基于MATLAB的车辆牌照识别系统

论文总字数：15254字

目 录

1 绪论--------------------------------------------------------------3

1.1 车牌识别研究背景----------------------------------------------3

1.2 车牌识别研究现状和趋势----------------------------------------3

1.3 车牌识别研究内容----------------------------------------------4

2 车牌识别系统模块设计及流程概述------------------------------------5

2.1 总体方案------------------------------------------------------5

2.2 软件程序平台的选取--------------------------------------------6

3 车牌识别系统算法及程序设计----------------------------------------6

3.1 车牌区域的定位提取分割---------------------------------------6

3.2 牌照区域的字符分割-------------------------------------------7

3.3 字符的匹配识别及输出----------------------------------------10

4 MATLAB平台的仿真结果及分析---------------------------------------11

5 结论-------------------------------------------------------------13

1 绪论

1.1 车牌识别研究背景

自改革开放以来，我国经济得到长足发展，人民生活水平不断提高，购买力上升，从而车辆数量迅速增加，这对于道路交通的管制要求不断增加，而相应的人工管理方式已不能满足实际的需要，顺应工业4.0的时代潮流，发展交通管理领域的自动化系统为管理效率的提高提供了强大助力。而车牌识别技术则是该领域的一个关键环节，通过车牌识别我们可以解决被纳入“黑名单”的通缉车辆，可以统计在一定时间范围内进出各省的车辆，对于各地区的交通管理和城市规划等有着极大的帮助。车辆牌照自动识别技术不仅有利交通管理本身、缓解交通阻塞，还为城市的治安与公安系统提供相应帮助，对于现代城市生活的优化具有十分重要的现实意义。

当前，为适应世界科技发展潮流，世界各国对于本国的车辆牌照自动识别技术都逐渐开始投入大量的研究精力，而美、日、韩等国都已有相关的技术并设计出对应的系统。基于我国高速发展现状，这一技术的应用迫在眉睫。然而，引用这些系统的费用比较高，并且由于各国标准化的车辆牌照和实际的道路交通情况都不尽相同，这些国外系统不论从理论上还是从实际试验上，都无法对我国的牌照做出准确的识别，根本不能投入应用。所以，结合国内交通和车辆牌照识别技术的现状，该领域的研究开发迫在眉睫，车辆牌照自动识别系统的优化以及投入使用对于我国人工智能和社会的发展有着相当重要的意义。

1.2 车牌识别研究现状

20世纪80年代，车辆牌照识别技术被首次提出，之后人们便对该领域进行不断地研究，研究过程中的关键就是对采集到的车牌图像进行分析，接着对图像中的车牌信息进行自动识别，最后输出所需的汽车牌照号码。在当时那个研究阶段，人们所关注的重心多是识别过程中的某个模块，对于整体过程的统筹研究较少。与此同时，所采用的识别技术也是早期最普通的字符识别和图像处理技术，并且最后的识别输出并不是人们所要的最终结果，还得经过后期的人为处理。进入20世纪90年代后，计算机视觉(ComputerVisionTchnology)和计算机性能的快速发展极大地推动了车牌识别领域的研究，车牌识别的系统化研究逐步展开。1990年，A.S.Johnson等首先提出了系统化的车辆牌照识别流程，该系统利用图像处理技术和计算机视觉，将识别的过程分为三大模块，分别为图像分割、特征提取和模板构造、字符识别。期间，主要用到了图像中各部分所对应的像素直方图不同，从而设置车牌位置的直方图阈值范围，确定车牌在整幅图像中的位置。最后，将预先设计好的标准字符模板与分割出的车牌中字符进行匹配，输出识别结果。虽然，在该阶段，车辆牌照识别的准确性提高了，但是在实时性方面，仍然没有得到突破，识别的速度有待提高。

进入21世纪，各个领域的技术研究发展迅猛，特别是近几年，有进入工业4.0的势头。而在车辆牌照识别系统的研究上，各种先进的算法逐渐被使用，例如：Morgan和Lotufo等使用了光学识别技术；Kim提出了将人工神经网络技术结合进车辆牌照识别系统的综合算法。另外，将人工神经网络和传统的模板识别技术相结合的算法也层出不穷，效果也是十分显著。在各种算法出现的前提下，车辆牌照识别技术日渐成熟，各种车辆牌照识别系统也逐渐被开发，这些系统多是由各国根据本国牌照标准自主研发，比如：美国的Perceptics开发的LPR-HR系统，新加坡的Optasia公司研发的LPRS系统等。以上这些国外的识别系统均是比较成熟的系统，识别的准确率较高，总体上能达到95%以上，更进一步的能同时对一幅图像中的多个牌照进行同时识别。

  在我国，车辆牌照识别技术的起步较晚，在20世纪90年代后，我国才开始意识到该领域对于社会现代化发展的重要性，并逐渐着手研发本国的车辆牌照识别系统。为迎合社会的快速发展和人民需求，我国在车辆牌照识别领域也投入了大量人力物力，在各高校原有的相关实验室基础上，将这一课题列为这些实验室的重点研究方向。在国家大力支持下，研究结果也是十分出众，黄志斌等提出了基于支持向量机（SVM）的字符识别技术；赵雪春等人提出了一种分类器的识别方法，该方法是基于彩色分割和多级混合集成分类器来实现的；中国科学院自动化所的刘智勇等在车牌的定位和切割上取得重大进展，他们在一个3180的样本集中进行车牌的识别，而车牌定位阶段的准确率为99.4%，切分阶段的准确率为94.5%；华中科技大学的陈振学等人在原图像提取出的车牌区域的字符分割与识别算法上有所突破，他们使用一维循环清零法，通过对垂直投影图进行一次扫描，对图像中存在的杂点和间隔符进行了有效的清除，分割准确率达到了96.8%。

虽然近几年在车辆牌照识别领域的算法层出不穷，车辆牌照识别系统的开发也逐渐趋于成熟，然而，各国车辆牌照的标准不同和识别环境的复杂多变对系统准确性的影响仍然是该领域亟需突破的方面，所以，车辆识别技术的开发依然具有很大的发展空间。

1.3车牌识别研究内容

车辆牌照自动识别系统是城市现代化建设中所必须研究的一个课题，所用研究领域为机器视觉和模式识别。车牌识别系统从原理上讲是一个为识别既定目标而专门设计的自动化计算机系统，该系统应用于对各种情况下拍摄的车辆牌照进行自动识别，步骤为在一幅有着车辆牌照的图像中自动定位提取牌照区域、自动分割牌照中的字符，最后对分割的字符图像进行识别，从而供管理人员读取使用。系统总体上被划分为硬件和软件两大板块。硬件设备一般由计算机、图像采集设备、辅助光源和数据传输线路。软件部分是系统的核心，主要是通过构建算法、编写对应程序来实现从摄像头获取的原图像到其中车牌字符识别输出的过程。 

在以上所说的算法和程序编写的这个过程中，一共有三个关键的技术点：牌照的定位和提取、字符分割和字符识别匹配。 

首先是车牌定位和提取。由于各类牌照图像拍摄的时候所处环境不同、是运动状态还是停止状态，这些对车牌定位和提取的准确性都会造成干扰。目前常用的方法有：基于直线检测的方法、机遇与域值化的方法、基于灰度边缘检测方法、基于彩色图像的车牌分割方法、神经网络法和基于矢量量化的牌照的定位的方法等。 

接着是字符分割。该过程主要是研究采取何种算法思路，对提取的牌照图像进行处理以利于更准确的分割以及分割时的方法。目前常用的方法主要有两种：基于连通域的分割算法、基于垂直投影的字符分割算法。 

最后是字符匹配识别。该过程主要用于处理被分割下来的字符，让其能被计算机识别，然后输出识别结果，即图像中的车牌号码。目前常用的方法主要有四种：结构识别、统计识别、模板识别和神经网络法。

2 车牌识别系统模块设计及流程

2.1 总体方案

一个标准规范的车辆牌照识别系统是一个缜密繁琐的系统，涉及到多个领域，要完成从原始图像采集到输出字符的匹配识别结果。这些个领域涉及硬件和软件两个部分，硬件部分主要是车辆牌照图像的采集以及数据的传输等，软件部分的设计主要围绕采集到的牌照图像的处理，包括了牌照定位提取、字符分割、字符识别匹配这三大部分（如下流程图所示），这也是本文所要研究的具体部分，最后便是将得到的匹配结果进行输出与传输。

原始图像

牌照定位提取

字符分割

字符识别匹配

输出识别结果

车辆牌照自动识别系统软件程序部分总体结构流程图

一：原始图像：由停车场、收费站或公路旁的图像采集设备获取。

二：牌照定位提取：对图像采集端传输过来的图像，首要操作便是将其中的车辆牌照提取出来，剔除背景等非有效信息。  

三：字符分割：对提取出的牌照进行预处理，然后采取基于垂直投影的字符分割算法得到单个的字符。 

四：字符识别匹配：使用模板匹配的方法，将分割下的字符与预先制作的标准模板库中的字符进行一一对照，选取最优匹配即为字符的识别结果。 

五：输出识别结果：将最佳匹配的字符组合成字符串，即图像中的车牌信息，输出到显示屏。

本文着重研究的是以上二三四三个步骤，也是车辆牌照识别系统的关键环节。三个步骤的具体操作如下：

（1）牌照定位: 

现实生活中，道路交通状况复杂，光照的变化和拍摄时不同的背景对在图像中定位牌照有着极大的干扰，如何提高牌照定位的准确性是尤为关键的一步，这将影响后续的工作。本文采用的方案是通过逐个像素扫描，统计色彩像素点的数量，拟定各类色彩像素数量的阈值参数，根据该阈值分别在x、y轴上确定牌照区域，找到符合汽车牌照的色彩像素区域，进而从原图像中把该区域提取出来。 

（2）牌照字符分割 : 

由于本文在完成牌照区域的定位和提取之后，牌照图像为彩色图像，所以，在进行分割之前先对图像采取相应的预处理操作，包括灰度化、空间滤波、二值化等操作。而在字符分割阶段，本文采用的是基于垂直投影的字符分割方法。基于垂直投影的分割算法的基本原理是对一幅图像中的字符进行垂直投影时，各个字符之间或者单个字符本身必定存在着间隙，反应出来的情况便是在间隙上的投影处在其局部最小值的附近，而对于本文具体化地应用到车辆牌照的字符分割上，这个位置应满足牌照的标准化书写方式 。鉴于垂直投影法能应对各种环境下的车辆牌照图像的字符分割，所以本文采用此方法以达到预想的分割效果。 

（3）牌照字符识别： 

字符识别方法目前有很多种，而使用较多的基础算法有两种，一种是基于模板匹配的算法，另一种是基于神经网络的算法。结合编程时间和所学知识的程度，本文采取的是基于模板匹配的字符识别算法，该算法编程易上手，程序运行效率高。基于模板匹配的算法基本原理为：首先根据所要识别字符的像素大小预先制作一个模板库，接着将二值化后的被分割字符进行尺寸大小的缩放，使其与字符模板库中模板的大小相对应，最后与所有的模板进行匹配，选取最优匹配作为识别结果输出。： 

剩余内容已隐藏，请支付后下载全文，论文总字数：15254字