城市車輛車牌識(shí)別技術(shù)研究

王青苗 雷賜濤 王富強(qiáng)

①陜西鐵路工程職業(yè)技術(shù)學(xué)院 ②中國(guó)鐵路蘭州局集團(tuán)有限公司

隨著城市道路中機(jī)動(dòng)車輛數(shù)量逐年增加，擁擠的交通隨處可見(jiàn)，如何去規(guī)范并引導(dǎo)車輛，首要是對(duì)車輛進(jìn)行識(shí)別，對(duì)于車輛的識(shí)別重點(diǎn)是在于對(duì)于車牌的識(shí)別，本文在分析目前車牌識(shí)別技術(shù)方法的基礎(chǔ)上，對(duì)車牌定位模塊和字符分割模塊進(jìn)行了探討，在車牌定位方式中，先歸納了車牌的紋理特征，提出了基于粗定位和精確定位的車牌定位方法，并采用基于k-means的車牌字符分割法對(duì)車牌處理。

1 背景

隨著人們生活水平的提高，使用私家車在人們的出行中占據(jù)越來(lái)越大的比重，大量的汽車出行給交通管理和停車等造成了巨大的壓力。不但在道路上有隨處可見(jiàn)擁堵的車流，而且隨意?？康能囕v越來(lái)越多，為了能較為合理引導(dǎo)車流以及規(guī)范汽車的行駛，對(duì)于車輛的精確識(shí)別顯得至關(guān)重要，對(duì)車輛的識(shí)別主要就是對(duì)車輛車牌號(hào)碼的識(shí)別，因此對(duì)于如何去識(shí)別車輛以及采用何種車輛識(shí)別技術(shù)的研究也成為行業(yè)內(nèi)關(guān)注的焦點(diǎn)。本文在總結(jié)當(dāng)前主流車牌識(shí)別方法的基礎(chǔ)上，根據(jù)實(shí)際處理過(guò)程設(shè)計(jì)車牌識(shí)別處理流程，并對(duì)車牌識(shí)別過(guò)程進(jìn)行了算法設(shè)計(jì)。

2 車牌識(shí)別的方法

在對(duì)車輛的車牌進(jìn)行識(shí)別時(shí)具體的處理過(guò)程可分為車牌定位、字符分割和字符識(shí)別3個(gè)步驟進(jìn)行[1,2]。其中，車牌識(shí)別的基礎(chǔ)性步驟是車牌定位，車牌定位的質(zhì)量對(duì)后續(xù)兩個(gè)步驟有著直接的影響，它是車牌識(shí)別的關(guān)鍵性工作。

2.1 車牌定位

車牌定位是指將車牌區(qū)域從車輛圖像中分割出來(lái)，在實(shí)際操作中在對(duì)車牌進(jìn)行定位時(shí)有圖像的預(yù)處理和車牌定位的算法兩個(gè)重要過(guò)程[3]。其中，車牌定位的方法較多，往往單純使用一種效果不是很理想，本文為了獲得較為高效的定位方法，對(duì)車牌的紋理特征進(jìn)行了歸納，將車牌區(qū)域的粗定位和精確定位兩個(gè)方法結(jié)合起來(lái)，在具體操過(guò)程中，本文先用基于車牌紋理特征的粗定位的方法對(duì)車牌進(jìn)行處理，保存處理結(jié)果，然后再采用基于車牌顏色特征的精確定位對(duì)該結(jié)果進(jìn)行處理，這樣能獲得理想的效果。

2.2 字符分割

字符分割的作用是將上一步定位的結(jié)果分割為單個(gè)字符的方法，字符分割的好壞直接會(huì)影響下一步字符識(shí)別的質(zhì)量，目前國(guó)內(nèi)外關(guān)于車牌分割的方法也很多，主要有基于垂直投影特征值的分割方法、基于類間方差字符分割方法、基于 K-means聚類實(shí)現(xiàn)圖像分割方法等[5,6]。在這些方法中基于K-means聚類實(shí)現(xiàn)圖像分割方法使用起來(lái)相對(duì)簡(jiǎn)單、算法快速，且對(duì)簇型數(shù)據(jù)分類較好，在進(jìn)行大數(shù)據(jù)處理時(shí)，效率高且具有可伸縮性，整體處理效果較好，所以適合用于進(jìn)行大規(guī)模的數(shù)據(jù)挖掘[7]。基于以上優(yōu)勢(shì)分析，本文在分析車牌字符特點(diǎn)的基礎(chǔ)上使用基于kmeans的車牌字符識(shí)別技術(shù)。

2.3 字符識(shí)別

字符識(shí)別方法使用較多的主要有基于模板匹配和神經(jīng)網(wǎng)絡(luò)的識(shí)別方法兩種。基于模板匹配的字符識(shí)別方法的處理過(guò)程雖能從字符整體出發(fā)計(jì)算模板和待測(cè)圖像的自相關(guān)性。但相比較而言，模板匹配法對(duì)現(xiàn)場(chǎng)光照不均、運(yùn)動(dòng)物體的識(shí)別效果較差，而神經(jīng)網(wǎng)絡(luò)識(shí)別法有著較強(qiáng)的曲線擬合以及模式分類能力[8]，因此本文采用神經(jīng)網(wǎng)絡(luò)字符識(shí)別法。

3 總體設(shè)計(jì)流程圖

車牌識(shí)別系統(tǒng)的在實(shí)際操作過(guò)程中，系統(tǒng)對(duì)于圖像處理的過(guò)程可以分為，分為以下6個(gè)過(guò)程，如下圖1所示的流程進(jìn)行。

圖1 系統(tǒng)總體流程圖

第一步圖像采集，采集在路面上行駛的車輛信息，首先獲取車輛的圖像，采集汽車的圖像數(shù)據(jù)，并將圖像轉(zhuǎn)換為位圖存入內(nèi)存中，的汽車圖像數(shù)據(jù)采集；第二步是圖像的預(yù)處理，處理過(guò)程涉及到圖像灰度化處理、灰度圖像均衡化、邊緣檢測(cè)、二值化、檢測(cè)候選區(qū)域并二值化這幾個(gè)步驟；第三步是車牌粗定位，具體過(guò)程是利用車牌紋理特征確定車牌區(qū)域的大概位置，對(duì)車牌進(jìn)行大概位置的判斷；第四步是車牌精確定位，是利用車牌底紋顏色特征確定車牌的精確位置以便后續(xù)處理使用；第五步是采用基于k-means算法的車牌字符分割技術(shù)，對(duì)字符進(jìn)行判斷分類；第六步是對(duì)分割出的字符進(jìn)行識(shí)別并且顯示分類結(jié)果，經(jīng)過(guò)計(jì)算圖片采用k-means算法的迭代次數(shù)，給出圖片的處理結(jié)果。

4 算法設(shè)計(jì)

4.1 圖像輸入

在進(jìn)行圖像處理時(shí)，第一步是先要輸入圖像，這時(shí)要考慮到圖像的存儲(chǔ)格式。顯示器是由許多的像素點(diǎn)構(gòu)成的屏幕，采用掃描的方式將圖像的位置顯示在顯示器上，位映像設(shè)備就是利用這種工作原理工作。在存儲(chǔ)圖片時(shí)，這種位映像設(shè)備是利用二維像素矩陣的方式將圖像顯示和存儲(chǔ)起來(lái)的，這種被顯示和存儲(chǔ)的圖像成為位圖，它在存儲(chǔ)器中存儲(chǔ)的格式為“.bmp”格式文件，因此，本文研究輸入圖像格式為“.bmp”。

4.2 圖像預(yù)處理

圖像預(yù)處理過(guò)程分為如圖2所示的5個(gè)步驟所示，首先對(duì)采集到的圖像進(jìn)行灰度化處理，整個(gè)過(guò)程是將彩色圖像轉(zhuǎn)換為只包含亮度信息的灰度圖像的過(guò)程，灰度化后需要對(duì)圖像進(jìn)行均衡化處理，進(jìn)而進(jìn)行邊緣檢測(cè)，再對(duì)圖像進(jìn)行二值化處理，最后對(duì)候選區(qū)域進(jìn)行二值化處理。

圖2 像預(yù)處理流程圖

4.3 車牌粗定位

經(jīng)過(guò)前一步的圖像預(yù)處理操作形成了二值紋理圖像，下面需要對(duì)車牌進(jìn)行粗定位，這里采用掃描法和投影法，依據(jù)汽車車牌區(qū)域紋理特征，來(lái)依次確定出車牌在原始圖像中水平的位置以及垂直方向的位置，達(dá)到分割出包含車牌區(qū)域的圖像的目的。

4.4 車牌精確定位

在獲得車牌粗定位結(jié)果后，有時(shí)顯示結(jié)果有一定的不如意，主要原因有的定位結(jié)果中還存在著多余的車輛邊框，或者在橫向或者縱向的顯示內(nèi)容會(huì)超出標(biāo)記的顯示區(qū)，因此在這些情況之下，仍需再次用精確定位去定位結(jié)果做以修正。

4.5 基于k-means算法的車牌字符分割

本文在進(jìn)行字符分割時(shí)采用的是k-means算法，該算法是基于劃分的聚類算法，這種方法是設(shè)定迭代的閥值，不斷重復(fù)迭代算法，設(shè)定停止迭代的閥值，當(dāng)兩次迭代的差值小于該閥值后，則停止迭代，得到最終聚類結(jié)果。

4.6 處理結(jié)果

本文在獲取車牌后，按照上述的處理流程進(jìn)行處理，分別對(duì)采集到的圖像進(jìn)行預(yù)處理、粗定位、精確定位、字符分割、以及最后的字符識(shí)別顯示后，識(shí)別的結(jié)果效果較好，能清晰分辨車牌的號(hào)碼。

5 結(jié)束語(yǔ)

本文在總結(jié)當(dāng)前形勢(shì)下車牌識(shí)別技術(shù)的應(yīng)用情況，對(duì)主流車牌識(shí)別的方法進(jìn)行了介紹，給出了車牌處理的具體流程以及車牌識(shí)別算法，最后對(duì)本文提出的算法進(jìn)行了仿真驗(yàn)證，本文采用的定位方法和k-means算法能在采集到車牌信息并對(duì)車牌字符具備良好識(shí)別的效果。