車牌圖像識別的研究

王艷軍　賈帥龍　王亞龍　劉捷　邱天　錢芮

摘要：隨著城市化快速發(fā)展，機(jī)動(dòng)車輛的日益普及，隨之帶來了許多交通問題，車牌識別系統(tǒng)作為智能交通管理的一個(gè)重要組成部分，在高速公路收費(fèi)站和停車場等交通管理中起著重要作用。本文著重研究車牌圖像的處理，一個(gè)完整的車牌識別系統(tǒng)包括圖像預(yù)處理、車牌定位、字符分割、字符識別等部分，各部分相互獨(dú)立又緊密聯(lián)系。本文通過Matlab軟件實(shí)現(xiàn)識別過程，對系統(tǒng)進(jìn)行了驗(yàn)證。

關(guān)鍵詞：車牌識別系統(tǒng)；預(yù)處理；車牌定位；字符分割

中圖分類號：TP18 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2016）18-0175-03

1 研究背景及其現(xiàn)狀

從上世紀(jì)90年代開始，隨著計(jì)算機(jī)技術(shù)的發(fā)展，人們開始步入信息化時(shí)代自動(dòng)處理信息的能力日益受到重視。而機(jī)動(dòng)車作為快速行駛工具，其車牌的快速識別對于緩解現(xiàn)在交通擁堵的現(xiàn)象有著重要意義。車牌識別的技術(shù)可運(yùn)用于高速收費(fèi)站、道路情況監(jiān)督、智能停車場的管理等方面，因此對車牌的識別已在現(xiàn)代交通領(lǐng)域成為熱點(diǎn)問題。但由于車牌識別受到光線、磨損、污染物等因素的影響，目前世界上還未出現(xiàn)較為完善的處理技術(shù)。

從20世紀(jì)90年代開始，國外研究人員對車牌識別的研究已較為成熟，其中已有Hi-Tech公司的See/CarSystem系列、香港的VECON產(chǎn)品、加拿大的VLPS系統(tǒng)等都已較為成熟，但由于我國車牌沒有統(tǒng)一的標(biāo)準(zhǔn)，車牌顏色等的不同、車牌污染現(xiàn)象的存在、中英文混合使用現(xiàn)象、懸掛位置不同等現(xiàn)象的存在導(dǎo)致以上車牌識別系統(tǒng)無法準(zhǔn)確識別車牌。

車牌識別系統(tǒng)是以車牌作為識別對象的處理系統(tǒng)，包含了人工智能和圖像處理等多個(gè)領(lǐng)域。主要識別過程為：當(dāng)車輛檢測部分檢測到車輛到達(dá)時(shí)，觸發(fā)圖像采集單元，采集當(dāng)前的車牌視頻圖像并分離出效果好的圖片。車牌識別單元對采集到的進(jìn)行處理，定位出車牌的位置，然后將車牌中的字符分割出來進(jìn)行識別，最后將車牌輸出。

2 圖像預(yù)處理

在車牌識別系統(tǒng)中由于采集的硬件條件和實(shí)際采集環(huán)境的影響，采集到的圖像質(zhì)量不是很高，為了能使圖像快速識別出來，需要對采集的圖像預(yù)處理。通過預(yù)處理來對圖像數(shù)據(jù)進(jìn)行優(yōu)化，除去多余信息并加強(qiáng)圖像數(shù)據(jù)的基本特征，從而提高車牌特征的提取、匹配和識別的準(zhǔn)確性。

2.1圖像灰度化

通常，車牌圖像包含了車牌及背景的彩色圖片，彩色圖像由三基色組合，即紅色（R）、綠色（G）、藍(lán)色（B），稱為RGB圖像。彩色圖像包含了圖像的許多信息，但只要利用圖像的灰度信息處理，一方面可以提高系統(tǒng)的處理速度，另一方面對處理多種顏色的牌照進(jìn)行了統(tǒng)一，因此，在汽車牌照分割中，可以將彩色圖像轉(zhuǎn)化為灰度圖像，然后再對灰度圖像處理。

圖像灰度化的方法主要有整數(shù)方法、平均值法、最大值法和加權(quán)平均值法。

1）整數(shù)方法：

2）平均值法：

3）最大值法：

4）加權(quán)平均值法：

其中RW 、GW 、BW 分別為R、G、B的權(quán)值

本文通過“I=gb2gray（RGB）” 函數(shù)把車牌圖像變成灰度圖像，其原始圖像如圖1所示，灰度化圖像如圖2所示。

2.2圖像濾波

圖像濾波，是一種選頻裝置，為后續(xù)處理圖像提供可靠性。在復(fù)雜環(huán)境下獲取的車牌圖像往往會因?yàn)槭艿礁鞣N因素的干擾而包含噪聲，需要先進(jìn)行祛除噪聲的工作。最常用的方法是用濾波器進(jìn)行濾波處理。

Matlab的圖像處理工具箱設(shè)計(jì)了許多濾波器，均值濾波、中值濾波、維納濾波器等，在這里，我們通過均值濾波和中值濾波來討論圖像濾波方法。

2.2.1均值濾波

均值濾波采用了領(lǐng)域平均法，利用像素平均值來替換原來的像素值。其過程表示為：

均值濾波對去除均勻分布噪聲和高斯噪聲效果很好，但在降低噪聲的同時(shí)會使圖像模糊。

2.2.2中值濾波

中值濾波是一種非線性數(shù)字濾波技術(shù)，用于除去圖像信號中的噪聲。中值濾波先檢查輸入信號的采樣，然后判斷是否代表了信號，對觀察窗中的數(shù)值排序，把觀察窗中的中值輸出。

在MATLAB軟件中調(diào)用“I= fspecial（'average'，3）”函數(shù)進(jìn)行中值濾波，用均值濾波器是領(lǐng)域值平均，以達(dá)到平滑目的。其中[m n]為 m 行 n 列的濾波器，其處理后圖像如圖3所示。

2.3圖像邊緣檢測

圖像邊緣是結(jié)合字符邊緣和車身顏色準(zhǔn)確定位處于復(fù)雜情況中的車牌圖像。物體與背景之間、物體與物體之間易產(chǎn)生邊緣[2]。車牌中主要包含數(shù)字，字母，和漢字，他們之間呈水平排列。利用這一特征，我們可以將預(yù)處理的車牌圖像垂直邊緣檢測，統(tǒng)計(jì)相關(guān)的數(shù)據(jù)信息，得到車牌圖像的大概區(qū)域。

通過 MATLAB 軟件中“BW= edge（I，roberts'，thresh，direction）”函數(shù)進(jìn)行 Roberts 算子邊緣檢測。用圖像對角線方向的兩相鄰像素為梯度，檢測垂直方向、水平方向邊緣性能好的邊緣。利用局部差分子算子查找邊緣，邊緣的定位精度比較高。車牌區(qū)域的邊緣被檢測出，達(dá)到邊緣檢測的目的。其圖像如圖4所示。

3 車牌定位

車牌定位主要是對車牌圖像區(qū)域的定位和分割，在實(shí)際車牌識別系統(tǒng)中，只有車牌區(qū)域中的字符具有意義，其他的信息均為無用信息。只有將車牌區(qū)域準(zhǔn)確定位并分離出來，才能準(zhǔn)確識別車牌。在預(yù)處理后的灰度圖像中準(zhǔn)確確定車牌區(qū)域的具體位置是車牌定位的主要目的。

目前較成熟的車牌定位方法有以下幾種：

3.1 基于顏色的車牌定位方法

首先，根據(jù)車牌特有的顏色特征，將拍攝的圖像轉(zhuǎn)換為HIS圖像，然后對HIS圖像進(jìn)行彩色分割，最后得到準(zhǔn)確定位的車牌，該方法定位較為準(zhǔn)確，但由于受外在光線影響嚴(yán)重，容易和車身背景的相似顏色相混淆，應(yīng)用效果并不將理想。 因此，采用字符邊緣和顏色定位相結(jié)合的方法，對車牌的定位分割更為準(zhǔn)確。

3.2 基于邊緣檢測的車牌定位方法

此方法利用車牌字符存在明顯的邊緣信息，車牌區(qū)域由連續(xù)直線所形成的矩形邊框等特征信息而提出[3]。車牌定位包括三個(gè)步驟：

1）對圖像進(jìn)行邊預(yù)處理，然后進(jìn)行邊緣檢測；

2）提取垂直檢測，選中處理后的彩色候選區(qū)；

3）對處理的圖像進(jìn)行彩色特征檢測；

4）根據(jù)彩色候選區(qū)與車牌進(jìn)行比較，最終確定正確的車牌。

3.3 基于神經(jīng)網(wǎng)絡(luò)的車牌定位方法

1）首先對車牌字符進(jìn)行特征提取，利用提取的特征訓(xùn)練神經(jīng)網(wǎng)絡(luò)；

2）神經(jīng)網(wǎng)絡(luò)在處理復(fù)雜的車牌環(huán)境具有很明顯的優(yōu)勢，處理信息比較大，具有容錯(cuò)，自適應(yīng)能力強(qiáng)等優(yōu)點(diǎn)。我們首先對字符預(yù)處理、圖像壓縮、特征編碼等信息處理，然后通過神經(jīng)網(wǎng)絡(luò)進(jìn)行識別。

這里我們通過MATLAB軟件對圖像進(jìn)行腐蝕，閉運(yùn)算，來確定車牌區(qū)域。腐蝕圖像如圖5所示，閉運(yùn)算圖像如圖6所示。

4 字符分割

我們?nèi)粘Ｒ姷降能嚺谱址g隔較大，不能進(jìn)行直接識別，需要將字符分割為獨(dú)立的字符，然后進(jìn)行識別。

汽車牌照圖字符分割算法存在許多難點(diǎn)：

1）在大部分實(shí)際應(yīng)用中都要求算法速度快，從而能夠?qū)崟r(shí)地對車輛進(jìn)行識別以及時(shí)地反饋車牌信息，對信息做進(jìn)一步處理，所以算法執(zhí)行效率必須很好以滿足實(shí)時(shí)化的要求。

2）有些車輛車牌存在嚴(yán)重的干擾（如褪色，污損），車牌周圍有各種裝飾物等。

3）車牌本身信息較為復(fù)雜，既有漢字也有英文字母與數(shù)字。

字符分割方法：

1）首先對提取好的汽車牌照灰度圖像進(jìn)行二值化，圖像在二值化后所要處理的數(shù)據(jù)量大大減少，本算法采用全局闕值法[4]，在MATLAT中采用im2bw函數(shù)實(shí)現(xiàn)[5]，待處理圖像及其二值化效果，其圖像如圖7所示

2）在車牌二值化后，對各個(gè)字符進(jìn)行分割以便進(jìn)一步對其進(jìn)行識別。

5 車牌圖像處理的應(yīng)用

利用車牌圖像處理能夠快速地識別車輛信息，提高車輛管理效率。在此基礎(chǔ)上，我們還可以將車輛信息錄入數(shù)據(jù)庫，設(shè)計(jì)一款能能夠與停車場管理系統(tǒng)相匹配的客戶端如手機(jī)APP，利用圖像處理后識別出來的信息實(shí)現(xiàn)停車場車位的預(yù)約、門禁的識別功能。

1）車位預(yù)約

當(dāng)用戶需要在某區(qū)域進(jìn)行停車時(shí)，在到達(dá)前進(jìn)行車位預(yù)訂?？梢岳谩巴＼囍帧痹谙鄳?yīng)區(qū)域進(jìn)行搜索，數(shù)據(jù)庫提供該區(qū)域停車位信息。“停車助手”支持用戶根據(jù)車位的直線距離、停車價(jià)格、停車場評價(jià)進(jìn)行車位的篩選排序。

當(dāng)用戶選定好停車位后進(jìn)行車位的預(yù)定，如果用戶有汽車服務(wù)的需求也可以在開通汽車服務(wù)的停車場進(jìn)行服務(wù)的預(yù)約，“停車助手”把用戶的預(yù)約信息反饋給停車場，停車場進(jìn)行信息記錄，把車位號反饋給用戶，為用戶預(yù)留車位30分鐘，并對汽車服務(wù)進(jìn)行事先的準(zhǔn)備工作。

2）門禁識別

當(dāng)用戶車輛到達(dá)停車場后，用戶APP與停車場系統(tǒng)直連，無需停車登記。利用圖像識別快速識別出車輛車牌號信息，與預(yù)約信息進(jìn)行核對，核對無誤后，放行車輛并記錄該車輛進(jìn)入停車場的時(shí)間。

當(dāng)用戶要離開時(shí)，可以有兩種停車付費(fèi)方式，一時(shí)用戶自己在APP上填寫離開時(shí)間之后直接繳費(fèi)，在車輛行駛到門禁時(shí)，利用圖像處理技術(shù)識別出車輛信息并與數(shù)據(jù)庫中的車輛繳費(fèi)信息進(jìn)行比對，已繳費(fèi)的放行。二是用戶并未提前繳費(fèi)，當(dāng)車輛行駛到門禁時(shí)，識別出該車輛信息，與數(shù)據(jù)庫比對后生成客戶端訂單，并有用戶確定之后自行扣費(fèi)放行。

參考文獻(xiàn)：

[1] 邱志祺，孫鐵強(qiáng).一種提高圖像中值濾波效果的改進(jìn)算法[J]. 信息技術(shù)推廣，2014，22（53）：137-138.

[2] 梁娟.一種基于Sobel圖像邊緣檢測的改進(jìn)算法[J].軟件導(dǎo)刊，2014，13（12）：80-82.

[3] 廉寧，徐艷蕾.基于數(shù)學(xué)形態(tài)學(xué)和顏色特征的 車牌定位方法[J].圖形圖象學(xué)報(bào)，2014，35（5）.

[4] 劉廣起，嚴(yán)殊，張曉波.基于 MATLAB 的車牌識別系統(tǒng)的研究[J].通信世界.2015（24）：315-316.

[5] 李瑩，秦麗娟，王慧科，等.采用特征點(diǎn)提取算法的車牌傾斜校正方法研究[J].沈陽理工大學(xué)學(xué)報(bào)，2014，33（6）：2-6.