道路視頻監(jiān)控中的車牌自動(dòng)識(shí)別算法分析

黃衛(wèi)

摘要

為了獲取車輛違章信息，引入視頻監(jiān)控技術(shù)，采用車牌自動(dòng)識(shí)別算法，構(gòu)建一套視頻交通檢測(cè)監(jiān)控系統(tǒng)，該系統(tǒng)采集到的信息將作為交通事故處理的主要依據(jù)。本文主要對(duì)車牌自動(dòng)識(shí)別算法進(jìn)行詳細(xì)分析，包括字符識(shí)別算法、字符分割算法、牌照區(qū)域分割算法。

【關(guān)鍵詞】車牌識(shí)別 視頻監(jiān)控 二值化

隨著科學(xué)技術(shù)的快速發(fā)展，智能交通逐漸融入到人們的日常生活中，其中優(yōu)勢(shì)比較大的是視頻交通信息檢測(cè)，主要應(yīng)用技術(shù)為車牌識(shí)別技術(shù)。一般情況下，車牌識(shí)別算法由三個(gè)模塊構(gòu)成，分別是字符識(shí)別、字符分割、牌照區(qū)域分割。其中，后兩部分是從車頭圖像當(dāng)中提取車牌相關(guān)信息，作為字符識(shí)別的主要依據(jù)。

1 視頻交通檢測(cè)監(jiān)控系統(tǒng)的結(jié)構(gòu)與工作流程

該系統(tǒng)硬件由4部分構(gòu)成，分別是監(jiān)控服務(wù)器、通信網(wǎng)、視頻檢測(cè)器、圖像采集設(shè)備。如圖1所示為視頻交通檢測(cè)監(jiān)控系統(tǒng)結(jié)構(gòu)圖。

本系統(tǒng)使用大區(qū)域攝像機(jī)抓拍車頭近景圖像，并依據(jù)道路全景圖像，對(duì)車輛違章事件進(jìn)行檢測(cè)，包括違章停車、逆行、超度、闖紅燈。一但發(fā)現(xiàn)違章事件，視頻檢測(cè)卡會(huì)自動(dòng)發(fā)出抓拍控制信號(hào)，獲取違章車頭圖像。

本系統(tǒng)抓拍車輛圖片經(jīng)過工控機(jī)壓縮以后傳送至監(jiān)控端，并在該端對(duì)圖像進(jìn)行解壓與識(shí)別牌照?qǐng)D像處理，車輛違章現(xiàn)場(chǎng)圖像、車輛信息圖像將一同傳送至交通管理中心，作為違章處罰的主要依據(jù)。

2 車牌自動(dòng)識(shí)別算法

2.1 牌照區(qū)域分割算法

區(qū)域分割的目標(biāo)是將牌照?qǐng)D像從車頭圖像當(dāng)中提取出來。首先，選取合適的sobel算子，要求算子具有較好的噪聲抑制特性，實(shí)施邊緣檢測(cè)，同時(shí)將梯度算子響應(yīng)方向與強(qiáng)度均相似的點(diǎn)連接起來，形成一個(gè)車輛圖像邊緣圖，依據(jù)車牌區(qū)域特性，對(duì)邊緣圖紋理進(jìn)行掃描，從而實(shí)現(xiàn)牌照區(qū)域的粗定位。

完成定位操作以后，牌照?qǐng)D像很有可能產(chǎn)生有垂直拉伸、水平拉伸的現(xiàn)象，本文采用改進(jìn)后的hough變換對(duì)幾何失真進(jìn)行矯正。

以下為hough變換矯正算法的改進(jìn)與編程圖像采集實(shí)現(xiàn)：

雖然該算法對(duì)車牌邊緣上的造成影響、柳釘影響都不是很敏感，但是運(yùn)算量非常大，在實(shí)際求解過程當(dāng)中，必須控制好傾角的范圍，不得超出[-20°，20°]。為了提高效率、減少系統(tǒng)內(nèi)存空間需求，本文對(duì)該算法做出的改進(jìn)如下：使用二分法降低計(jì)算量，將量化精度分成兩級(jí)，其中一級(jí)的精度范圍控制在[-1°，1°]，經(jīng)過計(jì)算得到α值的范圍是[-20°，20°]，需要計(jì)算41次；另外一級(jí)的精度范圍控制在[-O.1°，O.1°]，經(jīng)過計(jì)算得到α值的范圍是[-1°，1°]，需要計(jì)算21次，兩級(jí)總共計(jì)算次數(shù)為62次。通過使用分級(jí)方法進(jìn)行搜索以后，與原來相比，總計(jì)算次數(shù)減少百分比至少為80%，經(jīng)過計(jì)算所得傾斜角精度不變，系統(tǒng)內(nèi)存空間得到改善，運(yùn)行效率有所提高。

2.2 字符分割算法

通過使用字符分割處理得到的結(jié)果為歸一化的單個(gè)漢字圖像、字母與數(shù)字。其中，從背景中分割出字符的過程為二值化處理技術(shù)，該項(xiàng)技術(shù)是字符分割處理的主要技術(shù)。

一般情況下，使用閾值法來實(shí)現(xiàn)車輛牌照二值處理，但是車牌圖像在自然條件下，很容易受到車牌自身、噪聲、光線的影響，背景與字符灰度差異不明顯情況時(shí)常發(fā)生。閾值法的不足之處在于沒有考慮圖像空間信息，只使用了圖像灰度信息，為了解決這一問題，本文構(gòu)建一種基于馬爾可夫隨機(jī)場(chǎng)模型函數(shù)優(yōu)化二值化方法，并采用遺傳算法對(duì)二值化算法結(jié)構(gòu)進(jìn)行優(yōu)化，以下為優(yōu)化步驟：

第一步：選取圖像類別，并將x配置為遺傳算法處理的對(duì)象，也就是將其作為個(gè)體，使用二進(jìn)制編碼，構(gòu)成一個(gè)染色體位串，從而獲取適應(yīng)值函數(shù)，即

第二步：選取合適的群體，用N代表群體大小，隨機(jī)生產(chǎn)一個(gè)初始群體，并獲取初始參數(shù)；

第三步：對(duì)個(gè)體適應(yīng)值進(jìn)行計(jì)算，得到的群體總適應(yīng)值當(dāng)中比例以后，采用滾花輪方法，選取N個(gè)強(qiáng)性個(gè)體；

第四步：確定兩個(gè)概率，一個(gè)是變異概率，用匕表示，另外一個(gè)是交叉概率，用Pb表示，使用這兩個(gè)概率對(duì)個(gè)體進(jìn)行變異與交叉處理，獲取新的個(gè)體，從而達(dá)到加快收斂速度的目的，。

第五步：將N個(gè)子代個(gè)體的檢驗(yàn)率作為參數(shù)估計(jì)的主要依據(jù)，使用最大似然算法對(duì)其進(jìn)行更新處理；

第六步：跳轉(zhuǎn)到第三步，得到一個(gè)新的個(gè)體適應(yīng)值，如果經(jīng)過計(jì)算得到的最小適應(yīng)值與上一次的差值不超過參數(shù)則結(jié)束算法，反之，繼續(xù)繁殖新個(gè)體。

2.3 字符識(shí)別算法

經(jīng)過牌照區(qū)域分割以及字符分割處理以后，最后需要采用字符識(shí)別算法進(jìn)行處理，從而獲取準(zhǔn)確的車牌信息，字符識(shí)別算法的主要流程如圖2所示。

3 總結(jié)

本文主要對(duì)道路視頻監(jiān)控中的車牌識(shí)別算法進(jìn)行了相應(yīng)分析。主要包括字符識(shí)別、字符分割、牌照區(qū)域分割。首先將牌照?qǐng)D像從車頭圖像當(dāng)中提取出來，依據(jù)車牌區(qū)域特性，對(duì)邊緣圖紋理進(jìn)行掃描，采用改進(jìn)后的hough變換對(duì)幾何失真進(jìn)行矯正，接下來采用遺傳算法對(duì)二值化算法結(jié)構(gòu)進(jìn)行優(yōu)化，最后使用字符識(shí)別算法進(jìn)行處理，獲取準(zhǔn)確的車牌信息。

參考文獻(xiàn)

[1]石時(shí)需，秦勇，蔡昭權(quán)，等.基于高速公路交通圖像的安全帶自動(dòng)識(shí)別算法[J].計(jì)算機(jī)與現(xiàn)代化，2014（05）：118-121.

[2]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，2013，13（02）：366-371.

[3]凌家良，黃進(jìn)江，林洪輝，等.車牌自動(dòng)識(shí)別算法及基于LabVIEW的設(shè)計(jì)實(shí)現(xiàn)[J].惠州學(xué)院學(xué)報(bào)，2014，34（03）：79-83.