1.车牌识别系统组成车牌识别系统是一个基于数字图像处理和字符识别的智能化系统,该系统通过拍摄采集包含车牌的数字图像,对图像进行预处理以克服图像干扰,改善识别效果,接着在图像中自动找到车牌的位置也就是车牌定位,再分割出车牌字符形成一个个大小相同的单个字符,最后把大小归一化好的字符输入字符识别模块进
行识别。它主要涉及图像采集、图像预处理、车牌区域定位、车牌字符分割、车牌字符识别、输出车牌号码等主要环节,其总体结构如图5-12所示。
2.车牌识别系统功能车牌识别系统包括以下功能。
(1)图像预处理 车辆图像的采集主要是利用摄像机室外拍摄车牌图像,存在许多干扰,为了减小误差,必须对图像进行预处理(灰度化、图像滤波、图像增强等),为车牌定位做好准备(2)车牌区域定位 车牌区域定位包括车牌的粗定位和精确定位,以及从车辆图像中提取出车牌图像的功能。
(3)车牌字符分割牌照中的字符可能出现一定的倾斜,故要对车牌倾斜进行校正。然后将车牌中的字符正确地分割成单个字符。
(4)车牌字符识别 对分割出的字符进行归一化处理,识别字符并显示车牌号码。
3.车牌区域特征不同国家中,车牌的特征是不一样的,我国车牌具有以下四种可用于定位的特征。
(1)颜色特征 颜色特征是一种全局特征,是基于像素点的特征。现有的车牌主要由四种类型组成—小型汽车的蓝底白字车牌、大型汽车的黄底黑字车牌白底黑字的军警车、黑底白字的国外驻华使馆用车。车牌底色和字符颜色反差较大,由于颜色对图像区域的方向、大小等变化不敏感,所以颜色特征不能很好地捕捉图像中车牌的局部特征。另外,仅使用颜色特征,信息量过大,基本上是灰度信息的三倍大,处理时间太长(2)纹理特征 纹理特征描述了车牌区域的表面性质。车牌内有七个字符,大小统一、水平排列,有一部分会因为拍摄的原因存在一定程度的倾斜,字符和背景之间灰度值对比明显。但由于纹理只是物体表面的特性,并不能完全反映出物体的本质属性,所以仅仅利用纹理特征也是有问题的。与颜色特征不同,纹理特征不是基于像素点的特征,它需要在包含多个像素点的区域中进行统计计算。
在模式识别中,这种区域性的特征具有较大的优越性。作为一种统计特征,纹理
特征对于噪声有较强的抵抗能力。但是,纹理特征也有其缺点,容易受到光照强度、反射情况的影响。
(3)形状特征形状特征通常有两类表示方法类是轮廓特征;另一类是区域特征。轮廓特征主要针对物体的外边界,而图像的区域特征则关系到整个形状区域。由于受到摄像头的安装位置和拍摄角度的限制,拍摄到的图像中车牌区域往往不是矩形,而是一个平行四边形。因为国家统一的车牌大小是标准的,宽高比是一定的,即使有所变形也在一定范围内,因此车牌在原始图像中的相对位置比较集中,偏差不会很大。
(4)灰度跳变特征 车牌的底色、边缘颜色和车身的颜色各不相同,表现在图像中就是灰度级互不相同,这样在车牌边缘形成灰度突变边界,形成灰度跳变特征。事实上,车牌边缘在灰度上的表现就是一种屋顶状边缘。在车牌区域内部,由于字符本身和牌照底色的灰度是均匀的,所以穿过车牌的水平直线呈连续的峰、谷、峰的分布。
4.车牌定位算法车牌定位算法很多,如基于灰度值的车牌定位算法、基于边缘检测技术的车牌定位算法、基于频谱分析的车牌定位算法、基于神经网络的车牌定位算法、基于遗传算法的车牌定位算法、基于模糊逻辑的车牌定位算法等。
(1)基于灰度值的定位算法 其基本原理是车牌底色、车牌边框颜色及背景颜色灰度化后灰度值不同,形成了灰度值突变的边界。车牌边框的灰度值高于背景灰度值,且车牌边框为平行四边形,通过边缘提取,进行定位(2)基于边缘检测技术的定位算法 根据车牌的特征和车牌内部字符的边缘特征,估计出最大车牌的区域。该方法可能会把干扰强的边缘误记为车牌窗口,需要大量的车牌字符区域和图像宽度比例的先验知识(3)基于频谱分析的定位算法 如小波变换,根据小波分析可以在不同的分辨率层次上对图像进行分割,在低分辨率层次上进行粗分割,可以节约时间并同时为细分割缩小检测范围。
(4)其他定位算法 基于神经网络、遗传算法、模糊逻辑算法等方法需要大量的先验知识,同时计算量巨大,但记忆性好任何算法都有其优劣,仅靠单一的算法是无法在多种情况下取得较好的定位效果的,可以采用结合多种算法的综合定位方法。
5.字符识别算法字符识别算法有很多,如基于模板匹配的字符识别算法、基于特征统计匹配法、基于边缘检测和水平灰度变化特征的方法、基于颜色相似度及彩色边缘的算法等。
(1)基于模板匹配的字符识别算法 模板匹配方法是一种经典的模式识别方法,是最直接的字符识别方法,其实现方式是计算输入模式与样本之间的相似性,取相似性最大的样本为输入模式所属类别。这种方法具有较快的识别速度,尤其对二值图像,速度更快,可以满足实时性要求。但它对噪声十分敏感,任何有关光照、字符清晰度的变化都会影响识别的正确率,且往往需要使用大量的模板或多个模板进行匹配。
(2)基于特征统计匹配法 针对字符图像的特征提取的方法多种多样,有逐像素特征提取法、垂直方向数据统计特征提取法、基于网格的特征提取法、弧度梯度特征提取法等很多方法。这种特征对一般噪声不敏感,选取的特征能够反映出图像的局部细节特征,方法相对简单,然而在实际应用中,由于外部原因的存在常常会出现字符模糊、字符倾斜等情况,从而影响识别效果,当字符出现笔画融合、断裂、部分缺失时,此方法更加无能为力。因此,实际应用效果不理想,抗干扰性不强。
(3)基于边缘检测和水平灰度变化特征的方法 这类方法是使用最多的,细分类也多,有用可变矩形模板检测的方法搜索符合条件的车牌矩形区域的方法,有记录灰度水平跳变频度的方法,速度快、漏检率低,但误检率高。
(4)基于颜色相似度及彩色边缘的算法 此类方法一般利用颜色模型转换结合先验知识,进行定位和判断,不受大小限制,精度较高,缺点是对图像品质要求高,对偏色、牌照褪色及背景色干扰等情况无能为力,一般也不独立使用。
