机动车辆牌照识别系统【毕业论文】.doc

1、本科毕业设计（20届）机动车辆牌照识别系统所在学院专业班级计算机科学与技术学生姓名学号指导教师职称完成日期年月I摘要【摘要】车牌识别系统是实现交通管理智能化的重要环节，车牌识别系统的应用可有效解决高速公路收费、超速车辆布控、失窃车辆侦察、停车场管理等诸多管理问题。本文研究了车牌识别系统中的车牌定位，字符识别等关键技术。首先对车牌图像进行预处理，然后再根据车牌区域的纹理特征对车牌进行定位。其次利用连通域法分割得到单独的字符，并对字符进行归一化处理。最后是对字符的识别，采用模板匹配的方法对得到的字符进行识别。经测试，效果良好。【关键词】图像预处理；车牌定位；字符分割；字符识别。ABSTRACT【A

2、BSTRACT】THELICENSEPLATERECOGNITIONSYSTEMISANIMPORTANTCONSTITUENTPARTOFANINTELLIGENTTRAFFICMANAGEMENTTHELICENSEPLATERECOGNITIONSYSTEMCANBEONEOFTHEEFFECTIVESOLUTIONSMANYTRAFFICMANAGEMENTISSUES,SUCHASTOHIGHWAYTOLLAPPLICATIONS,SPEEDINGVEHICLESDISPATCHED,STOLENVEHICLEIDENTIFICATION,CARPARKMANAGEMENT,ETCI

3、NTHISPAPER,SOMEMETHODSANDALGORITHMSAREINTRODUCEDINSOMESTEPSASLICENSEPLATELOCATION,CHARACTERRECOGNITIONFIRSTLY,ANIMAGEISPREPROCESSEDBYSEVERALALGORITHMS,ANDTHENDETERMINESTHEIMAGESPOSITIONBASEDONTEXTUREFEATURESECONDLY,THECORRESPONDINGCONNECTIONREGIONISUSEDTODIVIDETHEIMAGEINTOTHEISOLATECHARACTERS,ANDCHA

4、RACTERSARENORMALIZEDINORDERTOBERECOGNIZEDLASTLYAMETHODOFTEMPLATEMATCHINGISPUTFORWARDFORTHEPURPOSEOFCHARACTERRECOGNITIONEXPERIMENTALRESULTSSHOWTHATTHEALGORITHMSAREEFFECTIVE【KEYWORDS】IMAGEPREPROCESSINGLICENSEPLATELOCATIONCHARACTERSEGMENTATIONCHARACTERRECOGNITIONII目录摘要IABSTRACTI目录II1绪论111课题的研究背景与意义1111

5、课题的研究背景1112课题的研究意义112国内外的研究现状12图像的预处理421车辆图像的预处理422图像的灰度化423图像对比度增强424图像的平滑825图像的边缘检测1026图像的二值化123车牌的定位1831边缘点图1832车牌定位194车牌字符的识别2241车牌字符识别的预处理22411字符分割22412字符的归一化26413字符的细化2642车牌字符识别27421字符的特征提取27422模板匹配295总结31参考文献32致谢错误未定义书签。附录错误未定义书签。11绪论11课题的研究背景与意义111课题的研究背景随着经济的快速发展和人们生活水平的不断提高，汽车的数量正在不断的增加，仅仅

6、凭借传统的管理方法已经不能适应社会发展的需求了。智能交通系统正好可以解决这个问题。智能交通管理系统将先进的信息技术、数据通讯传输技术、电子控制技术及计算机处理技术等综合运用于整个交通运输管理体系，通过对交通信息的实时采集、传输和处理，借助各种科技手段和设备，对各种交通情况进行协调处理，建立起一种实时、准确、高效的综合运输管理体系。在整个智能交通管理系统中,车牌识别系统是实现交通管理智能化的重要环节，车牌识别系统可以有效地解决高速公路收费、停车场管理、超速车辆布控等管理中的问题。其具体应用可概括为（1）、高速公路收费和小区停车收费在高速公路及小区实现不停车收费，提高交通道路的畅通性。尤其对于高速

7、公路，在收费出入口完成汽车牌照号码识别和车牌匹配工作，可以及时发现车辆的换卡行为，收费员的舞弊行为，规范收费程序。（2）、交通道路监控和车辆追踪建立公路布控系统，采用车牌识别技术，实现对重点车辆的自动识别、快速报警处理。不仅可以有效防止机动车辆被盗，而且为公安、监察机关对犯罪嫌疑人所驾驶的车辆的自动监控和跟踪提供了高科技手段。（3）、车流统计与智能交通管理在主要交通路口设立监控站点，根据实时车流量调整红路灯的通行时间，以此提高交通运行的效率。112课题的研究意义车牌识别技术的根本性作用在于自动识读出车辆的唯一身份证车牌号码，摆脱了人工查看图片识读车牌号码的工作，由于这一智能化的技术，使车辆管理

8、的技术水平跨上了一个新台阶，虽然任何车辆管理系统最终都不可能完全摆脱人的参与，但毕竟在降低人工劳动强度、提高管理效率、增加管理的客观性方面起到了巨大的推动作用。目前这一技术随着需求的不断提高将会得到更快的发展，以这一技术为核心的车牌自动识别系统的成功开发必将大大加速智能交通系统的进程。12国内外的研究现状2车牌自动识别是实现交通管理智能化的重要环节，主要包括车牌定位、字符分割和车牌识别三个关键环节。发达国家车牌自动识别系统在实际运用上已经成功，而我国的开发应用进展缓慢，基本停留在试验阶段。从20世纪90年代初，国外的研究人员就已经开始了对车牌识别系统的研究，其主要途径就是对车牌的图像进行分析，

9、自动提取车牌信息，确定汽车牌号。在车牌识别过程中，虽然运用了很多的技术方法，但由于外界环境光线变化、光路中有灰尘、季节环境变化及车牌本身比较模糊等条件的影响，使得车牌识别系统一直得不到很好的应用，而且很多的方法都需要大量的数值计算，没有考虑到实时处理的要求。为了解决图像恶化的问题，目前国内外的研究机构或公司企业采取的办法是采用主动红外照明摄像或使用特殊的传感器来提高图像的质量，继而提高识别率，这样做的同时也造成了系统的投资成本过大，应用领域变小，不适合普通的推广。从20世纪90年代初，国外的研究人员就已经开始了对汽车牌照识别的研究。以色列HITECH公司的SEE/CARSYSTEM系列，香港A

10、SIAVISIONTECHNOLOGY公司的VECON产品，新加坡OPTASIA公司的VLPRS系列都是比较成熟的产品。其中VECON和VLPRS产品主要适合于香港和新加坡的车牌，HITECH公司的SEE/CARSYSTEM有多种变形的产品来分别适应某一个国家的车牌。SEE/CARCHINESE系统可以对中国大陆的车牌进行识别，但都存在很大的缺陷，而且不能识别车牌中的汉字，另外日本、加拿大、德国、意大利、英国等各个西方发达国家都有适合本国车牌的识别系统。各个国家的产品虽然不同，但基本上都是基于车辆探测器的系统，设备投资巨大。国内在90年代也开始了车牌识别的研究。目前比较成熟的产品有中科院自动化

11、研究所汉王公司的“汉王眼”，亚洲视觉科技有限公司、深圳吉通电子有限公司、中国信息产业部下属的中智交通电子有限公司等也有自己的产品，另外西安交通大学的图像处理和识别研究室、上海交通大学的计算机科学和工程系、清华大学人工智能国家重点实验室、浙江大学的自动化系等也做过类似的研究。通常处理时为了提高系统的识别率，都采用了一些硬件的探测器和其他的辅助设备1。从车牌识别系统的主要关键技术来看，关于车牌定位的研究，国外起步比较早，现有比较好的牌照定位方法主要有JBARROS等提出的基于水平搜寻的定位方法；RPARISI等提出的基于DFT变换的频域分析方法；JBULASCRUE等人提出的基于扫描行的车牌提取方

12、法。上述方法，尽管在一定的条件下能够分割出车牌，但车牌识别系统大多是利用摄像机室外拍摄汽车图像，存在许多客观的干扰，如天气、背景、车牌磨损、图像倾斜等因素，因此定位并不十分理想。90年代以来，由于交通现代化发展的需要，我国也开始对车牌定位进行了深入研究，并取得了一定的成就6。国内在20世纪90年代开始对车辆牌照识别系统进行了相关的研究，上海交通大学戚飞虎提出了基于彩色分割的牌照识别方法2；华中科技大学黄心汉提出了基于模板匹配和神经网络的牌照识别方法3；西安交通大学的郑南宁等人提出了多层次纹理分析的牌照识别方法1。另外，清华大学的研究3所也对车辆牌照识别系统进行了非常有价值的研究。牌照识别技术的

13、研究促进了适合我国车辆牌照产品的问世，国内的牌照识别产品相继问世并且投入了使用。其中亚洲视觉生产的VECONVIS车辆牌照识别系统、成都西图科技有限公司生产的CIAST2003车牌识别稽查系统、上海高德威公司的汽车牌照识别系统以及北京汉王公司的嵌入式一体化车牌辨识仪等产品牌照识别率都达到了95以上。但是，由于车辆牌照识别受到环境光线的影响比较大，识别的效果在不同的光照背景下面识别率会有所不同，因此在车辆牌照定位和识别的算法优化方面还有大量的工作要做1。从目前一些产品的性能指标可以看出，车牌识别系统的识别率和识别速度有待提高。现代交通的飞速发展以及车牌识别系统应用范围的日益拓宽给车牌识别系统提出

14、了更高的要求。因此，研究高速、准确的定位与识别算法是当前的主要任务，而图像处理技术的发展与摄像设备、计算机性能的提高都会促进车牌识别技术的发展，提高车牌识别系统的性能。42图像的预处理21车辆图像的预处理车牌图像的预处理包含了图像灰度化、噪声处理、边缘检测、二值化等，为下一步的车牌定位提供基础。22图像的灰度化目前预处理前得图像都是通过摄像机等设备拍摄的，都是彩色图像。彩色图像由于包含的信息量很大，会降低系统的执行速度，所以有必要将它转化为灰度图，以加快处理速度。灰度图像的特点是只存在亮度信息而没有色彩信息。把彩色图像转化为灰度图像的过程叫做灰度化处理。彩色图像的像素值为RGB（R，G，B），

15、灰度图像的像素值为RGB（R，R，R），彩色图像分解后可以得到R，G，B的值。R，G，B的取值范围是0255，所以灰度图像只能表示256种灰度。由于人的眼睛对绿色的敏感度最高，对红色的敏感度次之，对蓝色的敏感度最低，所以将彩色图像转化为灰度图像可以采用如下公式BGRGRAY110590300其中，GRAY是灰度值，R，G，B分别对应红色、绿色和蓝色的分量。这样得到的灰度图像较为合理。23图像对比度增强对比度增强是逐点修改输入如想的每一个像素的灰度，改变图像灰度的动态范围，不会改变图像像素的位置。本文采用的是灰度概率统计法。这个方法的实质是WALLIS和JONGSENLEE提出的用局部均值和方差

16、进行对比度增强的方法。使修改后的图像的灰度具有给定的数学期望和方差。其公式如下DSSDEEFGFNES121SSEFN其中，SE为灰度的数学期望，DE为给定的数学期望，S为灰度的方差，D为给定的方差，N为图像像素的总和。实际上在计算时是不需要明确知道S和D的值，只是需要它们的比值就行了，而且在一般情况下是很难确定S的值的。所以可以将公式修改为DSEEFPERCENTAGEG1005其中PERCENTAGE是百分比分子，其值可以取192。关键代码如下/第一步,灰度统计/开辟一个内存区,记录指定区域的灰度值BYTEPBYGRAYSUBAREANEWBYTEDWPIXELSIZEIFPBYGRAYS

17、UBAREANULLRETURNFALSE/记录灰度数学期望平均值,按WALLISANDJONGSENLEE的方法INTNEXPGRAY0/求出灰度和数学期望即,平均值BYTEPBYGRAYCOPYPBYGRAYSUBAREAFORI0IPIXELMINGRAYVALUEPIXELIFMAXGRAYVALUEWIDTH_MINI/列FORJ0J3/如果发现白点，设置标志位WHITETRUE/如果还没有进入一个字符的分割IFLABFALSE/设置左侧边界RECTLEFTI/字符分割开始LABTRUE/如果已经扫到了最右边那列，说明整副图像扫描完毕。退出IFINWIDTH1/退出整个循环BREAK

18、/如果到此WHITE仍为FALSE，说明扫描了一列，都没有发现白点。表明当前字符分割结束IFLABTRUE/设置上边界RECTTOPTOP/设置下边界RECTBOTTOMBOTTOMINTARECTTOPINTBRECTBOTTOMINTCRECTLEFTINTDRECTRIGHT/将框外括一个像素，以免压到字符RECTINFLATERECT1,1/将这个结构体插入存放位置信息的链表1的后面CHARRECT1PUSH_BACKRECT/设置标志位，开始下一次的字符分割LABFALSE/字符个数统计计数器加1DIGICOUNT/进入下一行的扫描字符分割的效果见图41图41字符分割效果图412字符

19、的归一化分割出来的字符的大小有可能不一致，为了方便识别和提高识别效率，可以把字符统一尺寸。先让原图像的字符的高度和宽度与系统要求的高度和宽度比较，得到变换系数，然后依据得到的系数对字符进行高度转换，最后按照插值的方法把转换后的图像里的点映射到原图像中。413字符的细化27分割出来后的字符的线条的粗细的不同，对识别的准确率有很大影响，可以对字符进行细化来提取骨架。在图像中去一个像素点1P，把与1P相邻的8个像素点分别记为2P，3P，9P，如下图42所示765814923PPPPPPPPP图42当前像素点1P和它相邻的8个像素点当同时满足以下4个条件是，可以删除1P点，以达到图像细化的目的。（1）

20、、在与1P相邻的8个像素点中，与1P点像素的值相同的像素点的个数要大于等于2且小于等于6。（2）、与1P相邻的8个像素点中，像素的值交替变化的次数等于1。（3）、2P、4P、8P三个像素点中至少有一个的像素的值与1P不同。（4）、2P、4P、6P三个像素点中至少有一个的像素的值与1P不同。对图像中的每一个像素点进行判断，就可以细化字符了。字符细化效果如图43所示图43字符细化的效果图42车牌字符识别421字符的特征提取先对字符进行横向4等分，再对其在竖向2等分，这样就把字符平均分成8份，统计每一份内黑色像素点的个数，将其作为8个特征点。再对图像进行竖向3等分，这样就有两条线经过字符，分别统计两

21、条线上的黑色像素点的个数作为2个特征。同样的对图像进行横向3等分，分别统计两条线上的黑色像素点个数作为2个特征。最后统计所有的黑色像素点个数作为一个特征，这样就得到13个特征点。关键代码如下/存储临时的特征FLOATTZNEWFLOATDIM28FORK0KNUMKFORI0IDIMITZI0/提取前8个特征FORM0M8MFORIINTM/28IINTM/218IFORJM28KWIDTHJM218KWIDTHJLPSRCUNSIGNEDCHARLPBYBITS32ONELINEBYTESI4JBLPSRC25501TZMB/提取第9个特征总像素值FORI0INHEIGHTIFORJKWID

22、THJK1WIDTHJLPSRCUNSIGNEDCHARLPBYBITS32ONELINEBYTESI4JBLPSRC25501TZ8B/提取第10、11个特征水平扫描切割IINTNHEIGHT1/3FORJKWIDTHJK1WIDTHJLPSRCUNSIGNEDCHARLPBYBITS32ONELINEBYTESI4JBLPSRC25501TZ9B29IINTNHEIGHT2/3FORJKWIDTHJK1WIDTHJLPSRCUNSIGNEDCHARLPBYBITS32ONELINEBYTESI4JBLPSRC25501TZ10B/提取第12、13个特征垂直扫描切割JINTKWIDTHWID

23、TH1/3FORI0INHEIGHTILPSRCUNSIGNEDCHARLPBYBITS32ONELINEBYTESI4JBLPSRC25501TZ11BJINTKWIDTHWIDTH2/3FORI0INHEIGHTILPSRCUNSIGNEDCHARLPBYBITS32ONELINEBYTESI4JBLPSRC25501TZ12B/存储特征FORI0IDIMIFEATUREKITZI422模板匹配由于前面已经取得了13个特征点，这里就只需要比较1X13的特征向量，13特征模板匹配的数学描述为30131KKTKIKAID其中，KA为第K个特征的权值，KI为待匹配字符的第K个特征，KT为模板库中

24、某个模板的第K个特征，ID为匹配值，表示模板字符的特征与待匹配字符的特征的差异程度，匹配值越小越好。315总结本文系统的介绍了设计开发一个车牌识别系统的过程。文中详细阐述了车牌图像的处理过程，全面地介绍了该系统各个功能模块的原理。本文主要对该系统的图像的处理、车牌的定位、字符分割及字符识别4部分进行研究分析采集图像的特点。对图像进行了一系列的处理，包括图像灰度化，对比度的增强、噪声处理、边缘检测和图像的二值化。对其中一些内容进行了比较研究，如各种对比度增强方法的比较，各种边缘检测效果的比较，二值化是各种阈值划分的比较等。在基于边缘点的基础上进行车牌定位。根据车牌区域的竖向纹理特征以及车牌自身长

25、宽比、长宽在车辆图像中的比例等信息的方法对车牌进行定位的方法，取得了较好的定位效果。由于个人能力和时间有限，对系统的各个环节的研究还不够彻底，采用的算法不够先进或存在一定问题。在字符识别上面，对汉字、相似字符和变形较大的字符的识别还不够。今后打算采用基于模板匹配和神经网络的车牌字符识别方法，将模板匹配和神经网络两大技术的优势相结合，以期取得更高的识别率，并使系统具有自学习功能。虽然本系统的开发所采用的样本都是基于现实情况中的车辆图像，但在系统开发过程中并没有对拍摄时的天气、摄像头距离车辆的远近和角度、车牌的模糊污染提出太好的解决方案，今后对这个问题还要不断研究和解决。32参考文献1胡小峰，赵辉

26、VISUALC/MATLAB图像处理与识别实用案例精选M北京电子工业出版社，200452宣国荣，廖金周车辆牌照的自动识别J研究与设计，1999年07期3王敏，黄心汉，魏武，等一种模板匹配和神经网络的车牌字符识别方法J华中科技大学学报，2001,29（3）4刘伟铭，赵雪平一种基于扫描行的汽车车牌定位算法J计算机工程与应用，20045陶军车牌识别技术研究与实现D南京南京理工大学，20046章毓晋图像处理与分析M北京清华大学出版社，19997李训青车型自动识别研究D北京中国科学院自动化研究所，20038谢晓燕基于神经网络的车牌识别系统D长沙湖南大学，20049OZBAYS,ERCELEBIEAUTOMATICVEHICLEIDENTIFICATIONBYPLATERECOGNITIONTRANSACTIONSONENGINEERING,COMPUTERANDTECHNOLOGY,200510SONGHSH,WANGGQTHEHIGHPERFORMANCEEARLICENSEPLATERECOGNITIONSYSTEMANDITSCORETECHNIQUESPROCEEDINGSOFIEEEINTERNATIONALCONFERENCEONVEHICULARELECTRONICSANDSAFETY,2005