JavaME車牌識(shí)別技術(shù)應(yīng)用研究

李 毅

（石家莊職業(yè)技術(shù)學(xué)院，河北 石家莊 050061）

0 引言

隨著我國綜合國力和國民收入水平的提高，機(jī)動(dòng)車以每年10%～20%的速度增長，我國對智能交通管理的需求與日俱增，特別是在如交通卡口、停車場等要求靈活、方便、快速對車輛進(jìn)行管理的場合顯得尤為重要，同時(shí)當(dāng)今數(shù)字圖像處理技術(shù)已經(jīng)發(fā)展成熟，所以人們正在試圖利用數(shù)字圖像處理技術(shù)解決交通管理帶來的各種問題。車牌識(shí)別（License plate recognition簡稱LPR）是指通過計(jì)算機(jī)視覺、圖像處理與模式識(shí)別等方法從車輛中提取車牌字符信息，從而確定車輛身份的技術(shù)。LPR是智能交通（ITS，Intelligent Transportation System）中重要的研究課題，在公共安全、交通管理、流量觀測、電子收費(fèi)系統(tǒng)及有關(guān)軍事部門有著重要的應(yīng)用價(jià)值。

車牌識(shí)別技術(shù)作為智能交通系統(tǒng)的核心技術(shù)，是智能交通系統(tǒng)能否實(shí)現(xiàn)自動(dòng)化運(yùn)行的關(guān)鍵。目前ITS技術(shù)多種多樣，核心技術(shù)均為圖像或視頻信息的計(jì)算機(jī)圖像采集、處理和分析。車輛牌照識(shí)別系統(tǒng)在發(fā)展初期，主要采用將系統(tǒng)模塊放在后端即服務(wù)器端，前端設(shè)備只作信息采集這種方式對服務(wù)器的資源占用及運(yùn)行帶來了壓力。因此目前業(yè)界多傾向于將各類采集環(huán)節(jié)的識(shí)別與應(yīng)用功能放在前端。隨著智能手機(jī)不斷發(fā)展，3G網(wǎng)絡(luò)技術(shù)的日趨完善，Java ME技術(shù)不斷更新都為手機(jī)作為ITS的前端信息采集與分析提供了可能。

1 JavaME平臺(tái)車牌識(shí)別技術(shù)準(zhǔn)備

我們使用的手機(jī)基本上可以分為兩種：一種，是固化了操作系統(tǒng)和應(yīng)用軟件的傳統(tǒng)手機(jī)；另一種，是開放操作系統(tǒng)，在外圍硬件方面提供結(jié)構(gòu)可以擴(kuò)展，在應(yīng)用軟件方面開發(fā)商提供SDK開發(fā)包和接口，支持第三方應(yīng)用軟件。智能手機(jī)以其優(yōu)越的功能和良好的人機(jī)界面已經(jīng)成為手機(jī)市場的首選。

因此，我們從智能手機(jī)的硬件結(jié)構(gòu)入手，分析硬件組成結(jié)構(gòu)與硬件性能，討論以手機(jī)作為平臺(tái)，實(shí)現(xiàn)車牌識(shí)別的可能。

1.1 智能手機(jī)的硬件系統(tǒng)架構(gòu)

典型智能手機(jī)硬件結(jié)構(gòu)如圖1所示。

圖1 典型智能手機(jī)結(jié)構(gòu)

主處理器運(yùn)行操作系統(tǒng)，負(fù)責(zé)協(xié)調(diào)整個(gè)手機(jī)系統(tǒng)的資源。我們以車牌圖像識(shí)別為例分析典型手機(jī)操作系統(tǒng)工作過程。首先我們使用攝像頭采集車輛圖像，攝像機(jī)控制器通過與主處理器之間的串行總線將圖像送入SDRAM隨機(jī)存儲(chǔ)器，手機(jī)處理器調(diào)取車牌識(shí)別應(yīng)用程序?qū)D像進(jìn)行處理，處理得到的車牌文本信息顯示在手機(jī)屏幕LCD上。目前智能手機(jī)硬件發(fā)展較快，處理器采用雙核1.2G，SDRAM同步動(dòng)態(tài)隨機(jī)存儲(chǔ)器1G，攝像頭一般為500萬像素，智能手機(jī)在工作過程、數(shù)據(jù)處理、硬件配置等方面與微型計(jì)算機(jī)已經(jīng)非常的接近，使用手機(jī)實(shí)現(xiàn)車牌識(shí)別在硬件上有了充分保證。

1.2 手機(jī)平臺(tái)應(yīng)用程序設(shè)計(jì)JavaME技術(shù)

JavaME技術(shù)屬于Java技術(shù)范疇，主要是為移動(dòng)電話和PDA之類嵌入式消費(fèi)電子設(shè)備提供的Java語言平臺(tái)，利用該技術(shù)可以方便的開發(fā)基于手機(jī)的應(yīng)用程序。另外，SUN公司近期推出的Lwuit輕量級組件，可以方便在手機(jī)上對圖片進(jìn)行處理和顯示，為車牌識(shí)別應(yīng)用程序開發(fā)提供了保證。

2 基于JavaME平臺(tái)的車牌識(shí)別結(jié)構(gòu)體系

車牌識(shí)別分為車牌提取、字符分割和字符識(shí)別三個(gè)步驟，其中車牌提取又可分為圖像預(yù)處理、車牌定位和車牌校正三個(gè)組成部分，如圖2車牌識(shí)別處理流程圖所示。

圖2 車牌識(shí)別處理流程圖

2.1 車牌提取

2.1.1 圖像預(yù)處理

針對車牌對象，系統(tǒng)往往需要進(jìn)行適當(dāng)?shù)念A(yù)處理以提高圖像質(zhì)量。圖像預(yù)處理包括灰度化、均衡化、邊緣檢測、二值化等。預(yù)處理首先可以減少或消除圖像采集中的噪聲及其它干擾，其次，可以減少或消除圖像失真。處理效果直接影響到后續(xù)流程的識(shí)別精度。圖像預(yù)處理的目的是為方便以后車牌區(qū)域提取及字符分割。

2.1.2 車牌定位

車牌定位是車牌自動(dòng)識(shí)別系統(tǒng)中的關(guān)鍵技術(shù)，目的在于準(zhǔn)確的找到車牌位置，車牌定位方法的出發(fā)點(diǎn)是通過車牌區(qū)域特征來判斷牌照。目前車牌定位主要采用：基于邊緣檢測的方法、基于水平灰度變化特征的方法和基于車牌顏色特征的方法。

2.1.3 車牌校正

理想情況下，車牌圖像應(yīng)該是一個(gè)矩形，但是由于拍攝等外部因素常常使所拍攝的車牌圖像產(chǎn)生傾斜現(xiàn)象，給后續(xù)的字符切割帶來影響，造成車牌識(shí)別率下降。因此在字符分割之前要進(jìn)行車牌校正處理。目前常用的校正方法主要有Hough變換法、投影法、模板匹配法。

2.2 字符分割

字符分割是在得到車牌區(qū)域后，將車牌的7個(gè)字符分割為單個(gè)的字符。目前字符分割常用的方法有基于車牌比例的幾何分割法和基于模板匹配的分割法。幾何分割法算法較為簡單，基于模板匹配的分割法算法比較復(fù)雜，運(yùn)算時(shí)間長導(dǎo)致處理時(shí)間增加。

2.3 字符識(shí)別

目前字符識(shí)別主要通過人工神經(jīng)網(wǎng)絡(luò)和模板匹配兩種方法實(shí)現(xiàn)。人工神經(jīng)網(wǎng)絡(luò)具有良好的容錯(cuò)性、自適應(yīng)和學(xué)習(xí)能力等特點(diǎn)，對字符的識(shí)別率較高。模板匹配算法先將帶匹配的字符歸一化為模板大小，然后對相應(yīng)的點(diǎn)做一一比較，該方法較為簡單，但準(zhǔn)確率不高。

3 基于JavaME技術(shù)的車牌識(shí)別系統(tǒng)實(shí)現(xiàn)

文章根據(jù)經(jīng)典車牌圖像識(shí)別理論和JavaME平臺(tái)對不同手機(jī)提供不同硬件資源的特點(diǎn)，構(gòu)建了應(yīng)用程序開發(fā)流程，如圖3程序流程圖所示。

圖3 程序流程圖

應(yīng)用程序中的Midlet類、顯示界面、圖像處理類關(guān)系如圖4系統(tǒng)開發(fā)結(jié)構(gòu)示意圖。

圖4 系統(tǒng)開發(fā)結(jié)構(gòu)示意圖

在圖像處理類中，由于Java ME的硬件資源有限，所以在灰度處理、均衡處理、邊緣處理、二值化處理中我們首先將圖像轉(zhuǎn)換為Static類型的三維數(shù)組，在之后的圖像處理中圍繞數(shù)組展開計(jì)算，在圖像顯示時(shí)將數(shù)組轉(zhuǎn)換為Image類型，這樣不僅提高了運(yùn)算速度而且節(jié)約系統(tǒng)資源。之后我們采用了膨脹處理使車牌區(qū)域能夠形成較大面積的聯(lián)通區(qū)域方便車牌定位。車牌定位算法首先將圖像轉(zhuǎn)換為二維矩陣，然后對矩陣進(jìn)行逐點(diǎn)掃描，符合在水平向右方向上50個(gè)像素連續(xù)出現(xiàn)白色并垂直向下方向連續(xù)10個(gè)像素連續(xù)白色，定位為車牌的起始坐標(biāo)，車牌的終止坐標(biāo)算法與起始坐標(biāo)算法類似，根據(jù)計(jì)算得到的坐標(biāo)可以將圖像進(jìn)行切割得到車牌圖像。車牌的單個(gè)字符切割我們采用了幾何位置切分算法，該算法的優(yōu)勢在于能簡單方便快速的分割圖像，缺點(diǎn)在于如果車牌定位不準(zhǔn)確將不能有效的切割出單個(gè)字符。字符識(shí)別我們將切割后的單個(gè)字符與字符模板庫中的字符圖片做相似度比較，得到車牌字符。

4 實(shí)驗(yàn)測試

測試中我們選擇較好的光線條件對車輛正面的圖像進(jìn)行拍攝，測試環(huán)境描述如下：三星I8262D雙核1.2GHZ、機(jī)身內(nèi)存：768MB RAM；4GB ROM。在此環(huán)境下，我們對10副車輛進(jìn)行了車牌識(shí)別的測試，每幅照片的識(shí)別時(shí)間平均為7秒，在10幅圖像中能準(zhǔn)確識(shí)別7幅，錯(cuò)誤3幅，識(shí)別成功率約為70%。我們也使用了一幅沒有車牌的圖像進(jìn)行了測試，程序的形態(tài)學(xué)處理會(huì)將整幅畫面中所有的亮度腐蝕掉，從而在圖像中沒有任何字符可以識(shí)別，切割，之后的一系列操作均無法進(jìn)行，于是程序識(shí)別結(jié)果為空。造成識(shí)別失敗的原因多種多樣，有的是車標(biāo)亮度太大影響定位，有的是膨脹過度造成定位錯(cuò)誤。

通過以上測試結(jié)果可以看出，系統(tǒng)程序可以對較好的環(huán)境下拍攝的車牌圖像進(jìn)行識(shí)別，但是在識(shí)別速度、正確率和抗干擾方面有待加強(qiáng)，但是證明了使用JavaME作為信息采集和處理設(shè)備的可行性，為今后JavaME開發(fā)車牌識(shí)別系統(tǒng)打下了基礎(chǔ)。

［1］Smith S M,Br ady J M.SUSAN—a new appro ach tolow-lev el image processing[J].I nt ernational Jo ur nalof Computer Vision.1997,23(1):45-78.

［2］Songqing then.development of a Neural Network Based Software Package for the Automatic Recognition of License Plate Characters[J].A Thesis Presented to the Faculty of the College of Engineering and Technology Ohio University，1992，02.

［3］Kenneth R.Castleman.數(shù)字圖像處理[M].電子工業(yè)出版社，2011，03.

［4］Wilhelm Burger Mark J.Burge.數(shù)字圖像處理：Java 語言算法描述[M].清華大學(xué)出版社，2010，02.

［5］Zuniga O A,Har alick R M.Cor ner detection usingthe facet model[C]//Proceeding s o f the IEEE Conference on Computer Vision and Pat tern Recognition.Piscataw ay,USA:IEEE,1983:30-37.