文档介绍：基于神经网络的车牌识别系统
吕井伟
南阳师范学院计算机与信息技术学院
主要研究内容及研究方法。
系统工作原理:
当车辆通过时,车辆检测装置受到触发,启动图像采集设备获取车辆的正面或反面图像,并将图像传至计算机,由车牌定位模块提取车牌,字符分割模块对车牌上的字符进行切分,最后由字符识别模块进行字符识别并将识别结果送至监控中心或收费处等应用场合。
汽车车牌的识别过程主要包括车牌定位、字符车牌分割和车牌字符识别三个关键环节。其系统程序框图如下:
字符识别
字符分割
车牌定位
边缘提取
图像预处理
原始图像

原始图像:由数码相机或其它扫描装置拍摄到的图像
图像预处理:对动态采集到的图像进行滤波,边界增强等处理以克服图像干扰
边缘提取:通过微分运算,二值化处理,得到图像的边缘
车牌定位:计算边缘图像的投影面积,寻找峰谷点,大致确定车牌位置,再计算此连通域内的宽高比,剔除不在域值范围内的连通域。最后得到的便为车牌区域。
字符分割:利用投影检测的字符定位分割方法得到单个的字符
字符识别:利用模板匹配的方法与数据库中的字符进行匹配从而确认出字符,得到最后的汽车牌照,包括英文字母和数字。
主要研究成果,特别要说明主要的科学发现和创新之处
用vc++语言设计出了一套车牌识别系统的软件,经调试可以识别车牌的颜色和数字具有一定的实用价值。
在南阳师范学院学报上发表了两篇关于计算机图像处理的论文《基于弧向判定法的方法》和《三种屏幕截图技术的比较》,提出了一种基于方向区域距离测度的彩色边缘检测新方法。
在车牌定位时考虑了车牌字符颜色和底色的固定搭配,提出了边缘颜色对的新概念,并将此约束应用于彩色边缘检测,在车牌定位的初始阶段最大限度地突出了车牌区域,然后结合车牌的结构特征和纹理特征提取车牌。采用边缘颜色对后使边缘点数大大减少并且删除了具有与车牌相似的结构和纹理特征的非车牌区域边缘点。它不仅能提供车牌的颜色信息而且能在车牌底色与车牌周围颜色相近及底色褪色或图像中存在与车牌相似的结构和纹理特征的非车牌区域时,有效地提取车牌,提高了车牌定位的可靠性和准确率。该方法选择接近人的视觉特点的HSV颜色模型作为彩色空间,对色调进行正交化以消除模2π的影响,根据彩色边缘的方向性和多尺度特性提出方向区域距离测度的概念进而构建了新的彩色边缘检测方法,该方法能获得更多的边缘信息,对噪声具有更好的鲁棒性。
表1 车牌识别的时间
计算时间(ms)
80~90
90~100
100~110
110~120
120~160
>160
图像数量(幅)
472
120
397
527
521
54
研究成果的科学意义和应用前景
近几年来,车牌识别技术成为了一个热门课题。如果对汽车牌照能够正确识别,就可以实现在交通路口、高速公路、军事要塞、机关门卫对过往车辆的实时登记、流量统计和对防卫目标的安全警备,对肇事车辆、被盗车辆、犯罪车辆进行辨识和拦截;就可以实现在汽车存车场对进出的车辆进行登记、统计和查询,以保障安全防盗,并可协助自动计费。而这些都是建设智能交通系统不可或缺的部分。
车牌识别系统通过引入数字摄像技术和计算机信息管理技术,采用先进的图像处理、模式识别和人工智能技术,通过对图像的采集和处理,获得更多的信息,从而达到