[开题报告]车牌识别系统中定位算法的研究.doc

宁波理工学院毕业论文（设计）开题报告（含文献综述、外文翻译）题 目 车牌识别系统中定位算法的研究 姓 名 黄 泽 学 号 3060433088 专业班级 06自动化1班 指导教师 崔 家 林 分 院 信息科学与工程分院 开题日期 2010年 3 月 25日 第1章 文献综述1.1 国内外现状汽车牌照识别技术(License Plate Recognition, LPR)是智能交通系统(ITS)的重要组成部分，多应用在电子计费领域。LPR 系统是一个以特定目标为对象的专用计算机视觉系统，该系统能从一幅图像中自动提取车牌图像，自动分割字符，运用模式识别、人工智能技术，实时准确地自动识别出车牌的数字、字母及汉字字符，使得车辆的电脑化监控和管理成为现实。常用的LPR 识别技术有IC卡识别技术、条形码识别技术和图像处理识别技术。基于图像处理技术的LPR 系统无需在车上额外安装条形码或者IC卡，因而不必改造现有的车辆系统，相对其他两种识别技术来说适用面广，更容易普及1。车牌识别技术作为交通管理自动化的重要手段和车辆检测系统的一个重要环节,该技术能经过图像抓拍、车牌定位、图像处理、字符分割、字符识别等一系列算法运算,识别出视野范围内的车辆牌照号码,它运用数字图像处理、模式识别、人工智能技术,对采集到的汽车图像进行处理的方法,能够实时准确地自动识别出车牌的数字、字母及汉字字符,并以计算机可直接运行的数据形式给出识别结果,使得车辆的电脑化监控和管理成为现实。其在交通监视和控制中占有很重要的地位。车牌识别技术的研究最早出现在20 世纪80 年代,这个阶段的研究没有形成完整的系统体系,而是就某一具体的问题进行研究,通常采用简单的图像处理方法来解决。识别过程是使用工业电视摄像机( Industrial TV Camera) 拍下汽车的正前方图像,然后交给计算机进行简单处理,并且最终仍需要人工干预2。从20 世纪90 年代初，国外的研究人员就已经开始了对车牌识别的相关研究，其中具有代表性的工作有：R.Mullot 等开发的一种可以同时用于集装箱和普通车辆的车牌识别系统，该系统主要是利用文字的纹理在车辆图像中的共性进行定位与识别。Yuntao Cui 提出了一种车牌识别系统，在车牌定位以后，利用马尔科夫场对车牌特征进行提取和二值化。R.Parisi 利用 DSP 和神经网络技术开发出了一套车牌识别系统，他在字符识别中使用了一种非传统的 DFT 技术，实验证明效果不错。Tindail 利用车牌反光的原理开发出一种车牌识别系统，该系统可识别全部五种英国格式的车牌。Young Sung Soh 开发出一套实时车牌识别系统，据报道该系统的车牌定位正确率可以达到99.2%3。国内不少学者也在进行车牌识别方面的研究。产品方面比较成熟的有中科院自动化研究所汉王公司的“汉王眼”，深圳吉通电子有限公司以及信息产业部下属的中智交通电子有限公司也有自己的产品。实验室方面，西安交通大学的图像处理和识别研究室、清华大学人工智能国家重点实验室、浙江大学的自动化系等在车牌识别方面有各自独立的研究，并取得了一定的成绩。1.2 研究方向车牌识别技术的任务是处理、分析摄取的视频流中复杂背景的车辆图像,牌照字符定位、字符分割,最后自动识别汽车牌照上的字符4。为了保证汽车车牌识别系统在各种复杂环境下,能发挥其应有的作用,识别系统势必追求如下目标:1. 鲁棒性现今车牌识别系统之所以没有大规模投向市场，其主要原因就是系统的正确识别率往往不稳定，在很大程度上会出现误判，漏判。所以，今后的发展趋势要求系统在任何情况下均能可靠正常地工作,且有较高的正确识别率。2. 实时性在不同的交通区域，不同的时间段，交通流量都存在很大的区别，这就要求不论在汽车静止还是高速运行情况下,图像的采集识别系统必须在一定时间内识别出车牌全部字符,达到实时识别。3. 抗干扰性车牌采集及识别系统一般都工作在较为恶劣的环境下，风吹日晒，雨雪天气都给系统造成了很大的困扰。为保证系统的正确识别率，要尽最大可能排除由光线、天气、角度等原因造成的影响，完善抗干扰和紧急预警机制。4. 系统性随着智能交通系统的快速发展，对车牌识别系统也提出了更高的要求。新一代的系统需要集智能检测、数字图像处理、自动化控制于一体的高效智能控制系统。实现高速收费点监测，电子警察，停车场智能系统等更多应用领域。1.3 进展情况关于车牌自动识别技术的研究国外起步比较早，国外学者关于汽车牌照识别技术发表了大量的论文和文献。目前，西方发达国家的LPR系统已经进入了实用化阶段，全世界已有多家厂商推出此类产品，如香港的Aisa Vision Technology公司推出的VECON系统，新加坡Potasia公司推出的IMPS(Integrated Multi-Pass)，以色列Hi-Tech公司推出的See/Car system。这些产品在一定的条件下能够提取出车牌，但车牌识别系统大多是利用摄像机室外拍摄汽车图像，存在许多客观的干扰，如天气、背景、车牌磨损、牌照倾斜等因素，因此定位并不十分理想，而且对于其它国家的车牌并不能很好地识别，特别是我国的车牌，由于汉字的特殊性，往往会产生拒识或误识的现象。九十年代以来，由于交通现代化发展的需要，我国也开始对车牌识别技术进行深入地研究，并取得了一定的成效。定位算法方面，国内国外都提出了很多比较好的算法5，但是由于车牌识别是一项综合的多学科技术，而需要识别的图片在不同情况下也是极其复杂多变的，所以，这些算法都存在一定的缺陷，不利于推广。尽管难度很大，近年来我国在车牌识别领域仍取得很大的成就，拥有了相对成熟的产品，开始进入应用阶段。国内做得较好的产品主要有中科院自动化研究所汉王公司的“汉王眼”，亚洲视觉科技有限公司、智慧光科技(深圳)有限公司，深圳市科安信实业有限公司，中国信息产业部下属的中智交通电子系统有限公司等都有自己的产品，它们宣传产品的整牌识别率都在90%以上，但要在光照充足，车牌干净等前提下才能达到。而对于车牌图形对比度低，车牌模糊污损的情况下识别率明显下降，因此，车牌识别技术仍有必要进一步提高。1.4 实现难点车牌定位的主要工作是从摄入的汽车图像中找到汽车牌照所在的位置，并把车牌从该区域中准确地提取出来，供字符分割使用。因此，牌照区域的确定是影响系统性能的重要因素之一。车牌定位是车牌识别技术的一个关键技术，牌照定位的准确与否直接影响到字符分割和字符识别的准确率，并且直接影响着车牌识别系统的效率。由于车辆图像都是采集于自然环境当中，而在自然环境中车牌和背景的成像条件一般是不可控制的，随机变化的因素(尤其是光照条件)和复杂的背景信息给目标搜索带来巨大的困难，不同的光照下，车牌的颜色、亮度、明暗对比度变化都很大，背景信息往往比车牌信息更加复杂，某些背景区域又可能与车牌区域差异不大。再加上拍摄距离、角度的不同，要从种种干扰中区分出车牌区域是十分困难的。而车牌区域在整幅图像中所占的比例比较小，要从整幅图像中定位车牌区域必然要在大量的背景信息中搜索，而且应用的特殊性，要求快速、准确地完成车牌定位。如果没有高效率的搜索方法，就要耗费很多的计算时间和存储空间。所以车牌定位技术一直以来是一个难点，是车牌识别技术中的一个关键技术环节。在实际应用中，依据所选择的不同特征，可采用不同的定位方法。主要是利用车牌区域特征，通过彩色信息分析、阈值分割、边缘检测、人工神经网络、数学形态学以及遗传算法等诸多方法及其融合实现车牌定位6。但是，车牌定位是整个车牌识别系统中较难解决的问题，定位精度和定位时间直接影响整个车牌识别系统的性能，近年来车牌识别系统的核心技术车牌定位技术已有了飞速发展，但在提高识别正确率及系统稳定性方面仍是一个研究热点。参考文献1 蔡立平车牌识别系统中的车牌定位算法研究J科技信息，2009，第2期，91-922 闫青，王亮亮浅析车牌识别技术J山东商业职业技术学院学报，2009，第9卷，第3期，126-1293 陈 辉，王 伟车牌识别技术研究J科技传播，2009，第9期，444 夏劲，郭红卫 国内外城市智能交通系统的发展概况与趋势及启示J科技进步与对策，2003，第1期，176-1795 杨萱 车牌识别系统中定位算法的研究D南京：南京航空航天大学，20086 C.H.Coetzee PC Based Number Plate Recognition Systems JIn Proc.IEEE InternationalSymposium on Industrial Electronics，1999，Vol.1，No.1，605-6107 王笑京ITS在中国的发展8 蔡文沁我国智能交通系统发展的战略构想J交通运输系统工程与信息，2003，第3卷，第1期，16-229 Javier Cano and Juan-Carlos Perez-Cortes F.J.Perales et al.(Eds.):Vehicle License PlateSegmentation in Natural Images,IbPRIA 2003,LNCS 2652,2003._c Springer-Verlag BerlinHeidelberg 2003:142-14910 尹令车牌自动识别系统的研究及其在VC+中的实现D湘潭：湘潭大学计算控制技术与控制理论应用，2003，1-311 朱志刚 数字图像处理基础M北京市：清华大学出版社，200512 张引面向车辆牌照字符识别的预处理算法J计算机应用研究，1999，第7期，85-8713 粟彦平数字图像处理在智能交通系统中的应用研究D大连：大连理工大学，200514 周旭，朱建林，向尕 集成化语言Matlab 的Simulink 仿真研究J 湘潭大学自然科学学报，2000，第22卷，第1期，99-10215 贾秋玲，袁冬莉，栾云凤基于MATLAB7.X/Simulink/Stateflow系统仿真、分析及设计M西安市：西北工业大学出版社，2006.第2章 开题报告2.1 选题的背景与意义随着世界经济的发展，各国汽车数量不断增加，城市交通拥挤和堵塞状况日益受到人们的重视。如何有效地进行交通管理，越来越成为各国政府和有关部门所关注的焦点问题。针对交通迅速发展所引起的一系列问题，ITS(IntelligentTransportation System)智能交通系统的思想被提到了重要位置。它是以信息技术为代表的高新技术在道路交通运输中的集成应用，是先进的信息技术、数据传输技术、控制技术及计算机处理技术等技术结合应用的综合管理系统。实质上，从系统的观点出发，就是把车辆和道路综合起来考虑，运用各种高新技术系统解决道路交通问题，将传统的交通系统改造成一种信息化、智能化、社会化的新型交通系统。我国从70年代开始在传统的交通运输和管理中应用了电子信息技术7，随着社会的发展与进步，我国的道路在未来20年内仍然处于建设阶段8，这期间正是智能交通系统在世界范围内进入全面实施的阶段，因此由我国公路交通的实际需要来说，对在我国公路网中应用智能交通系统来提高交通效率、保障安全和保护环境进行探讨，是十分必要的。智能交通系统中一般都包括车辆检测装置，通过这些装置可以对过往的车辆实施检测，提取相关交通数据，达到监控、管理和指挥交通的目的。其中，汽车牌照的自动识别是车辆检测系统中的一个重要环节，它在交通监视和控制中占有很重要的地位，是实现交通管理现代化和智能化的重要前提。汽车牌照的识别问题已经成为现代交通工程领域中研究的重点和热点之一9。目前，对汽车牌照进行识别可以采用IC卡识别技术或者条形码识别技术两种，但是由于造价昂贵和必须要在全国制定统一的标准等问题，使得这两种方法推广不易。而基于数字图像处理的车牌识别是一种智能识别方法，这种方法不需要在汽车上安装任何发送车牌号码的车载发射设备，对运动或者静止的车辆均可以进行非接触性信息采集并实时识别，从而节省了辅助设备，降低了成本，提高了识别速度，可以较好的解决实时性和异地适应性问题。但是由于天气、环境、照明、车速以及车辆自身的状况等很多原因，所得到的图像可能存在大量的噪声和变形，同时还有可能存在车牌被遮挡的情况，从而影响识别率10。另外，利用数字图像处理技术进行车牌识别还有一个十分显著的特点，就是所采用的识别算法对车牌识别的正确率和识别速度有直接的影响。因此，研究基于数字图像处理的汽车牌照识别方法，对于提高车牌识别算法的性能具有十分重要的实际意义。2.2 研究的基本内容基于图像处理技术的LPR 系统的最终目标是从图片中识别出所有车牌号码。如果直接从采集到的图片中寻找车牌字符，以现有的图像处理技术来看难度非常之大。为了降低难度，一般将LPR 软件部分分为四大模块，分别是图像采集、车牌定位、字符分割和字符识别。车牌定位的任务是从图片中给出车牌位置；字符分割的任务是在定位后的车牌图像中将字符一个个切分出来；字符识别的任务是识别切分出来的字符。图像采集车牌定位字符分割字符识别图2.1 车辆牌照字符识别系统本文以汽车牌照自动定位为背景，以静态车辆图像为主要对象，深入研究了计算机图像处理、MATLAB编程等背景知识，探索了用数字图像处理车牌定位的方法。本文探讨的方法能够用于构造对一类景物图像中文字和感兴趣目标的定位及检测，对其它图像处理问题有一定通用的借鉴意义。本文主要针对车牌自动识别系统涉及到的关键技术车牌定位算法进行了研究。提出了多种基于图象处理的车牌综合定位算法。2.3 拟解决的主要问题针对车牌定位系统的特点以及对车牌识别系统后续工作的衔接，该系统主要负责解决三大问题，包括图像的采集及预处理、车牌定位、倾斜矫正。2.3.1 图像的采集及预处理在车牌识别系统的实际应用中,外部光照情况的变化对车牌识别的效果有很大的影响,这也是实现一个优良的车牌识别系统必须考虑的一个重要问题,剧烈变化的环境光照对整个车辆牌照识别系统的影响是很大的。针对上述情况，拟设定图像采集自适应控制系统。该系统由摄像机系统、摄像机参数设定系统、通信系统、图像采集系统、计算机系统、LED补光系统等6部分组成。车辆图像由摄像机系统得到,通过图像传输及采集卡得到数字图像;计算机系统通过对数字图像进行分析,如果得到的图像可以满足识别系统的要求,将不作任何调整,如果发现图像无法满足要求,计算机系统将通过通信系统,将指令发给摄像机参数设定系统,摄像机参数设定系统通过指令转换系统对摄像机的参数进行修正。如果当系统监测到光照不足,将通过通信系统发指令给LED补光系统,开启补光系统。如果系统发现环境足够亮,又可以关闭LED补光系统。彩色图像包含大量的颜色信息，它的每个像素都具有三个不同的颜色分量R、G、B，所以其需要占用的存储空间很大，而且在对其进行处理时也会浪费较多的系统资源，会降低系统的执行速度。而灰度图是只含亮度信息不含色彩信息的图像，其中亮度值量化为256级，灰度图进行算法处理相对方便。进行灰度变换后，为了取得比较好的对比效果，可以有选择的拉伸某段灰度区间以改善输出图像。如果车辆图像灰度集中在较暗的区域而导致图像偏暗，则可以用灰度拉伸功能来拉伸(斜率l)物体灰度空间以改善图像;如果车辆图像灰度集中在较亮的区域而导致图像偏亮，则可用灰度拉伸功能来压缩(斜率= T（x，y）成立时，T（x，y）将成为特殊情况下的主峰点（0，0）。同时在其他的标准字符出现的时候会有出现一些副高峰值点。只要这些副高峰和主高峰不平等，即可确定选择了合适的阈值。最后确定和识别车牌字符的问题。首先，字符将被分割提取，转换成标准的模板尺寸（使用双线性插值），最后得出与模式匹配的字符。此外，本文所重点要做的是，由于某些字符一些模式匹配方法的改进，在主峰上的垂直方向的形状接近，但在水平方向上，有比较大的分歧。因此，当匹配的效果不明显，就再进一步做水平方向的匹配，从而提高识别效率。字符识别程序显示在图5中。图5 字符识别过程5实验结果为了核实的LRP系统的健全性和可行性，我们捕捉不同的车辆在不同背景下的54幅图像。实验结果列于表1。 我们将以下两种情况的错误视作目标：无法识别的车牌（字符识别错误超过2个），无法正确识别车牌（1个字符识别错误），以确定正确的车牌。实验结果如表2。表1倾斜角度车牌定位00-1010以上中位数体侧位数7239161189分辨率亮度640*480480*320亮很亮黑很黑468173271413表2不能定位不能识别正确识别数量35119识别率93.7%6结论在本文中，我们采取的车牌定位新方法是基于图像的能源基础。它介绍了车牌字符识别的算法。实验结果表明，该方法是可行的，消耗的时间也更少。但是，在处理一些劣质牌照和相似字符时，仍然存在一些失误。为了改善不正确的认识问题，我们尝试添加了如神经网络等其他方法。