1、毕业设计文献综述 计算机科学与技术 有限范围的视频车辆识别算法的研究和实现 一、 前言 本文提出车牌自动识别系统在智能小区管理、停车场管理等方面的实际应用方案，并开发一套适合我国国情的车牌自动识别系统软件。车牌识别主要可分为间接法和直接法两种，间接法是基于 IC 卡鉴别（ REID）或基于条形码的识别；直接法是基于图像的汽车牌照识别。 间接法是指通过识别安装在汽车上的 IC卡或者条形码中所储存的车牌信息来识别车牌及相关信息。 IC 卡技术识别准确度高，运行可靠，但它整套装置价格昂贵，硬件设备十分复杂；条形码技术具有识别速 度快，准确度高，可靠性强以及成本低等优点，但对于扫描器的要求很高。此外，
2、这两种识别方法都需要制定去全国统一标准，并且无法核对车与条形码是否相符。 基于图像的车牌识别技术属于直接法，近年来该系统的研制引起众多学者的广泛兴趣，是一种无源型汽车牌照智能识别方法，能够在无任何专用发送车牌信号的车载发射设备情况下，对运动状态车辆或者静止状态车辆的车牌号码进行非接触性信息采集并实时智能识别。这种系统节省了设备安置及大量资金，提高了经济效益。其次，由于采用了先进的计算机应用技术，可以提高识别速度，较好的解决实时性问题。再 次，它是根据图像进行识别的，所以通过人的参与可以解决系统中的识别错误。直接法一般有图像处理技术，传统模式识别技术以及人工神经网络技术。 车辆牌照自动识别系统是
3、智能交通 识别系统的核心，是现代交通 管理的重要组成部分，它的实现可以加快高速公路自动收费、城市道路、停车场管理和小区管理现代化的进程 。与传统的车辆管理方法相比，它大大地提高了管理效率与水平，节省了人力、物力，实现了车辆管理的科学化、规范化，对交通治安起到了一定的保障作用，因此有着广泛的应用前景。 二、 主题 智能交通系统（ ITS）是 21 世纪世界道路交通的发 展趋势。公路交通基础建设的不断发展和车辆管理体系的不断完善，为以视觉监控为基础的智能交通系统的实际应用打下了良好的基础。在智能交通系统中，车牌自动识别系统是一个非常重要的发展方向。 从 20世纪 90年代初，国外的研究人员就开始对
4、汽车拍照自动识别系统的研究，其主要途径就是采用计算机图像处理技术对车牌的图像进行分析，自动提取车牌信息，确定汽车牌号等。国外的汽车牌照识别系统研究工作已有一定的进展，而在我国尚属起步阶段，由于我国的国情不同，造成的一些特殊情况，主要有以下几个方面： 1) 我国标准汽车牌照是由汉字、英文字母和 阿拉伯数字组成的，汉字识别与字母和数字的识别有很大的不同，从而增加了识别的难度。 2) 许多国家的车牌底色和字符颜色通常只有对比度较强烈的两种颜色，而我国的车牌仅底色就有蓝、黄、黑、白等多种颜色，字符颜色也有黑、红、白等多种颜色。 3) 其他国家的车牌格式通常也只有一种，而我国根据不同车辆、车型、用途等规
5、定了多种牌照格式，并且普通车牌中也区分大车和小车。 4) 我国汽车牌照的悬挂位置不唯一。 5) 由于环境、道路或者人为因素造成汽车牌照的严重污染，在国外发达国家是不允许上路的，而在我国仍就可以在路上行驶。 尽管研究难度大，但近年来 我国在车牌识别领域仍取得了很大的成就，拥有了成熟的产品，开始进入应用阶段。 随着科技日新月异的变化，研究人员已经研究出了多种识别技术，常见的有基于传统模式识别、人工神经网络、隐马尔科夫模型等。 一般的车牌识别系统都分为图像预处理、车牌定位、车牌的字符分割和字符识别四个主要部分。 图像预处理是对采集到的车辆图像进行灰度变换、二值化、直方图均衡化、滤波、边缘提取、去噪等
6、处理，以便克服对图像的干扰，改善识别效果。此模块主要应用大量的数字图像处理知识，已有较成熟的算法。例如二值化，将各色车牌转化为灰度图像。彩色图像每 一像素含红 (R)、绿 (G)、蓝 (B)三种色值。但车牌底色和字符色都很单一，可以利用下式： H= aR + bG + cB， a、 b、 c三色为加权系数，且 a + b + c=1； R、 G、 B分别为三基色值的大小；H为转换后灰度等级。针对不同的车牌，取不同的 a、 b、 c值，最终得到同一的白底黑字或者黑底白字。 13 车牌定位是识别系统中重要的一步。研究至今人们提出了众多方法应用与该模块，例如小波变换、模糊聚类，边缘检测、特征抽取等。
7、而目前车牌定位的算法主要是根据车牌区域的纹理特征和颜色特征来对车牌进行定位。按照处 理图像的种类可以分为基于灰度图像车牌定位方法和基于彩色图像车牌定位方法。目前大多数算法都是基于灰度图像，这种处理算法多且比较成熟。 车牌字符分割的主要任务是确定车牌字符的上下边界，提取单个的字符图像；将切分出来的字符归一化到一个固定大小。因为多种原因拍摄的车牌图像可能会发生倾斜，因此可能需要对图像进行倾斜校正。字符分割算法可以归类为三类：直接分割法、基于识别基础上的分割法、自适应分割线聚类法。直接分割法较简单，但是它的局限性是分割点的确定需要较高的准确性；基于识别结果的分割法是把识别和分割技术结合起来，但需 要
8、识别的较高准确性，它根据分割和识别的耦合程度又有不同的划分；自适应分割法需要建立一个分类器，用它来判断图像的每一列是否是分割线，但对粘连的字符很难分割。因为分割不可能做到完全正确，现在已有的算法已经把字符的分割作为不必要的步骤，而是直接把字符组成的单词当作一个整体识别。字符分割常采用垂直投影法实现，适用与复杂环境下的拍摄的汽车图像。11 字符识别是从提取出的每个字符图像中识别出字符文字。主要的算法有传统识别技术、基于隐马尔科可夫模型和基于神经网络等。由于汉字与字母数字的识别方式不同，所以需要区分对待。 传统模式识别技术一般包括模糊匹配法，统计特征法等等。传统模式的识别技术从 1990年就开始实
9、现应用，这种识别方法初期的应用在识别正确率上有所突破，对处理不确定性、非线性问题非常方便，推理方式也更接近于人类，但缺乏自学习和自适应能力，并且还没考虑到识别实时性的要求，在识别的速度上有待进一步的提高。 基于隐马尔科夫模型是一种车牌字符识别的新方法，用二维马尔科夫模型（ 2D-HMM）方法来识别车牌中的汉字，用伪二维隐马尔科夫模型（ P2DHMM）方法来识别车牌中的英文字符以及阿拉伯数字。该算法适用于不同的字符大小、字 符的倾斜、污损等情况。具有抗噪声能力强，字符识别正确率达 94%以上的优点，具有实用技术的指标。 9 人工神经网络识别技术是近几年来技术发达的国家开始探讨的一种自动识别技术。
10、 1994年 M.M.M.FAHMY等就成功的运用了这种技术对车牌进行自动识别。人工神经网络技术能较好的实现人类存储知识以及处理信息的技机能，使系统可以模仿人类思维，对需要处理和解决的问题进行记忆、联想、推理，从而较好的解决了车牌识别中所遇到的字符残缺不完整无法识别这个问题。人工神经技术还避免了繁重的数据分析和数学建模工作，还具有良好的容错能力，分类能力和并行处理能力以及自学习能力，提高了运行的速度和分辨效率。可以在有干扰的情况下对字符实现分类识别，能够提高字符识别的速度和正确率。非常符合我国现在的交通汽车业基本国情，具有很好的研究与开发价值。 基于图像处理 和人工神经网络 的相关理论，将计算
11、机视觉与模式识别技术相结合，对车辆牌照识别系统进行较深入的研究和分析。多种预处理与识别技术 的 结合能提高系统识别能力 。 在有效、实用的原则下将神经网络与人工智能技术相结合将成为 此识别系统 研究的两个重要发展趋势。 车牌自动识别系统软件一般先对牌照图像进行滤波、二值 化、校正、分割等处理，再进行识别。其软件部分主要有六个处理子模块组成，各模块的功能分别为： 1) 实时采集模块实现对汽车牌照图像的实时采集，并将采集图像转换为数字图像存储； 2) 车牌搜索及定位模块对数字化后的车牌进行区域目标搜索，并将图像进行灰度翻转统一为“白底黑字”； 3) 车牌分割对定位的车牌区域进行字符分隔，将车牌分为
12、 7个单一的字符图片（针对普通民用车）； 4) 特征提取模块对分割后的图片进行相应的特征描述； 5) 分类识别模块根据图片的特征描述将其识别为相应的结果字符串； 6) 数据传送输出识别结果字符串到指定的设备上； 4 为了 实现上述功能我们必须解决以下的问题： 1) 如何在外界条件不佳，干扰较多的情况下采集到清晰可分辨的图像； 2) 如何在复杂的环境中提高字符分割的成功率； 3) 如何在高清图片数据信息量较大的情况下快速的进行识别和处理； 4) 如何挑选保存识别出的有用信息到数据库，以便管理以及下次调用； 5) 如何完善识别样本，进一步优化参数设置，寻找更简洁高效可行的识别方法； 二、 总结 车
13、牌字符识别技术是智能交通识别系统的关键技术，是一个涉及图像处理技术、模式识别、计算机视觉、模糊神经网络和软件工程等多个领域的研究性课题。它具有广阔的市场和巨大的发展潜 力以及商业应用前景。纯图像识别是基于具体问题式的研究，应结合各种方法和各种实际车牌，从各方面比较优劣后得到最合适于解决实际车牌识别技术问题。实现对动态车辆和静态车辆的车牌号码进行信息采集并进行智能识别是整个系统要实现的功能。为了能获得高对比度的清晰车牌图像，必须在一个良好的环境下抓拍图片。目前的技术发展状态只能在具有辅助光源（如闪光灯）的情况下实现较好的抓拍，并且不包括车牌本身存在的污损和模糊不清的状况和闪光灯与抓拍之间是否同步
14、的问题。因此对于较差环境下的车牌识别还需要进一步的深入研究。所以要针对不同的车牌 成像环境特点和任务的特殊需要寻找最合适的解决方法。 三、 参考文献 1. 违章停车检测与识别算法 王殿海、胡宏宇、李志慧、曲昭伟；吉林大学学报 (工学版 )， Journal of Jilin University(Engineering and Technology Edition)，编辑部邮箱 2010年 01期 2. 支持向量机在车辆目标识别中的应用 冀振元、李晨雷、唐文彦；系统工程与电子技术； Systems Engineering and Electronics；编辑部邮箱 2010年 02期 3. 环
15、境下车辆前方多车道 识别方法 张润生、黄小云、马雷；农业机械学报；Transactions of the Chinese Society for Agricultural Machinery；编辑部邮箱 2010年 05 期 4. 基于图像处理的车牌识别系统的研究 刘鹃梅、刘泽平；电脑知识与技术 2010年 第 6卷 第 08 期 5. 路面车辆实时检测与跟踪的视觉方法 沈峘、李舜酩、柏方超、缪小冬、李芳培；光学学报；编辑部邮箱 2010年 04期 6. 交通车辆轮廓跟踪算法研究及其工程应用 高韬、刘正光、张军、杨正瓴；应用基础与工程科学学报； Journal of Basic Science
16、 and Engineering；编辑部邮箱 2010年 02 期 7. 日间高速公路侧后方车辆识别方法 金立生、贾敏、孙玉芹、侯海晶；西南交通大学学报；编辑部邮箱 2010年 02期 8. 基于立体视觉的轴距左右差检测新方法 单红梅、苏建、张立斌、苏丽俐、田永军；吉林大学学报 (工学版 ),编辑部邮箱 2010年 03 期 9. 基于隐马尔可夫模型的车牌自动识别技术 陈友仁、赵正校；微型电脑应用， 2001年第 17 卷第 3期 10. 基于模板匹配和神经网络的车牌字符识别方法 魏武、黄心汉等 ；模式识别与人工智能， 2001.14(1):123-126 11. 车牌识别系统中字符分割技术研
17、究 陈容红、刘玉娟、陶砂、肖莹；制造业自动化，2010年 5月 第 32卷第 5期 12. 行驶车辆的牌照识别系统 J 郭勇、吴乐男；测控技术与设备， 2000(11):37-40 13. 车牌字符识别技术 王鉴、黄山、严国莉、凌彤辉；中国测试技术， 2005 年 3月 第31卷第 2期 14. 基于颜色和纹理分析的车牌定位方法 J 郭捷等；中国图像图形学报，2002.7A(5):472-476 15. A model for optimizing electronic toll collection systems. Davidson Levinson, Elva Chang. Transportation Research Part A: Policy and Practice, 2003,37(4):293-301 16. 基于 Open CV 的计算机视觉技术实现 陈胜勇、刘盛等；科学出版社， 2008.5 17. Fowler JE Motion estimation and compensation in the redundant-wave let domain using triangle meshesJ. Cui S, Wang Y. Signal Processing; Image Communication, 2006,21(7):586-598
