别系统是由图像采集系统、中央处理器、识别系统组成,一般还要连接相应的数据库以完成特定的功能。
当系统发现(通过埋地线圈或者光束检测)有车通过时,则发出信号给图像采集系统,然后采集系统将得到的图像输入识别系统进行识别,其识别结果应该是文本格式的车牌号码。
车牌识别系统流程图如图1-1所示。
图1-1车牌识别系统流程图
(1)图像预处理:
在外界光照不均匀,光照强度不稳定的情况下,通过摄像机采集到的车牌原始图像会模糊不清,因此需要对其进行图像增强的处理;在外界环境噪声以及电子器件自身产生的噪声干扰下,车牌图像质量会有所下降,因此需要对原图像进行去噪处理;当摄像头摆放位置与车辆牌照悬挂位置存在一定角度,或者在摄像头进行拍摄的过程中,由于车辆发动机的震动导致摄像头抖动从而使摄取到的车牌图像具有一定程度的倾斜,因此需要对车牌图像进行倾斜矫正等等。
以上所做的这些处理均属于图像预处理的工作。
(2)车牌定位分割:
在一张完整的车辆图像中,大部分区域都是背景图像,对识别工作毫无意义,我们可以将背景区域视为无用区域,并设法将其去除,即从复杂的背景图像中准确的定位并分割出车牌区域图像,从原图像中提取出需要的部分舍弃不需要的部分,以便节省系统识别时间,这也是车牌定位分割的目的及意义所在。
在定位分割的过程中要保证不能把非车牌区域误判为车牌区域,也不能漏检车牌区域,否则后继的工作将无法进行。
(3)车牌字符分割:
被分离出的车牌区域图像,系统并不能直接对其进行识别,还需要将车牌上的每一个字符都独立的完整的分割出来,即从车牌区域图像中将车牌上所包含的每一个字符都切分出来,使其成为不具有任何相关性的单个字符图像,再由系统分别对每个字符进行识别,在对字符进行切分时,要注意保证每个字符的完整度。
(4)字符识别:
车牌字符识别是系统的最后一个步骤,也是最为关键的一步,前面对车牌图像所做的处理都是为了完成最终的识别。
系统输入的是单个的字符图像,输出的却是文本格式的完整的车牌号码,车牌字符识别的准确率直接反映出车牌识别系统性能的好坏。
对于车牌识别系统而言,以上的每一个步骤都是必不可少的,并且后一步骤均是建立在前面步骤的基础之上进行的,因此,只有确保做好每一步才能顺利完成系统最终的识别工作。
2车牌图像预处理
本章根据车牌图像的具体情况选择合适的预处理方法,以达到较理想的效果。
首先简述数字图像处理的基本概念,在此基础上再详述本文所采用的预处理方法。
一幅图像可以定义为一个二维函数f(x,y),其中x和y是空间坐标,而f在任意一对坐标(x,y)处的幅度称为该点处的亮度或灰度。
当x,y和f的值都是有限的离散值时,称该图像为数字图像。
可以用一个M×N阵来表示一幅数字图像,在计算机内常用二维数组来表示数字图像的矩阵,其中M×N称为图像的分辨率,显然分辨率越高图像就越逼真。
数字图像由有限数量的元素组成,每个元素都有一个特殊的位置和数值。
而数字图像处理就是用计算机处理数字图,图像处理所涉及的领域广泛[5],事实上,图像处理和计算机视觉之间并没有明显的界限,但我们可以通过考虑三种类型的计算机化处理来加以划分:
低级处理,中级处理和高级处理。
低级处理包括原始操作,如降低噪声、对比度增强和图像锐化等。
低级处理的特点是其输入与输出均为图像。
图像的中级处理涉及诸如分割这样的任务,即把图像分为区域或对象,然后对对象进行描述,以便把它们简化为适合计算机处理的形式,并对单个对象进行分类识别。
中级处理的特点是,其输入通常是图像,但输出则是从这些图像中提取的属性(如边缘、轮廓以及单个对象的特性)。
最后,高级处理通过执行通常与人类视觉相关的感知函数,来对识别的对象进行总体确认。
本文所涉及的数字图像处理包含其输入输出都是图像的过程,从图像中提取特性的过程,以及对单个对象进行识别的过程。
为了便于车牌的分割识别,摄像机摄下的原始图像应具有适当的亮度和对比度。
但通常经输入系统获取的车牌图像信息由于光照条件、牌照的整洁度、摄像机的状态(焦距、角度和镜头的光学畸变)以及车速的不稳定等因素都会使图像含有各种各样的噪声与畸变。
例如由于光照度不均匀造成图像灰度过于集中;由于摄像头获得的图像经过转换、线路传送都会产生噪声污染;车牌的字符部分受到磨损或是被污迹覆盖等等。
这些主客观因素不可避免地影响车牌图像的清晰程度,降低图像质量,轻者表现为图像不干净,难以看清细节,重者表现为图像模糊不清、歪斜或缺损,车牌字符边界模糊、细节不清、比划断开、粗细不均等现象。
这势必会影响车牌区域分割,降低车牌字符识别的准确度。
因此,在对车牌图像进行分析之前,必须要对车牌图像进行预处理。
2.1图像的灰度化
通常情况下,实际的车牌识别系统中由摄像机采集到的原始图像是彩色图像,所有的彩色图像都是由红(R)、绿(G)、蓝(B)三基色组合而成,在数字图像中每一个基色都被分为256个等级,即0~255。
由R、G、B三基色不同级别的组合方式,可以计算出一幅彩色数字图像最多可包含2563=16777216种颜色。
在灰度图像中R=G=B,因此灰度图像中只有一种灰度颜色,同彩色图像中的三基色一样,灰度色也被分成0~255,共256个等级,同理可以计算出一幅灰度图像最多只包含256种颜色。
由此可见,一幅彩色图像所包含的信息量远远大于一幅灰度图像,它不仅需要大量的存储空间还需要复杂的图像处理算法,这使得整个车牌识别系统操作时间过长,无法达到实时性的要求。
所以,应将采集到的彩色图像转换成一幅灰度图像,这个过程便是图像的灰度化。
令g为转换后灰度图像在某一点的灰度值,R、G、B分别为转换前该点的R、G、B分量。
常用的灰度化处理方法有以下三种:
(1)最大值法(Maximum)
g=max(R,G,B)(2-1)
这种方法处理后灰度图像的亮度会偏高。
(2)平均值法(Average)
g=
(2-2)
这种方法处理后灰度图像的亮度较柔和。
(3)加权平均值法(WeightedAverage)
g=
(2-3)
式(2-3)中,WR、WG、WB分别为R、G、B的权值,当其权值取不同的值时,能够形成不同灰度的灰度图像,由于人眼对绿色的敏感度最高,红色次之,蓝色最低。
因此当WG>WR>WB时,所产生的灰度图像更符合人眼的视觉感受,通常WR=0.9,WG=1.77,WB=0.33时图像的灰度最合理,即
g=0.3R+0.59G+0.11B(2-4)
式(2-4)中:
R表示原图像中每个像素点的红色分量的值,G表示原图像中每个像素点的绿色分量的值,B表示原图像中每个像素点的蓝色分量的值。
g表示灰度变换后图像中每个像素点的颜色值。
本文使用加权平均值法对彩色汽车图像进行灰度化处理,在Matlab中,加权平均值法[6]用函数rgb2gray()即可实现。
灰度化前后的对比图如图2-1和2-2所示。
图2-1经灰度化处理前的图像
图2-2经灰度化处理后的图像
2.2图像的中值滤波
中值滤波是一种非线性的平滑滤波技术,由于实际计算过程并不需要图像的统计特性,所以比较方便。
它是基于图像的这一特性:
噪声往往以孤立的点的形式出现,这些点对应的像素很少,而图像由像素较多,面积较大的小块构成。
中值滤波在一定条件下可以克服线性滤波器所带来的图像细节性模糊,而且对滤波脉冲及图像的扫描噪声比较有效。
中值滤波原理是把数字图像或数字序列中一点的值用该点的一个领域中各点值的中值代替,让周围的像素值接近真实值,从而消除孤立的噪声点。
中值滤波法对椒盐噪音非常有效,在光学测量条纹图像的相位分析处理方法中有特殊作用。
设一个一维序列f1,f2…fn,取窗口长度为奇数m(m为奇数),对此序列进行中值滤波,就是从输入序列中抽取m个数fi-v、fi、fi+v,其中fi是窗口的中心值,v=(m-1)/2,再将这m个点的数值按数值大小排列,取其序号为正中间的那个数为滤波器输出。
中值滤波表达式为:
Yi=Med
,
,v=(m-1)/2(2-5)
对数字图像进行滤波,实质上就是对二维序列{Xmn}的中值滤波,滤波窗口也是二维的,用一个活动窗口W在图像上进扫描,把窗口内包含的图像像素按灰度级升(或降)序排列起来,取灰度值居中的像素灰度为窗口的中心像素的灰度(若窗口中有偶数个像素,则取两个中间值的平均),用公式表示为:
X(m,n)=Med
(2-6)
在Matlab中通过调用medfilt2()函数即可实现对图像进行中值滤波处理,中值滤波处理前后的对比图如图2-3和2-4所示。
图2-3经中值滤波处理前的图像
图2-4经中值滤波处理后的图像
2.3图像的边缘检测
边缘检测是图像处理和计算机视觉中的基本问题,边缘检测的目的是标识数字图像中亮度变化明显的点。
图像属性中的显著变化通常反映了属性的重要事件和变化。
这些包括深度上的不连续、表面方向不连续、物质属性变化和场景照明变化。
边缘检测是图像处理和计算机视觉中,尤其是特征提取中的一个研究领域。
图像边缘检测大幅度地减少了数据量,并且剔除了可以认为不相关的信息,保留了图像重要的结构属性。
有许多方法用于边缘检测,它们的绝大部分可以划分为两类:
基于查找一类和基于零穿越的一类。
基于查找的方法通过寻找图像一阶导数中的最大和最小值来检测边界,通常是将边界定位在梯度最大的方向。
基
于零穿越的方法通过寻找图像二阶导数零穿越来寻找边界,通常是Laplacian过零点或者非线性差分表示的过零点。
边缘可能与视角有关,也就是说边缘可能随着视角不同而变化,典型地反映在场景、物体的几何形状一个将另一个遮挡起来,也可能与视角无关,这通常反映被观察物体的属性如表面纹理和表面形状。
在二维乃至更高维空间中,需要考虑透视投影的影响。
一个典型的边界可能是,例如一块红色和一块黄色之间的边界,与此相反的是边线可能是在另外一种不变的背景上的少数不同颜色的点。
在边线的每一边都有一个边缘。
在许多图像处理的应用中边缘都起着非常重要的作用。
然而,在最近几年,不明显依赖于边缘检测作为预处理的计算机视觉处理方法研究取得了一些实质性的研究成果。
Robert边缘检测算子是一种利用局部差分算子寻找边缘的算子,Robert算子图像处理后结果边缘不是很平滑。
经分析,由于Robert算子通常会在图像边缘附近的区域内产生较宽的响应,故采用Robert算子检测的边缘图像常需做细化处理,边缘定位的精度不是很高。
Robert算子边缘定位准,但是对噪声敏感。
适用于边缘明显而且噪声较少的图像分割,在应用中经常用Robert算子来提取道路。
在本文中,车牌图像并不复杂,而且在边缘检测之前已用中值滤波法对图像进行了处理,消除了噪声。
因此,此处采用Robert检测边缘可以取得较好的效果。
Robert边缘检测算子采用的是交叉差分计算,以此来求得每个像素的梯度幅值。
梯度大小代表边缘强度,梯度的方向与边缘走向垂直,各像素的关系如图2-5所示。
f(i,j)
f(i,j+1)
f(i+1,j)
f(i+1,j+1)
图2-5交叉差分法
对数字图像f(x,y),Robert算子定义如下:
(2-7)
其中,f(x,y)二维函数形式表示具有整像素坐标的输入图像,用平方根运算处理,能取得更适合人眼观察的视觉效果。
Robert算子实际上是求旋转
两个方向上微分值的和,它在水平和垂直方向效果好,其两个卷积分别为
- 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:
- 车牌 识别 软件 系统 设计