文档介绍：《数字图像处理》车牌识别(车牌定位) 学院: 班级: 学号: 姓名: 一、车牌识别系统的背景、现状和发展趋势 1. 车牌识别系统的背景及研究意义随着经济社会的迅猛发展, 人们的生活水平的提高, 机动车辆的数量也越来越多。为了提高车辆的管理效率, 缓解公路上的交通压力, 我们必须找到一种解决方案。而作为汽车“身份证”的汽车车牌,是在公众场合能够唯一确定汽车身份的凭证。我们可以以此为依据,设计一种车牌识别系统监控各个车辆的情况。为此, 我国交通管理部门对汽车车牌的管理非常重视并制定了一套严格的管理法规。其中对汽车车牌的制作、安装、维护都要求由制定部门统一进行管理。在此基础上, 如果研制出一种能在公众场合迅速准确地对汽车牌照进行自动定位识别的系统(CPR) ,那么这将是一件非常有意义的工作,并将极大地提高汽车的安全管理水平及管理效率。车辆牌照定位与识别是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一, 该技术应用范围非常广泛, 其中包括: (1) 交通流量检测; (2) 交通控制与诱导; (3) 机场、港口等出入口车辆管理; (4) 小区车辆管理; (5) 闯红灯等违章车辆监控; (6) 不停车自动收费; (7) 道口检查站车辆监控; (8) 公共停车场安全防盗管理; (9) 计算出行时间; (10) 车辆安全防盗、查堵指定车辆等。其潜在市场应用价值极大,有能力产生巨大的社会效益和经济效益。如图 1 所示, LPR [1] 的部分应用: 图1 LPR 在收费口、道路监控和停车管理中的应用近些年, 计算机的飞速发展和数字图像技术的日趋成熟,为传统的交通管理带来重大转变。先进的计算机处理技术, 不但可以将人力从繁琐的人工观察、检测中解放出来, 而且能够大大提高其精确度, 汽车牌照自动识别系统就是在这样的背景与目的下进行开发的。汽车牌照自动识别系统( VLPRS ) 是对由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学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、开运算、闭运算、区域标识等多种手段以提取车牌区域,进而达到对汽车牌照的精确定位并最终完成对汽车牌照的识别。从 20 世纪 80 年代, 国内外的研究人员就开始了对车牌识别系统的研究。在车牌识别的过程中, 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被污染而模糊等条件的影响, 使得车牌识别系统一直处于实验室阶段,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,不能很好地满足实时性要求。为了解决图像恶化的问题, 目前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。虽然提高了识别率, 但是,这同时也造成了系统的投资成本过大,应用领域变窄,不能普遍推广应用。车辆牌照定位与识别是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一, 该技术应用范围非常广泛。国外汽车牌照识别系统研究工作已有一定进展, 但并不尽合我国国情。我国汽车牌照的规范悬挂位置不唯一, 并且由于环境、道路或人为因素造成汽车牌照污染严重, 这种情况下国外发达国家不允许上路, 而在我国仍可上路行驶等。由于我国汽车车牌识别的特殊性, 采用任何一种单一识别技术均难以奏效。目前正在研制的无源型汽车牌照智能识别系统综合利用了车辆检测技术、计算机视觉(Computer Vision) 技术、图象处理技术、人工智能技术和人工神经网络技术等, 是一个比较有发展前途的车牌识别系统。 2. 车牌识别系统的国内外现状车牌自动识别技术的研究国外起步地较早。早在 20 世纪 80 年代,便有一些零零散散的图像处理方法用于车牌自动识别的某些具体应用。在这个阶段, 车牌自动识别技术的研究还没有形成完整的系统体系, 一般采用简单的图像处理方法来解决某些具体问题, 并且最终结果通常需要人工干预。进入 20 世纪 90 年代后, 车牌自动识别的系统化研究开始起步。典型的如 n 等提出车辆牌照的自动识别系统分图像分割(Image Segment) 、特征提取(Feature Extraction) 和模板构造(Template Formation) 、字符识别(CharacterRecognition) 等三个部分,完成车牌的自动识别。 使用视觉字符识别技术(Optical Character Recognition Technology) 分析所获得的图像, 首先在二值化图像中找到车牌, 然后用边界跟踪技术提取字符特征, 再利用统计最邻近分类器(Statistical Nearest Neighbor Classifying System) 与字符库中的字符比