1、毕业设计文献综述计算机科学与技术机动车辆牌照识别系统摘要车牌识别技术作为智能交通的重要组成部分，在人们的生活中发挥着越来越重要的作用。字符识别、字符分割、车牌定位是车牌识别的三个重要组成分，是车牌识别技术研究的重点，本文从这三个方面对车牌识别技术的发展和现状及车牌识别技术的应用进行简要介绍。关键字车牌识别、车牌定位、字符分割、字符识别近几年来，随着汽车的数量猛增，智能交通体系成为了未来交通监管系统的主要发展趋势。所谓智能交通系统是在较完善的基础设施之上将先进的信息技术、通信技术、控制技术、传感器、计算机技术和系统综合技术的有效的集成，并应用于地面运输系统，从而建立起在大范围内发挥作用的实时、准
2、确、高效的运输系统。车辆的车牌识别尤其是智能运输系统研究的重要组成部分。车牌识别系统是对公路上配置的摄像头拍摄的照片进行数字图像处理与分析，综合应用大量的图像处理最新成果和数字形态学方法对汽车图像进行平滑、二值化、模糊处理、边缘检测、图像分割等，利用多种手段以提取车牌区域，从而达到对汽车牌照的精确定位并完成对汽车牌照的识别车牌识别技术的研究最早出现在20世纪80年代，这个阶段的研究还没有形成完整的系统体系，而是就某一个具体的问题进行研究，通常是采用简单的图像处理的方法来解决。识别过程是使用工业电视摄像机拍下汽车的正前方图像，然后交给计算机进行简单处理，并且最终仍需要人工干预。进入2O世纪90年
3、代后，随着计算机视觉的发展和计算机性能的提高，世界上的各个国家都投入了大量的人力和物力进行汽车牌照识别系统的研究，时隔10多年，仍然没有一个成熟系统的识别率能够达到100。20世纪90年代后期以后，随着全世界汽车数量的快速增加，车牌识别技术的应用范围也越来越广，车牌识别技术己成为了一个热门的研究课题，人们对其进行了广泛的研究车牌识别系统一般可顺序地分为车辆图像获取、车牌定位、车牌字符分割和车牌字符识别等4大部分。车牌定位和字符识别是车牌识别技术中最关键的两项技术。浅析车牌识别技术主要介绍了车牌识别技术的现状及发展，并讨论了车牌识别的各种方法。而基于改进BP网络的车牌字符识别方法研究主要研究车牌
4、识别的算法的解析。在浅析车牌识别技术中提到目前已有不少学者对车牌定位进行了研究，总结起来主要有如下几类方法1、基于水平灰度变化特征的方法这种方法主要应用在车牌定位以前，需要先对图像有个预处理的过程，将彩色图像转换为灰度图像，利用车牌区域水平方向的纹理特征对车牌进行定位。2、基于边缘检测的定位方法这种方法是利用车牌区域的边缘特对车牌进行定位，能够进行检测的方法有很多种，比如ROBERTS边缘算子、PREWITT算子、SOBEL算子以及拉普拉斯边缘检测。3、基于车牌颜色特征的定位方法这种方法主要是利用车牌的纹理特征、形状特征和颜色特征即应用车牌字符和车牌底色的明显的反差特征来排除干扰对车牌进行定位
5、。4、基于HOUGH变换的车牌定位方法这种方法是利用车牌边框的几何特征，寻找车牌边框直线的方法对车牌进行定位。5、基于变换域的车牌定位方法这种方法是将图像从空域变换到频域进行分析，比如，采用小波变换等。6、基于数学形态学的车牌定位的方法这种方法是利用数学形态学的图像处理的基本思想，用一个结构元素来探测一个图像，看能否将这个结构元素较好的填放在图像的内部，同时验证填放元素的方法是否是有效的。腐蚀、膨胀、开启和关闭是数学形态学的基本运算。我们可以用投影直方图方法定位车牌，图像的预处理可以很好的将车牌区域划分出来，车牌区的边缘较周围的其他区域有很好的灰度跳变车牌字符的正确分割是进行车牌字符识别的基础
6、，目前常用的方法有如下几种1、车牌区域的纹理特征的方法这种方法是利用车牌区域字符和底色有不同的灰度特征从而进行边框去除和字符分割的方法。2、基于数学形态学的方法这种方法是利用形态学的腐蚀和膨胀，将车牌字符区域组合成连通域的方法来去除边框，再进一步采用字符连通域的形式来进行字符切分。3、基于HOUGH变换的字符分割的方法这种方法是利用HOUGH变换，寻找车牌字符的上下边界，再结合车牌字符的排列特征对字符进行分割。在基于改进BP网络的车牌字符识别方法研究提到了对于字符的分割可以用投影法，通过水平和垂直投影可以确定字符的区域。车牌字符识别方法基于模式识别理论，主要有1、统计识别。2、结构识别。3、基
7、于神经网络的字符识别。4、基于模板匹配的字符识别。由于汽车车牌图像所处的成像环境的复杂多变很难采集到一个完整的有代表性的原始图像集作为统计分析的基础，所以统计方法难于实现。另外车牌字符会经常发生变形、断缺等情况，会使字符结构受到损坏，所以依赖于字体结构完整性的结构识别的方法所提取的特征会不准确，识别结果的误识率也高。因此实际用于车牌识别的方法主要是基于神经网络的字符识别和基于模板匹配的字符识别这两类。基于神经网络的字符识别的方法，具有很好的容错能力，分类能力，并行处理能力和自我学习能力，利用神经网络来实现模式识别，运行速度快，自适应好，分辨率高。对信息复杂、背景不清楚、推理不明确的问题较为有利
8、。对字符的识别可以采用神经网络算法。首先将要识别的字符进行预处理，接着进行归一化处理提取图像的特征和纹理特征作为神经网络的输入，训练相应的权值矩阵，实现字符的分类，将输出作为识别结果。高速公路、城市交通、停车场等基础设施建设水平的快速发展和车辆管理体制的不断完善,为以计算机视觉为基础的智能交通管理系统的应用提供了良好的契机。在智能交通系统中,车牌自动识别系统是智能交通管理系统非常重要的发展方向。随着数字图像技术近年来的突飞猛进,车牌自动识别系统采用了先进的视频检测、图像处理、模式识别和人工智能技术,可以在大幅度提高效率的前提下减轻人力劳动,完成对车牌识别的任务。加上数据库支持、网络支持、现场报
9、警等工作模块,实现了全过程的自动化处理。从开始的收费辅助系统演变过来的车牌识别技术现在运用的领域是越来越广,换个角度看,单纯的车牌识别系统已经不能满足目前智能化交通的需求,它将越来越趋向集成系统多元化发展。参考文献1闫青,王亮亮著浅析车牌识别技术山东商业职业技术学院学报,20092崔江,王友仁著车牌自动识别方法中的关键技术研究计算机测量与控制,20033文洁玲,上官明灿,孙文侠,赵勇著浅谈车牌识别技术应用现状公路交通科技,20064董长虹著神经网络与应用国防工业出版社,20075OZBAYS,ERCELEBIEAUTOMATICVEHICLEIDENTIFICATIONBYPLATERECOGNITIONTRANSACTIONSONENGINEERING,COMPUTERANDTECHNOLOGY,20056SONGHSH,WANGGQTHEHIGHPERFORMANCEEARLICENSEPLATERECOGNITIONSYSTEMANDITSCORETECHNIQUESPROCEEDINGSOFIEEEINTEMAFIONALCONFERENCEONVEHICULARELECTRONICSANDSAFETY,2005
