汽車牌照識(shí)別技術(shù)的研究

1、 人工智能及識(shí)別技術(shù)本欄目責(zé)任編輯:唐一東汽車牌照識(shí)別技術(shù)的研究楊善友1,2(1.廣東農(nóng)工商職業(yè)技術(shù)學(xué)院,廣東廣州510663;2.華南理工大學(xué),廣東廣州510641摘要:該文首先綜述了汽車牌照識(shí)別系統(tǒng)的構(gòu)架,然后介紹了車牌定位、車牌字符識(shí)別的算法,最后對(duì)各種車牌識(shí)別技術(shù)作了一下比較,提出今后一些研究方向。關(guān)鍵詞:汽車牌照識(shí)別系統(tǒng);車牌定位;車牌字符識(shí)別;算法中圖分類號(hào):TP391文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1009-3044(200908-1989-02Research of License Plates Recognition TechnologyYANG Shan-you 1,2(1.Gu

2、angdong AIB Polytechnic College,Guangzhou 510663,China;2.South China University of Technology,Guangzhou 510641,ChinaAbstract:This paper gives a survey of License Plates Recognition firstly.Then it introduces the algorithms of license plate position and the arithmetic of distinguish the character s i

3、n license plate.At last some future trends are proposed.Key words:License Plates Recognition System;position of license plate;distinguish the character s in license plate;arithmetic1引言隨著我國(guó)社會(huì)經(jīng)濟(jì)、公路運(yùn)輸?shù)母咚侔l(fā)展,以及汽車擁有量的急劇增加。采用先進(jìn)、高效、準(zhǔn)確的智能交通管理系統(tǒng)迫在眉睫,車輛監(jiān)控和管理的自動(dòng)化、智能化在交通系統(tǒng)中具有十分重要的意義,車輛自動(dòng)識(shí)別系統(tǒng)能廣泛應(yīng)用于公路和橋梁收費(fèi)站、城市交通監(jiān)控

4、系統(tǒng)、港口、機(jī)場(chǎng)和停車場(chǎng)等車牌認(rèn)證的實(shí)際交通系統(tǒng)中,以提高交通系統(tǒng)的車輛監(jiān)控和管理的自動(dòng)化程度。汽車牌照自動(dòng)識(shí)別是智能交通管理系統(tǒng)中的關(guān)鍵技術(shù)之一。目前,國(guó)內(nèi)外汽車牌照的識(shí)別技術(shù)有IC 卡識(shí)別技術(shù)、條形碼識(shí)別技術(shù)、圖像處理技術(shù)、人工神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)。采用計(jì)算機(jī)視覺技術(shù)和圖像處理技術(shù)進(jìn)行車牌識(shí)別是一個(gè)發(fā)展方向?；跀?shù)字圖像處理的車牌識(shí)別系統(tǒng)主要由圖像的采集、牌照的定位、字符分割和字符識(shí)別四部分組成。傳統(tǒng)的字符識(shí)別方法有模板匹配法和特征匹配法等。但由于受光照條件,牌照自身清潔程度等因素影響,往往達(dá)不到滿意的要求。本文將對(duì)汽車牌照識(shí)別技術(shù)的幾種算法進(jìn)行綜述,對(duì)目前研究存在的問題進(jìn)行分析并指出今后的研

5、究方向。2汽車牌照識(shí)別系統(tǒng)汽車牌照識(shí)別(LPR 系統(tǒng)通過引入數(shù)字?jǐn)z像技術(shù)和計(jì)算機(jī)信息管理技術(shù),采用先進(jìn)的圖像處理、模式識(shí)別和人工智能技術(shù),通過對(duì)圖像的采集和處理,獲得更多的信息,從而達(dá)到更高的智能化管理程度。在LPR 系統(tǒng)產(chǎn)品的性能指標(biāo)中,識(shí)別率和識(shí)別速度難以同時(shí)提高其中原因既包括圖像處理技術(shù)不夠成熟,又受到攝像設(shè)備計(jì)算機(jī)等性能的限制。因此,研究高速準(zhǔn)確的定位與識(shí)別算法,是當(dāng)前的主要任務(wù)。汽車牌照識(shí)別系統(tǒng)構(gòu)架圖如圖1所示。車輛牌照識(shí)別系統(tǒng)一般可順序分為車輛圖像獲取,車輛牌照子圖像定位與分割,字符識(shí)別(OCR 三大部分,如圖2所示。圖2汽車牌照識(shí)別(LPR 系統(tǒng)流程在第一部分圖像捕捉與獲取中,主

6、要通過CCD 攝像頭與計(jì)算機(jī)的視頻捕捉卡直接相連來完成圖像采集,可以實(shí)時(shí)在監(jiān)控圖像中抓取到含有車輛的圖像。該部分功能可簡(jiǎn)單調(diào)用計(jì)算機(jī)視頻捕捉卡廠商提供的各種軟件開發(fā)包工具即可實(shí)現(xiàn)。汽車牌照識(shí)別(LPR 系統(tǒng)的關(guān)鍵在于第二和第三部分。牌照定位又決定其后的車牌字符識(shí)別,因此牌照定位是車牌識(shí)別系統(tǒng)的關(guān)鍵的關(guān)鍵,牌照定位就是從包含整個(gè)車輛的圖像中找到牌照區(qū)域的位置。目前,已經(jīng)提出了很多種方法,一個(gè)共同的出發(fā)點(diǎn)是:通過牌照區(qū)域的特征來判斷牌照,利用的車牌特征主要包括:車牌區(qū)域內(nèi)的邊緣灰度直方圖統(tǒng)計(jì)“特征”、車牌的幾何特征、車牌區(qū)域的灰度分布特征、車牌區(qū)域水平或垂直投影特征、車牌形狀特征和頻譜特征。根據(jù)不

7、同的實(shí)現(xiàn)方法,大致可以把現(xiàn)有的定位方法主要分為直接法,神經(jīng)網(wǎng)絡(luò)法以及基于矢量量化的方法。對(duì)車牌字符的識(shí)別,與通用的OCR 識(shí)別方法類似。目前用于車牌字符識(shí)別中的算法主要有基于模板匹配的OCR 算法以及基于人工神經(jīng)網(wǎng)絡(luò)的OCR 算法。2.1汽車牌照定位的方法從整個(gè)車輛圖像中提取出車拍的圖像是一種圖像分割技術(shù),目前常用的牌照定位的方法有以下幾種:1車牌邊框模板匹配法。就是應(yīng)用一個(gè)直角形狀的模板對(duì)整幅圖像進(jìn)行匹配,從而找到車牌邊框的4個(gè)直角。收稿日期:2009-01-10作者簡(jiǎn)介:楊善友(1980-,男,安徽霍山人,助教,華南理工大學(xué)在職碩士,研究方向:計(jì)算機(jī)網(wǎng)絡(luò)。圖1車牌識(shí)別系統(tǒng)構(gòu)架圖ISSN 1

8、009-3044Computer Knowledge and Technology 電腦知識(shí)與技術(shù)Vol.5,No.8,March 2009,pp.1989-1990,2000E-mail:eduf Tel:+86-551-569096356909641989本欄目責(zé)任編輯:唐一東人工智能及識(shí)別技術(shù)Computer Knowledge and Technology 電腦知識(shí)與技術(shù)第5卷第8期(2009年3月2Hough 變換法。由于Hough 變換常常被用來提取圖像中的直線段,因此該方法就是用Hough 變換找到組成車牌邊框的直線段。3基于形態(tài)學(xué)理論的車牌定位法。該方法采用形態(tài)學(xué)的膨脹技術(shù)生成

9、連通的區(qū)域圖像。4基于神經(jīng)元網(wǎng)絡(luò)車牌定位法。就是首先設(shè)計(jì)好神經(jīng)元網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù),然后采集大量圖像來訓(xùn)練網(wǎng)絡(luò),使網(wǎng)絡(luò)“記憶”車牌的特征,從而能找出其他車輛圖像中的車牌。5彩色汽車圖像牌照的定位法。該方法根據(jù)車牌的顏色找到車牌。6頻域分析方法。即采用頻率分析,以提取圖像邊緣的車牌定位法。方法1和2都是假定車牌的邊框是清晰的,但是實(shí)際的車輛圖像中由于有些車牌經(jīng)過日曬等原因已經(jīng)造成車牌邊框褪色,或者由于光照強(qiáng)度不同的原因?qū)е萝嚺频倪吙虿⒉欢际乔逦摹Ｏ喾创蟛糠周嚺频倪吙蚴帜：?、變形或者虧損斷裂。因而應(yīng)用這種方法是有很大局限性的。方法3十分費(fèi)時(shí),不適合實(shí)時(shí)系統(tǒng)的要求。方法4的代碼移植性能不好。方法5

10、受光照影響很大,不同的光照情況會(huì)使同一車牌呈現(xiàn)不同的顏色,出來起來相對(duì)困難。方法6可以較好地解決上述問題。頻域分析方法是基于邊緣圖像檢測(cè)的車牌定位法。所謂邊緣(或邊沿就是指其周圍像素灰度有階躍變化或屋頂變化的那些像素的集合。邊緣廣泛存在于物體與背景之間、物體與物體之間、基元與基元之間,圖象的邊緣是圖象的最基本的特征。人們觀察物體的時(shí)候,首先看到的最清楚的部分就是邊緣和線,根據(jù)邊緣和線的組成,便可以知道物體的構(gòu)造,所以邊緣提取是圖形處理、特征提取中的重要技術(shù)。在車輛圖象中,位于車牌字符的筆畫上的點(diǎn)與其背景上的點(diǎn)的灰度特性存在某種不連續(xù)性,這種不連續(xù)性從字符筆畫區(qū)過度到背景區(qū)的邊緣所引起。因此,利

11、用邊緣檢測(cè)技術(shù)可以檢出字符筆畫上的邊緣像素點(diǎn)集。目前邊緣檢測(cè)的方法有很多,其基本原理都是對(duì)圖象進(jìn)行微分來達(dá)到邊緣檢測(cè)的目的。微分運(yùn)算的結(jié)果表明,凡是灰度迅速變化的點(diǎn)都具有較高的微分值。常用的邊緣檢測(cè)操作數(shù)有:Robert 邊緣操作數(shù)、Prewitt 邊緣算子、拉普拉斯操作數(shù)、Sobel 邊緣操作數(shù)等。2.2汽車牌照字符識(shí)別牌照字符識(shí)別就是根據(jù)定位的牌照區(qū)域的圖像識(shí)別出字符。在牌照區(qū)域被定位以后,還存在著諸如牌照傾斜、圖像質(zhì)量差等問題。對(duì)車牌字符的識(shí)別,目前常用的方法有基于神經(jīng)網(wǎng)絡(luò)的方法、基于模板匹配的方法、基于字符特征的方法等。這些方法通常是在定位好車牌后進(jìn)行歸一化、二值化,以獲得與標(biāo)準(zhǔn)模板一

12、致的車牌圖像,然后進(jìn)行模板匹配或提取特征進(jìn)行識(shí)別。2.2.1前面提到的BP 神經(jīng)網(wǎng)絡(luò)就是很好的車牌字符識(shí)別的方法BP 網(wǎng)絡(luò)模型結(jié)構(gòu)如圖3。BP 算法是把一組樣本輸入輸出問題轉(zhuǎn)化為一個(gè)非線性優(yōu)化問題,建立在梯度下降法的基礎(chǔ)上,利用迭代運(yùn)算求解權(quán)值問題的一種學(xué)習(xí)方法。已經(jīng)證明,具有Sigmoid 非線性函數(shù)的三層神經(jīng)網(wǎng)絡(luò)可以以任意精度逼近任何連續(xù)函數(shù)。應(yīng)用BP 神經(jīng)網(wǎng)絡(luò)來進(jìn)行牌照字符的識(shí)別過程如圖4所示。 圖4牌照字符的識(shí)別過程主要包括三個(gè)部分:首先將待識(shí)別的字符進(jìn)行預(yù)處理,接著進(jìn)行歸一化處理提取圖像的特征和紋理特征作為神經(jīng)網(wǎng)絡(luò)的輸入,訓(xùn)練相應(yīng)的權(quán)值矩陣,實(shí)現(xiàn)字符的分類,將輸出作為識(shí)別的結(jié)果。利用

13、BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行車牌字符識(shí)別,其中對(duì)數(shù)字、字母的識(shí)別率很高,漢字的識(shí)別率并不理想。由于漢字的復(fù)雜結(jié)構(gòu),在預(yù)處理階段往往產(chǎn)生粘連等情況,這種方法還不是十分理想,需要進(jìn)一步的研究。2.2.2遺傳算法(GA 是克服BP 算法存在收斂速度慢、容易陷入局部極小等缺點(diǎn)的有力工具GA 神經(jīng)網(wǎng)絡(luò)就是將GA 作為神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法,對(duì)神經(jīng)網(wǎng)絡(luò)的權(quán)系數(shù)和閾值進(jìn)行編碼,形成所謂染色體,然后模擬自然界的進(jìn)化過程,對(duì)染色體進(jìn)行選擇、交叉以及變異操作,使染色體不斷進(jìn)化,最終產(chǎn)生代表問題最優(yōu)解的染色體,再經(jīng)反編碼得到優(yōu)化的網(wǎng)絡(luò)權(quán)系數(shù)和閾值。與BP 算法不同,GA 在網(wǎng)絡(luò)學(xué)習(xí)過程中不采用梯度和其他輔助信息,只根據(jù)適應(yīng)度的大

14、小對(duì)神經(jīng)網(wǎng)絡(luò)權(quán)系數(shù)和閾值的編碼進(jìn)行遺傳操作,得到最優(yōu)解。其要解決的主要問題是:1如何對(duì)權(quán)系數(shù)和閾值進(jìn)行編碼;2定義適應(yīng)度函數(shù);3構(gòu)造有效的遺傳算子。GA 神經(jīng)網(wǎng)絡(luò)能快速、穩(wěn)定地收斂,并且在實(shí)際應(yīng)用中識(shí)別速度和正確率較BP 神經(jīng)網(wǎng)絡(luò)都有了顯著提高,能很好地滿足實(shí)際系統(tǒng)的要求。3對(duì)幾種汽車牌照識(shí)別技術(shù)的總結(jié)“IC 卡識(shí)別技術(shù)、條形碼識(shí)別技術(shù)、圖象處理技術(shù)”這三種方法存在著使用成本高、識(shí)別速度慢等缺點(diǎn)。由于人工神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)有良好的自適應(yīng)性、自組織性,很強(qiáng)的學(xué)習(xí)功能、聯(lián)想功能和容錯(cuò)功能,使得識(shí)別率高,抗干擾能力強(qiáng),因此越來越多地受到人們的廣泛關(guān)注與應(yīng)用。目前廣泛采用的是基于BP 算法的多層前饋神經(jīng)

15、網(wǎng)絡(luò)。但由于BP 算法具有一些特定局限性,其學(xué)習(xí)過程容易陷入誤差函數(shù)的局部極值點(diǎn)。如果神經(jīng)網(wǎng)絡(luò)的權(quán)系數(shù)初值設(shè)置不當(dāng),就很容易使學(xué)習(xí)過程收斂緩慢甚至不收斂,其學(xué)習(xí)過程較長(zhǎng)。這使得人工神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)的應(yīng)用受到許多限制。遺傳算法具有全局最優(yōu)搜索能力和天然的增強(qiáng)式學(xué)習(xí)能力,成為克服BP 算法缺點(diǎn)的有力工具。4存在的問題及研究方向從20世紀(jì)80年代以來,世界各國(guó)投入了大量的人力、物力進(jìn)行汽車牌照識(shí)別系統(tǒng)的研究.時(shí)隔20多年,仍然沒有一個(gè)成熟系統(tǒng)的識(shí)別率達(dá)到100%。在以后的研究過程中,認(rèn)為下述方面有待突破:改善硬件:提高CCD 的采集精度以及圖像采集卡的采樣率。這是從源頭上改善圖像質(zhì)量?，F(xiàn)在有很多成熟

16、的產(chǎn)品,如NI 公司的IMAQ 系列數(shù)據(jù)采集卡。(下轉(zhuǎn)第2000頁(yè)圖3BP 網(wǎng)絡(luò)模型結(jié)構(gòu)1990 本欄目責(zé)任編輯:唐一東多媒體技術(shù)及其應(yīng)用Computer Knowledge and Technology電腦知識(shí)與技術(shù)(上接第1990頁(yè)高速運(yùn)動(dòng)圖像處理技術(shù):當(dāng)今最先進(jìn)的汽車牌照識(shí)別系統(tǒng)只能識(shí)別車速低于120km/h的汽車牌照,而且識(shí)別率隨著車速的提高而降低。而現(xiàn)在隨著公路質(zhì)量的提高以及汽車技術(shù)的發(fā)展,車速越來越高。要使汽車牌照識(shí)別系統(tǒng)(LPR很好的完成充當(dāng)智能交通系統(tǒng)“眼睛”的功能,就必須提高LPR在高速情況下的識(shí)別能力,需要高速圖像處理技術(shù)的進(jìn)一步提高。對(duì)字符識(shí)別部分,可以進(jìn)一步優(yōu)化,使之接

17、近于人的識(shí)別功能。系統(tǒng)的通用性和可升級(jí)性:現(xiàn)在,世界上的汽車牌照沒有一個(gè)統(tǒng)一標(biāo)準(zhǔn),而且一個(gè)國(guó)家的汽車牌照也在隨時(shí)間而發(fā)生變化。這就需要LPR系統(tǒng)能夠充分適應(yīng)各種汽車牌照并能方便的升級(jí)換代。選擇適當(dāng)?shù)拈_發(fā)系統(tǒng),有利于保持開發(fā)的可維護(hù)性以及持續(xù)性。如NI公司的IMAQ Vision等。5結(jié)束語(yǔ)隨著計(jì)算機(jī)和視頻技術(shù)的發(fā)展,車牌自動(dòng)識(shí)別系統(tǒng)己成為智能交通系統(tǒng)的重要組成部分,并已廣泛應(yīng)用于車輛追查和跟蹤、車輛出入控制、公路收費(fèi)監(jiān)控等領(lǐng)域。在科技飛速發(fā)展的今天,雖然車牌自動(dòng)識(shí)別系統(tǒng)在日趨完善,但是識(shí)別系統(tǒng)的關(guān)鍵技術(shù)車牌區(qū)域定位分割和車牌字符識(shí)別,仍然是值得我們不斷探討和研究的課題,追求更高的車牌識(shí)別正確率

18、永遠(yuǎn)是我們共同努力的目標(biāo)。參考文獻(xiàn):1劉陽(yáng).數(shù)字圖像處理應(yīng)用于車輛牌照識(shí)別的研究J.遼寧大學(xué)學(xué)報(bào):自然科學(xué)版,2004,31(1:67-70.2林蔚天.圖像處理與汽車牌照識(shí)別J.山東理工大學(xué)學(xué)報(bào):自然科學(xué)版,2003,17(6:30-34.3高偉,劉喜平.基于粗糙集的車牌字符識(shí)別方法J.山西大學(xué)學(xué)報(bào):自然科學(xué)版,2005(3:33-36.4安化萍,丁勁生,高滿屯.基于Sobel垂直算子檢測(cè)的車牌定位算法J.計(jì)算機(jī)工程與設(shè)計(jì),2005,26(8:30-32.5王年,熊原,趙海峰,等.基于神經(jīng)網(wǎng)絡(luò)的汽車牌照自動(dòng)識(shí)別J.安徽大學(xué)學(xué)報(bào):自然科學(xué)版,2000,24(1:45-50.6錢華,芮延年.基于人

19、工智能的汽車牌照自動(dòng)識(shí)別技術(shù)的研究J.機(jī)電產(chǎn)品開發(fā)與創(chuàng)新,2005,18(5:43-45.7方凱,方敏.基于Canny邊緣檢測(cè)的車牌字符分割方法J.電腦知識(shí)與技術(shù),2007(5:376-378.顯示的圖形、文本、動(dòng)態(tài)視頻進(jìn)行實(shí)時(shí)裁剪,這樣可以制作一些課件插圖,加深學(xué)生的印象,GrabIt Pro主界面(見圖3。對(duì)圖像來說,不但要進(jìn)行剪裁處理,而且還要在這個(gè)過程中修飾圖像,拼接合并,以便能得到更好的效果。對(duì)于聲音來說,音樂的選擇,配音的錄制也要事先做好,必要時(shí)也可以通過合適的編輯進(jìn)行特殊處理,以Internet Audio Mix為例(見圖4,可以實(shí)現(xiàn)回聲、放大、混聲等。最后,這些媒體都必須轉(zhuǎn)換

20、為系統(tǒng)開發(fā)環(huán)境下要求的存儲(chǔ)和表示形式。3.5腳本設(shè)計(jì)腳本是多媒體課件系統(tǒng)的主干,它必須覆蓋整個(gè)多媒體系統(tǒng)結(jié)構(gòu)。各種媒體信息的結(jié)構(gòu)需要仔細(xì)安排,是組織成網(wǎng)狀形式,還是組織成層次結(jié)構(gòu)形式,取決于應(yīng)用的類型。很多情況下的應(yīng)用都是采用按鈕式結(jié)構(gòu),由按鈕確定下一級(jí)信息的內(nèi)容,或者使用采用菜單式結(jié)構(gòu),復(fù)雜一些的是超媒體信息組織,應(yīng)盡可能地建立起相關(guān)的鏈接關(guān)系。腳本制作任務(wù)可分為兩個(gè)方面:一是素材制作,二是集成制作。素材制作是各種媒體文件的制作。無論文本錄入,圖像掃描,聲音和視頻信號(hào)采集處理,均要經(jīng)過多道步序才可能進(jìn)行集成制作。集成制作是應(yīng)用系統(tǒng)最后生成的過程。許多多媒體/超媒體創(chuàng)作工具,實(shí)際上是對(duì)已加工好的素材進(jìn)行最后的處理與合成,即是集成制作工具。集成制作是可以先采用少量最典型的素材,對(duì)交互性進(jìn)行“模擬”制作。而全面制作必須在模擬制作獲得確認(rèn)后再進(jìn)行。系統(tǒng)中有多少個(gè)播放界面就需要設(shè)計(jì)多少個(gè)腳本,通過腳本可以反映出課件作品的