車牌自動(dòng)識(shí)別算法及基于LabVIEW的設(shè)計(jì)實(shí)現(xiàn)

凌家良，黃進(jìn)江，林洪輝，黃蔭權(quán)

（惠州學(xué)院 電子科學(xué)系，廣東 惠州 516015）

本文基于LabVIEW設(shè)計(jì)一個(gè)車牌自動(dòng)識(shí)別系統(tǒng)，當(dāng)車輛進(jìn)入牌照區(qū)域時(shí)，紅外傳感器檢測(cè)到通過車輛的信號(hào)，串口發(fā)送牌照指令，PC控制攝像頭獲取照片并保存；在LabVIEW平臺(tái)上，利用IMAQ Vision強(qiáng)大的圖像處理功能，進(jìn)行圖像預(yù)處理、車輛定位處理、字符分割處理、字符識(shí)別處理，最終得到通過車輛的牌照號(hào)碼。

1 車牌自動(dòng)識(shí)別

1.1 灰度化

通過攝像頭采集的車牌原始圖像都是彩色圖像。彩色圖像占用的存儲(chǔ)空間比較大，對(duì)其進(jìn)行處理時(shí)會(huì)降低系統(tǒng)的執(zhí)行速度?；叶葓D只含亮度信息，并量化為256?；叶葓D進(jìn)行算法處理相對(duì)簡單，處理速度會(huì)快很多，因此常常將彩色圖像進(jìn)行灰度處理后再做下一步的算法分析。進(jìn)行灰度轉(zhuǎn)換如下式［1］：

其中R、G、B為紅綠藍(lán)三基色，灰度化后如圖1-1所示。

圖1 -1原圖及灰度化后

1.2 快速收斂的類間方差Otus算法實(shí)現(xiàn)二值化

為了突出車牌圖像特征，便于進(jìn)行車牌識(shí)別，需要把車牌圖像二值化。圖像的二值化一般在圖像灰度操作之后進(jìn)行，通過搜索產(chǎn)生0和1間的躍變位置，快速準(zhǔn)確地提取目標(biāo)區(qū)域邊界像素點(diǎn)，從而得到僅有0和1兩個(gè)灰度值的黑白圖像［2］。二值化是圖像處理中的重要問題，圖像理解與識(shí)別都依賴于圖像二值化的指令，因此找到最優(yōu)的閾值（Thresold）是關(guān)鍵［3］。

令T為分割的閾值，gt和gb分別表示目標(biāo)和背景的中心灰度，g為整幅圖像的中心灰度，ρ1、ρ2分別為小于和大于T的像素所占總像素的比例。

方差σ2越大，說明構(gòu)成圖像的兩部分（目標(biāo)和背景）差別越大，錯(cuò)分概率越小。假定灰度級(jí)為連續(xù)的概率密度函數(shù)p(x)，則

使方差σ2最大時(shí)的T值即為最佳閾值，一般對(duì)0-255內(nèi)所有像素點(diǎn)進(jìn)行迭代求得，計(jì)算量較大。一種較快速收斂的算法是令T0取0-255的中值128，

當(dāng)Tn+1=Tn時(shí)即可得到最佳閾值，而且迭代的次數(shù)只要幾十次。

1.3 濾波

圖像在拍攝或者傳輸過程中總會(huì)添加一些噪聲，這樣就影響了圖像的質(zhì)量。圖像去噪常用的辦法由平滑和銳化兩種情況。平滑即在頻域使用低通濾波器處理，在時(shí)域內(nèi)一般用時(shí)域平均的辦法，其目的是為了減少噪聲。平滑濾波在去除噪聲的同時(shí)，也會(huì)使圖像中的一些細(xì)節(jié)變得模糊。銳化即在頻域使用高通濾波器處理，其目的是為了使邊緣和輪廓模糊的圖像變得清晰。如圖1-2所示分別為平滑處理和銳化處理后的效果。

圖1 -2平滑、銳化處理后效果

1.4 模板匹配

根據(jù)閾值，圖像被分割成互不交疊的區(qū)域，要進(jìn)行號(hào)碼的識(shí)別還需要提取他們的特征參數(shù)進(jìn)行特征模板匹配［4-5］。特征模板是根據(jù)號(hào)碼中會(huì)出現(xiàn)的字符事先采集到軟件中成為字符庫的，每個(gè)數(shù)字或字母都會(huì)有一個(gè)模板，通過軟件的訓(xùn)練功能，計(jì)算機(jī)的識(shí)別率會(huì)不斷提高，最終達(dá)到滿意的效果。

為了從圖像中提取出字符，可以使用閾值分割的方法。閾值處理是一種區(qū)域分割技術(shù)，依靠閾值范圍分割目標(biāo)圖像和背景圖像。IMAQ Vision提供了5種自動(dòng)閾值技術(shù)，本設(shè)計(jì)選用自動(dòng)閾值方法。

在進(jìn)行字符識(shí)別前，需要對(duì)要識(shí)別的字符進(jìn)行訓(xùn)練，做一個(gè)標(biāo)準(zhǔn)的字符集。字符訓(xùn)練的目的是使隨后的讀程序能識(shí)別其它圖像中的相同字符［6］。在本系統(tǒng)中，使用OCR Training Interface完成字符的訓(xùn)練，訓(xùn)練字符庫如圖1-3所示。

圖1 -3字符庫

在訓(xùn)練字符時(shí)，通過相應(yīng)的閾值分割、指定的感興趣區(qū)域和調(diào)節(jié)字符間距等操作，完成單個(gè)字符的分割，糾正不正確的字符。制作字符集后，用OCR函數(shù)創(chuàng)建的機(jī)器視覺程序來讀字符，如圖1-4所示。

圖1 -4 OCR字符庫訓(xùn)練

2 車牌自動(dòng)識(shí)別的LabVIEW程序設(shè)計(jì)

在人機(jī)界面中，用戶可以查看歷史車輛停車記錄、通過車牌號(hào)碼查找歷史停車記錄，當(dāng)攝像頭識(shí)別不正確或者失敗時(shí)，可以采用手工錄入車牌號(hào)碼并登記到數(shù)據(jù)庫，用戶也可以查看識(shí)別結(jié)果校對(duì)識(shí)別是否正確，同時(shí)，在界面中可以方便地了解停車位的占用情況及剩余車位數(shù)。系統(tǒng)界面如圖2-1所示。

圖2 -1系統(tǒng)界面

LabVIEW環(huán)境下的圖像識(shí)別過程一般分為三個(gè)步驟：圖像預(yù)處理、車牌定位與抽取、字符分割與識(shí)別［7］。程序的前面板如圖2-2所示

圖2 -2車牌字符識(shí)別的LabVIEW程序框圖

3 實(shí)驗(yàn)結(jié)果和分析

實(shí)驗(yàn)結(jié)果表明，車牌識(shí)別系統(tǒng)的正確識(shí)別率為85%左右，如果能采用分辨高的攝像頭系統(tǒng)識(shí)別的正確率將會(huì)更高，該系統(tǒng)具有一定的應(yīng)用價(jià)值。然而，在車牌識(shí)別系統(tǒng)的實(shí)際應(yīng)用中，由于我國車牌特征的多樣性（有藍(lán)標(biāo)、黃標(biāo)、軍用、港澳車牌等）、模糊車牌、掉色車牌等問題，從而大大的增加了車牌識(shí)別系統(tǒng)的難度，造成車牌識(shí)別系統(tǒng)在對(duì)這類車牌進(jìn)行識(shí)別時(shí)正確率不是很高，還有待進(jìn)一步的改進(jìn)。

［1］張學(xué)海.車牌字符分割方法研究與實(shí)現(xiàn)［D］.成都:西南交通大學(xué)，2010:45-47.

［2］李彬.嵌入式車牌識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)［D］.西安：西安工業(yè)大學(xué)，2013:30-31.

［3］寧彬.圖像處理技術(shù)在機(jī)動(dòng)車車牌自動(dòng)識(shí)別技術(shù)中的應(yīng)用［J］.科學(xué)技術(shù)與工程，2013（2）.

［4］劉同焰.車牌識(shí)別系統(tǒng)的相關(guān)算法研究與實(shí)現(xiàn)［D］.廣州:華南理工大學(xué)，2012.

［5］查志強(qiáng).復(fù)雜背景下的快速車牌識(shí)別技術(shù)研究［D］.南京:南京理工大學(xué)，2013.

［6］鄧紅耀，管庶安，宋秀麗.投影和模板匹配相結(jié)合分割車牌字符［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2008，29（6）.

［7］劉春英，吳德華.基于LabVIEW的車牌圖像識(shí)別技術(shù)研究與應(yīng)用［J］.廊坊師范學(xué)院學(xué)報(bào):自然科學(xué)版，2010（2）.