一種基于序列圖像的車牌自動(dòng)識別技術(shù)探討

劉倩蘭

(湖南科技學(xué)院，湖南永州425100)

一種基于序列圖像的車牌自動(dòng)識別技術(shù)探討

劉倩蘭

(湖南科技學(xué)院，湖南永州425100)

基于序列圖像的車牌自動(dòng)識別技術(shù)，提高了圖像的分辨率，能夠在霧霾、陰雨等惡劣天氣中識別運(yùn)動(dòng)中的車牌?；诖?，闡述車牌自動(dòng)識別技術(shù)中傳統(tǒng)的圖像采集方式、重建超分辨率的方法，深入分析基于序列圖像的車牌定位技術(shù)與車牌字符識別技術(shù)，促進(jìn)序列圖像技術(shù)在車牌自動(dòng)識別系統(tǒng)中的應(yīng)用。

序列圖像；車牌；自動(dòng)識別

車牌自動(dòng)識別技術(shù)對于保障交通的安全、秩序具有重要的意義，傳統(tǒng)的車牌識別技術(shù)會受到環(huán)境、照明、分辨率的影響，識別效果不佳。目前，我國對于序列圖像的研究已經(jīng)有了更大的成就，如果將其應(yīng)用在車牌自動(dòng)識別技術(shù)中，需要重建車牌的分辨率，處理車牌運(yùn)動(dòng)而形成的模糊問題。

1 傳重建超分辨率序列圖像

1.1 傳統(tǒng)圖像采集方式

采集圖像是數(shù)字處理的基本內(nèi)容，圖像采集的質(zhì)量直接影響后期處理的效果?；パa(bǔ)金屬氧化物半導(dǎo)體、電耦合元件是目前常見的圖像傳感器，二者相比，電耦合元件在有經(jīng)驗(yàn)的生產(chǎn)廠商中，也很難提高設(shè)備的成品率，因此其生產(chǎn)升本比互補(bǔ)金屬氧化物半導(dǎo)體低。隨著智能交通的發(fā)展，為了降低交通部門的成本支出，大部分會采用電耦合元件作為圖像傳感器。電耦合元件傳感器具有高速攝像、紫外攝像、紅外攝像與行列掃描的優(yōu)點(diǎn)，但是發(fā)熱快、功耗高。圖像傳感器在采集車牌圖像時(shí)，會產(chǎn)生各類的噪音影響著外界的環(huán)境，而外界環(huán)境同樣影響著圖像傳感器采集圖像的質(zhì)量。在霧霾、陰雨等天氣中，就會降低圖像的分辨率，影響交通部門的工作質(zhì)量，因此如何提高圖像采集的分辨率，是智能交通系統(tǒng)的重要工作內(nèi)容。

1.2 重建超分辨率方法

重建超分辨率的方法有三種：第一、基于插值計(jì)算，在各種重建超分辨率的計(jì)算方法中，該方式的難度最低，其中包括雙立方插值、雙線性插值、最鄰近插值等重建方法。上述的方法在計(jì)算的過程中需要以一系列的條件為基礎(chǔ)，這樣的做法能夠延續(xù)原圖像的連續(xù)性；第二、基于學(xué)習(xí)計(jì)算，該種方式在計(jì)算時(shí)需要建立兩個(gè)樣本庫：低分辨率樣本庫、高分辨考慮樣本庫，學(xué)習(xí)計(jì)算法主要是建立兩個(gè)樣本庫之間的聯(lián)系，使輸入的低分辨率的圖像能夠自動(dòng)形成高分辨率的圖像符號，但是要想實(shí)現(xiàn)該項(xiàng)技術(shù)，需要建立完整的圖像字符庫；第三、基于建模計(jì)算，通過先進(jìn)的計(jì)算機(jī)技術(shù)，模擬交通現(xiàn)場的景象，建立圖像采集的模型，依據(jù)低分辨率的原理采集車牌圖像，從而提高圖像的分辨率，保障交通部門能夠順利的工作[1]。

2 基于序列圖像的車牌自動(dòng)識別技術(shù)

2.1 建立色彩模型

通常情況下，需要使用一組數(shù)字代表具體的色彩，如RGB模型就是通過三個(gè)數(shù)值建立三維坐標(biāo)，從而確定色彩的基本點(diǎn)。建立色彩模型的意義就是能夠在不同的環(huán)境中采集車牌的信息。

1)RGB色彩模型。由于該模型具有發(fā)光的特點(diǎn)，因此可以將其應(yīng)用在識別系統(tǒng)的顯示設(shè)備中。在實(shí)際應(yīng)用中，RGB模型的顏色在圖像采集設(shè)備、成像設(shè)備兩個(gè)系統(tǒng)中存在差異，形成色差，甚至在同一設(shè)備中，由于使用周期長短的差異也會影響顏色的呈現(xiàn)效果。根據(jù)RGB色彩空間可以發(fā)現(xiàn)，純黑色位于坐標(biāo)的原點(diǎn)，而白色在距離黑色最遠(yuǎn)的位置，用灰度連接黑色與白色。將同樣的圖像在不同的設(shè)備中呈現(xiàn)出來，會得到不同的色彩效果，因此建立RGB模型時(shí)需要結(jié)合圖像傳感器與成像設(shè)備的色彩分辨率，保障圖像以最真實(shí)的狀態(tài)呈現(xiàn)在工作人員面前。

2)CMYK模型。與RGB圖像相比，CMYK主要是利用了反光的原理，只有接受到外界的光線使，人們才能發(fā)現(xiàn)對應(yīng)色彩。對于RGB色彩而言，偏白色代表實(shí)際的發(fā)光度，而對于CMYK色彩而言，偏白色會降低印刷油墨的含量。單從色調(diào)的角度出發(fā)，RGB的色域比CMYK的色域廣，使得CMYK在轉(zhuǎn)換成RGB使會發(fā)生失真的現(xiàn)象，破壞車牌的顏色信息，甚至無法對車牌的區(qū)域進(jìn)行定位，影響自動(dòng)識別系統(tǒng)的質(zhì)量。

3)HSV模型。這種模式依據(jù)顏色的直觀特性創(chuàng)造出來的，與RGB色彩圖像相比，能夠更加直觀地顯示車牌色彩的屬性。如果將RGB色彩模型轉(zhuǎn)換成HSV時(shí)，將R、G、B假定為圖像的紅、綠、藍(lán)坐標(biāo)，每個(gè)數(shù)值都在0～1之間，然后將H、S、V用模型中的數(shù)值表示，實(shí)現(xiàn)二者之間的轉(zhuǎn)換。

2.2 車牌自動(dòng)定位

序列圖像重建分辨率是實(shí)現(xiàn)車牌定位的前提，更是車牌自動(dòng)識別技術(shù)的關(guān)鍵步驟。實(shí)現(xiàn)車牌自動(dòng)定位的技術(shù)主要有兩個(gè)方面，下面具體介紹。

第一種，灰度圖像定位技術(shù)：1)根據(jù)車牌自身的紋理特征進(jìn)行定位。實(shí)驗(yàn)信息的閾值，可以根據(jù)車牌的灰度變化來確定，然后統(tǒng)計(jì)灰度變化的頻次，并與設(shè)定的閾值進(jìn)行比較，確定車牌的具體位置。這種方式操作簡單，應(yīng)用廣泛，在車牌與背景之間有相對明顯的灰度差時(shí)可以準(zhǔn)確的識別車牌的位置。2)形態(tài)學(xué)車牌定位法，這種定位方式歷史悠久，主要是根據(jù)數(shù)學(xué)形態(tài)的運(yùn)算方式，將車牌中的腐蝕與噪音去掉。但是在腐蝕運(yùn)算的過程中，會導(dǎo)致圖像的噪音變形，影響自動(dòng)識別系統(tǒng)的效果。3)邊緣檢測定位法。使用這種方式時(shí)，其步驟為降噪、采集車牌亮度、邊緣跟蹤。其中降噪就是通過卷積方式，處理高斯平滑模型與原始數(shù)據(jù)；采集車牌亮度即使用對角線、垂直線以及水平線的檢測，確定車牌的邊緣；邊緣跟蹤就是利用滯后閾值檢測車牌的信息。4)網(wǎng)絡(luò)擁塞控制。這種算法就是將每一個(gè)像素點(diǎn)進(jìn)行改進(jìn)，使用自動(dòng)滑動(dòng)窗口確定車牌的區(qū)域。重建超分辨率之后，能夠提高定位識別的速度，但是在識別不確定時(shí)，會自動(dòng)降低識別的速度。5)神經(jīng)網(wǎng)絡(luò)訓(xùn)練定位。這種方法采用了識別車牌字符的技術(shù)，選擇某一車牌的位置作為樣本，提取車牌的主要特征，進(jìn)行神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，從而得到一個(gè)敏感的識別系統(tǒng)。接下來，使用單張圖像進(jìn)行車牌定位，因此能夠在復(fù)雜的環(huán)境中準(zhǔn)確的識別車牌。但是在實(shí)際運(yùn)用的過程中，無法用恰當(dāng)?shù)奶卣鲗嚺频膱D像進(jìn)行表述，因此其應(yīng)用范圍較小[2]。

第二種，色彩圖像定位技術(shù)。在車牌自動(dòng)識別技術(shù)中，色彩圖像定位技術(shù)有兩種方式。1)以圖像的邊緣信息為基礎(chǔ)，對車牌進(jìn)行定位，然后使用色彩檢測對比車牌圖像的邊緣信息，結(jié)合邊緣的實(shí)際特點(diǎn)實(shí)現(xiàn)車牌的定位。2)在RGB模型的基礎(chǔ)上，建立HSV色彩模型，操作車牌的色彩空間，測算模型之間的像素程度與色彩距離，從而識別車牌的具體位置。

2.3 自動(dòng)識別字符

第一，字符的特征：字符的特征是其區(qū)別于其他字符的主要描述方式，一般滿足以下幾點(diǎn)要求：1)字符特征的選取不受環(huán)境影響；2)字符特征應(yīng)具備唯一性和獨(dú)立性，在描述不同字符時(shí)，不能出現(xiàn)相近或相似的情況；3)字符特征要盡可能對該字符信息作出描述；4)字符特征的識別方法不能過于復(fù)雜，從而節(jié)省計(jì)算時(shí)間，保證字符識別的可操作性?；谏鲜鲆?，字符特征一般采用下述方法進(jìn)行表述：1)在采集模板圖像中進(jìn)行提取，優(yōu)點(diǎn)是特征提取快捷，缺點(diǎn)是自然噪音影響較大，有時(shí)不能體現(xiàn)實(shí)際圖像特征；2)利用圖形變換系數(shù)對其進(jìn)行表述，主要采用傅里葉變換方法、K-L變換方法的等；3)從幾何拓?fù)涮卣髦羞M(jìn)行提取，主要依據(jù)字符的投影信息、交叉點(diǎn)信息和空洞信息等，雖然識別效果較好，但提取過程較為繁瑣；4)從紋理特征和邊緣信息中進(jìn)行提取，具體方法包括垂直信息統(tǒng)計(jì)、像素提取和骨架信息提取等[3]。

第二，車牌字符識別技術(shù)，主要分為以下三種：1)模板匹配識別技術(shù)，采用匹配算法，首先對車牌的待測字符進(jìn)行提取，然后與模板中的字符特征進(jìn)行匹配，以兩者的相似度為判斷依據(jù)，當(dāng)相似度最大時(shí)，與待測字符相對應(yīng)的模板字符即為輸出字符，通過這種方式完成車牌字符識別。采用該方法對車牌字符進(jìn)行識別，需要建立字符的模板，統(tǒng)一設(shè)置像素大小。在處理過程中，對待測字符也進(jìn)行統(tǒng)一的像素處理，使其與模板字符大小保持一直。該方法的特點(diǎn)是識別速度快，但是總體效率較低，容易受外界因素干擾；2)特征統(tǒng)計(jì)識別技術(shù)，該方法以車牌字符的結(jié)構(gòu)特征和筆畫等特點(diǎn)作為識別依據(jù)，統(tǒng)計(jì)其在同類字符中具有共性的穩(wěn)定特征。具體包括字符位置以及寫法等。在識別過程中，需要對待測字符進(jìn)行傅里葉變換，得到的系數(shù)即為統(tǒng)計(jì)特征，但統(tǒng)計(jì)特征在某些條件下也會發(fā)生變化，此時(shí)特征統(tǒng)計(jì)識別技術(shù)將無法正常發(fā)揮作用；3)神經(jīng)網(wǎng)絡(luò)識別技術(shù)，該技術(shù)受生物神經(jīng)網(wǎng)絡(luò)運(yùn)作功能的啟發(fā)，通過樣本字符的學(xué)習(xí)過程對其特征進(jìn)行記憶，并以此為依據(jù)，對待測字符進(jìn)行識別。采用該識別方法可以得到最優(yōu)化的模板字符輸出結(jié)果，但是也容易出現(xiàn)局部最優(yōu)問題，影響識別結(jié)果。因此，在識別過程中要注意模板字符和字符特征的選擇。

3 結(jié)束語

綜上所述，本文主要研究了基于序列圖像的車牌自動(dòng)識別技術(shù)。通過序列圖像重建超分辨率，提高了車牌定位的準(zhǔn)確性以及車牌圖像的分辨率，使車牌自動(dòng)識別系統(tǒng)能夠在惡劣的環(huán)境中準(zhǔn)確的識別車牌信息，輔助交通部門管理交通秩序。因此，在未來的發(fā)展中，可以加強(qiáng)序列圖像在車牌自動(dòng)識別技術(shù)中的應(yīng)用，并及時(shí)進(jìn)行技術(shù)的革新，保障車牌自動(dòng)識別技術(shù)符合技術(shù)的發(fā)展以及社會的要求。

[1]張奇.結(jié)合序列圖像超分辨率重建的車牌識別技術(shù)[D].內(nèi)蒙古科技大學(xué),2015.

[2]葛笑飛.基于Open CV的車牌自動(dòng)識別系統(tǒng)的研究與實(shí)現(xiàn)[D].東南大學(xué),2015.

[3]李達(dá).基于卷積神經(jīng)網(wǎng)絡(luò)的車牌識別技術(shù)研究[D].湘潭大學(xué),2016.

TP311

A

1009-3044(2017)21-0179-02

2017-06-12

劉倩蘭(1988—)，男，湖南永州人，助教，碩士，主要研究方向?yàn)榍度胧较到y(tǒng)開發(fā)、圖像處理。