車牌定位與車牌分割技術研究

鐘彩+楊興耀

摘要：對車牌定位與車牌分割技術進行了分析，認識到車牌自動識別系統(tǒng)的核心概念，總結車牌定位與車牌分割的技術形式，核心目的是通過車牌整合辦法的分析，進行車牌設計方案的合理確定，以便提高車牌定位及車牌分割技術運用的穩(wěn)定性。

關鍵詞：車牌定位；車牌分割；技術分析

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2018）02-0172-02

在人們生活水平逐漸提升的背景下，車輛的數量逐漸提升，而且城市與城市之間的車流量也逐漸增大，因此，在車輛交通管理的過程中，其管理技術的優(yōu)化逐漸成為人們關注的問題。伴隨著人工智能技術的逐漸進步，智慧城市的建設逐漸普及，在這種背景下，車牌定位技術與車牌分割技術的運用也就顯得十分重要。通過車牌定位的準確性及技術性分析，可以完善智慧性車輛管理的核心理念，從而為車牌定位技術的整合提供有效支持。

1 車牌自動識別系統(tǒng)的研究概述

對于車牌自動識別技術而言，主要是計算機視頻圖像識別技術在汽車牌照識別中的技術運用，在車牌識別技術使用的過程中，通過對技術形式的分析，可以將汽車牌照在復雜的環(huán)境背景中提取出來，并通過對車牌提取、圖像處理、特征分析以及車牌字符識別技術的運用，實現對汽車車牌號的識別。在我國車牌識別技術使用的過程中，其字母以及數字的分辨率可以達到96%，而且，漢字的識別率可以達到95%，因此，車牌識別技術在高速公路管理中得到了十分廣泛的運用，在電子收費（ETC）系統(tǒng)中，有效結合了這種技術形式，從而為車輛出行的安全性提供了有效支持。也有一些停車場管理中，采用了車牌識別技術，為車輛的停放提供了良好幫助。

2 車牌自動識別系統(tǒng)中的車牌定位技術

研究中可以發(fā)現，在以往車牌定位原理分析中，主要是在圖像處理基礎上，通過對人工設計方案的整合，進行圖像設計特征的體現，從而實現車牌的定位核算。在圖像數據獲取的過程中，由于容易受到光照、噪聲以及視角的影響，會使圖像數據產生一定的干擾因素，在特定的環(huán)境下，可以實現定位的準確性。研究中選擇了深度學習算法提取圖像的基本特征，以便通過深度計算發(fā)展的運用，提高對車牌定位技術的有效利用，明確圖像的判斷標準，從而為車牌自動識別系統(tǒng)的優(yōu)化整合提供有效支持[1]。

通過對車牌定位問題的總結分析，可以采用有效性的監(jiān)督整合及核算方法，以便通過對圖分割搜索算法的選擇，進行車牌候選區(qū)域的確定，并從中期初區(qū)域性的資源輸出環(huán)節(jié)，并將相關的資料輸入在網絡環(huán)境之中，防止數據不平衡影響網絡系統(tǒng)信息資源的整合。在網絡輸入過程中，需要將車輛圖像作為候選區(qū)域，并通過 Selective Search 算法實現數據的生成，并通過人工標記記性出牌區(qū)域的合理選擇，對于所選擇的區(qū)域需要明確輸入網絡，并利用卷積網絡有效提取圖像中車牌標記，從而實現對候選區(qū)域及正確區(qū)域圖像的合理劃分。通常狀況下，在連接層輸入車牌猴拳區(qū)域以及正確區(qū)域的圖像過程中，應該結合so ftmax進行網絡層的分類確定，并輸出車牌的背景，從而實現車牌的合理定位。

在網絡運行中，設定第l層為卷積層，第l+1層為池化層，則第l層第j個映射計算公式如（1），其中公式中的Mj表示輸入特征的映射集合，i是輸入的特征映射集中的特征性映射，b是輸出增加的加性偏置項，*卷積運算；k卷積核算。

在池化層數據整合中，所輸入的特征映射以及輸出的特征影響存在著相同之處，其基本的計算公式如（2）。公式中的dowm表示采樣函數、β為輸出增加的成性偏置，b是輸出增加的增加性偏置。

在so ftmax層中，當輸入全連接層的數據內容時，可以通過該系統(tǒng)形成構造概率，通常狀況下，so ftmax的函數定義如 （3）

通過對系統(tǒng)描模型以及計算公式的整合確定，可以有效提高車牌定位技術設計的準確性，并實現對車輛系統(tǒng)資源的有效管理。

3 車牌自動識別系統(tǒng)中的車牌分割技術

在車牌定位技術整合結束之后，需要對車牌進行分割技術的處理。在對車牌分割處理的過程中，需要對車牌的心態(tài)進行運算方法的確定，應該對車牌圖形進行腐蝕、膨脹、二值化等運算，從而達到對車牌缺口填補的目的，而且，可以有效消除突刺以及亮細節(jié)的效果。

第一，膨脹。填補圖像中的細縫為[A·B=Ux∈ABx]。

第二，腐蝕。在這種問題處理中，主要是為了消除突刺[2]。

第三，在開運算中，主要是為了達到先腐蝕后膨脹的目的。

第四，閉運中，應該進行膨脹后腐蝕的處理。

在這幾個過程處理中，應該通過對邊緣檢測辦法的整合，進行檢測方法的確定，并通過對圖像局部特征的整合，進行模板匹配方法的融合，從而實現對車牌圖像字符的合理分割。

通常狀況下，在車牌自動識別系統(tǒng)確定中，其基本的項目設計過程應該做到以下幾點內容：第一，通過對車牌設計方法的確定，需要進行車牌圖像中白色像素點的統(tǒng)計；第二，在對統(tǒng)計結果分析的同時，進行車牌圖像的字符劃分，從而實現對車牌背景區(qū)域的合理確定。第三，在區(qū)域符號計算中，需要進行背景區(qū)域寬度的確定。第四，通過模板匹配方法的確定，進行字符的劃分，從而實現對圖標系統(tǒng)的合理劃分[3]。

4 車牌定位、車牌分割的創(chuàng)新思路

4.1 系統(tǒng)體系的構建

在現階段車牌定位與車牌分割技術整合中，為了實現技術的穩(wěn)定創(chuàng)新，首先進行系統(tǒng)性、合理性的定位。全面完善道閘控制系統(tǒng)，并實現對對測量項目檢測、車輛牌照以及車牌定位方案的分析，實現對車牌號碼的識別及管理，以便促進車牌定位及分割技術的合理創(chuàng)新。

4.2 硬件平臺的設計

在系統(tǒng)設計中，采用了ARM的的系統(tǒng)設計形式，并通過對應用程序的開發(fā)及選擇，進行系統(tǒng)的合理設計[4]。

4.3 軟件系統(tǒng)的設計endprint

在車牌定位中，需要采用檢測圖形突變的方法，進行車牌邊緣的定位分析，并利用垂直及水平投影的方法，進行車牌區(qū)分，從而實現對車牌的精確區(qū)分。在軟件系統(tǒng)檢測中，基本的技術形式包括灰度化、二值化等形式，并通過對車牌尺寸、車牌符號等內容的分布，進行字符的分割及檢測，并完成車牌的有效識別。

4.4 系統(tǒng)的功能實現

首先，系統(tǒng)功能分析中通過V4L系統(tǒng)的使用，進行圖像的采集，其基本的流程如下：第一，打開視頻設備；第二，讀取設備信息；第三，更改當前的設備形式；第四，通過對視頻的采集進行設備數據的讀取及分析，然后通過對資源的共享及確定，進行圖像的實時性傳輸。第五，關閉視頻設備，在這種圖像資源采集的背景下，可以提高車牌定位技術使用的合理性[5]。

其次，在車牌定位系統(tǒng)整合中，在車牌定位系統(tǒng)使用中，需要采用車牌定位法進行核算，然后通過對車牌集合特征、灰度特征的分析，進行車牌的定位，也就是在車牌定位系統(tǒng)整合中，進行灰度特征及圖像二值化的確定，統(tǒng)計調點的次數，然后進行變電次數及車牌集合特征的定位，通常狀況下，車牌定位的創(chuàng)新技術中，應該做到以下幾點：第一，圖像灰度化確定后，應該增大中車牌區(qū)域字符以及背景差異化的確定；第二，水平邊緣檢測，通過對車牌區(qū)域符號的確定，豐富紋理，并通過對灰度分布均勻性的確定，排除大量非車牌區(qū)域；第三，圖像二值化。通常采用車牌局部閾值二值化的圖像整合，第四，精確定位。在車牌區(qū)域掃描中，需要進一步進行兩端的裁剪，實現對車牌的精確定定位[6]。

再次，字符分割。在字符分割中，應該通過對分割技術的有效分析，進行連通域字符分割、模塊匹配字符分割以及聚類分析技術的確定。在連通聚類分析算法中，不會受到車牌傾斜問題的影響，而且，環(huán)境因素適應性良好，具有較強的抗干擾能力，而且可以實現數據運算、分割車牌符號的合理選擇。

最后，車牌文字識別。在車牌文字識別的過程中，其內容與常規(guī)的文字識別技術相比，車牌文字識別存在著字符小、字符行船規(guī)范的特點，所以，通過對車牌文字識別技術的分析，其技術的可行性相對較高。通常狀況下，車牌中的文字分為三類，一種是漢字，有省、自治區(qū)、直轄市的簡稱；一種是26個大小寫字母；最后一種是10個阿拉伯數字。因此，在車牌識別中，需要通過對模板匹配技術的確定，進行模糊匹配、BP神經網絡化匹配技術的分析，實現對字母及數字準確率的核算，通過對這些系統(tǒng)的綜合性整合，進行車牌文字識別，從而提高車牌檢測的有效性。同時，在系統(tǒng)整合及確定中，為了提高系統(tǒng)的運行效率，需要進行車牌系統(tǒng)的功能性整合，通過對車輛偵測、圖像捕捉以及字符識別技術的確定，進行項目系統(tǒng)的設計，從而有效實現車牌整合系統(tǒng)中的資源共享，并在此基礎上促進車牌整合技術的穩(wěn)定創(chuàng)新，為現代車牌定位、車牌分割方法的優(yōu)化體供有效支持[7]。

5 結束語

總而言之，在現階段車輛車牌技術整合中，應該通過對相關技術內容的分析，進行圖像資源的收集及處理，以實現對車牌系統(tǒng)的合理處理。在車牌定位及車牌分割技術創(chuàng)新中，可以實現專業(yè)設計技術的合理運用，同時也可以完善項目設計的創(chuàng)新需求，提高車牌檢測的運行效率，提高車牌計算的規(guī)范性，從而充分滿足車牌處理技術的整合需求，促進車牌定位與車牌劃分的創(chuàng)新性。

參考文獻：

[1] 朱萬意，程曉榮，張鵬，等.圖像處理技術在車牌識別中的應用研究[J].信息與電腦：理論版，2017（16）：72-75.

[2] 馮宇平，安雪美，孔祥茂，等.基于視頻流的車牌識別研究及系統(tǒng)設計[J].工業(yè)儀表與自動化裝置，2017（01）：32-36+41.

[3] 呂昆，金晅宏.一種基于Open CV的車牌識別方法[J].軟件導刊，2016，15（11）：193-195.

[4] 牛博雅，黃琳琳，胡健.自然場景下的車牌檢測與識別算法[J].信號處理，2016，32（07）：787-794.

[5] 胡偉平，王日鳳.基于閾值分割和區(qū)域生長的車牌識別方法[J].廣西科學院學報，2016，32（01）：54-58.

[6] 謝明月.車牌識別算法的研究[J].信息與電腦：理論版，2014（09）：30-31.

[7] 王少偉，尚媛園，丁輝，王晨，等.一種改進的RGB Hough車牌校正定位算法[J].光學技術，2014，40（01）：35-39.endprint