车牌识别技术研究与实现*名：***学号：ZY*******2015年05 月06 完成时间：日目录1车牌识别技术研究背景与意义 (3)1.1背景 (3)1.2解决的问题 (3)2现状与前景 (5)3具体实现 (7)3.1原理方法 (7)3.2关键步骤与算法 (7)3.2.1车牌定位 (7)3.2.2车牌字符分割 (12)3.2.3车牌字符识别算法的研究 (14)1车牌识别技术研究背景与意义1.1背景近年来,车辆数量和交通设施随着经济的快速增长而增长,但是交通设施的增长速度远远落后于车辆数量的增长速度,这引发了交通拥堵、交通事故、环境污染等难题。

为了在根本上解决交通难题,世界各国纷纷利用先进的信息技术研究智能交通系统(Intelligent Transportation System,简称 ITS)。

智能交通系统是一种充分利用各种先进的高新技术来实现实、准确、高效的交通管理系统,使交通更畅通更安全;它也是一种交通信息服务系统,使人们出行更方便更快捷。

随着智能交通系统的快速发展,智能交通系统已经融入人们的日常生活,使人们的生活越来越方便。

随着计算机技术、通讯技术和计算机网络技术的发展，自动化的信息处理水平和能力不断提高，各种各样的交通系统应运而生，如电子警察系统、道路收费、车载导航系统、全球定位系统、车辆自动识别系统等都在为交通运输服务，对交通控制、安全管理的要求也越来也高，ITS（智能交通系统）已成为当前交通管理发展的主要方向。

车辆是智能交通系统中的重点研究对象,每辆车都有自身唯一的车牌号码,车牌号码反映了车辆信息以及关联着车主信息,通过车牌号码可以记录对应车辆的交通行为,因此,车牌识别技术是智能交通系统中最核心最基础的技术之一,决定着智能交通系统的发展速度和技术水平。

作为智能交通系统中的一种核心技术和关键环节，车牌识别技术的深入研究不但具有较高的理论价值，也具有很高的实用经济价值，极大的推动了整个智能交通系统的发展。

1.2解决的问题车牌识别技术可以实现自动登记车辆“身份”,已经被广泛应用于各种交通场合,对“平安城市”的建设有着至关重要的作。

具体概括如下:(1)电子警察系统电子警察系统作为一种抓拍车辆违章违规行为的智能系统,大大降低了交通管理压力。

随着计算机技术和CCD技术的发展,目前电子警察系统已经是一种纯视频触发的高清抓拍系统,可以完成多项违章抓拍功能,其中包括违章闯红灯抓拍功能、违章不按车道行驶抓拍功能、违章压线变道抓拍功能、违章压双黄线抓拍功能和违章逆行抓拍功能等内容。

电子警察自动抓拍违章车辆以及识别车牌号码,将违法行为记录在案。

电子警察系统大大节省警力,规范城市交通秩序,缓解交通拥堵,减少交通事故。

(2)卡口系统卡口系统对监控路段的机动车辆进行全天候的图像抓拍,自动识别车牌号码,通过公安专网与卡口系统控制中心的黑名单数据库进行比对,当发现结果相符合时,系统自动向相关人员发出警报信号。

卡口系统记录的图像还可以清楚地分辨司乘人员(前排)的面部特征。

(3)高速公路收费系统高速公路收费系统已经基本实现自动化,当车辆在高速公路收费入口站时,系统进行车牌识别,保存车牌信息,当车辆在高速公路收费出口站时,系统再次进行车牌识别,与进入车辆的车牌信息进行比对,只有进站和出站的车牌一致方可让车辆通行,自动收费系统可以有效地提高车辆的通行效率,并且可以有效地检测出逃费车辆。

(4)高速公路超速抓拍系统系统抓拍超速的车辆和识别车牌号码,并通过公安专网将超速车辆的车牌号码传达到各出口处罚点,各出口处罚点用车牌识别设备对出口车辆进行车牌识别,与己经收到的超速车辆的号码对比,一旦号码相同立即报警。

(5)停车场收费系统当车辆进入停车场时,收费系统抓拍车辆图片进行车牌识别,保存车辆信息和进入时间,并语音播报空闲车位,当车辆离停车场时,收费系统自动识别出该车的车牌号码和保存车辆离的时间,并在数据库中查找该车的进入时间,计算出该车的停车费周,车主交完费用后,收费系统自动放行。

停车场收费系统不但实现自动化管理,节约人力,而且还保证了车辆停放的安全性。

(6)公交车报站系统当公交车进入和离开公交站台时,报站系统对其进行车牌识别,然后与数据库中的车牌进行比对,语音报读车牌结果和公交线路。

综上所述,车牌识别技术的广泛应用使道路安全、交通通畅、车辆安全、环境保护得到了全面的保障。

2现状与前景自1988年提出车牌识别（License Plate Recognition，LPR）技术以来，人们己经对其进行了广泛的研究，其主要途径就是对车牌的图像进行分析，自动提取车牌信息，确定汽车牌号。

在车牌识别过程中，也出现了很多的技术方法，但由于外界环境光线变化、光路中有灰尘、季节环境等变化及车牌本身比较模糊等条件的影响，使得LPR系统一直是一个有解但一直不能解决得很好的问题，而且许多方法都需要大量的数值计算，并没有考虑到实时处理的环境。

为了解决图像恶化的问题，目前国内外的研究机构或公司企业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，继而提高识别率，这样做的同时也造成了系统的投资成本过大，应用领域变小，不适合普遍的推广。

在国外己有不少关于车牌自动识别的文章发表，有的己经很成熟，投入实际使用。

早在70年代国外就有自动车牌检测系统用于检查被盗车辆的情况，时至今日，己达到很高的应用水平。

从实用产品来看，英国IPI公司研发了RTVNPR (REAL TIME VEHICLE NUMBER PLATE RECOGNITION)系统，以色列Hi-Tech公司的See Car System系列产品，新加坡Optasia公司的VLPRS 产品，HSTOL公司开发的LPR系统，香港Asia Vision Technology公司的VECON产品等等，VECON系统和VLPRS系统都只是适合于当地的车牌，而See Car System 系统对我国的汉字识别精确率并不高。

我国车牌自动识别的研究起步较晚，约发生在八十年代末。

由于我国的车牌规范不够，较为多样化，不同汽车车型有不同的规格、大小和颜色，对车牌识别造成了一定的困难。

国内做得较好的产品有中科院自动化研究所汉王公司的“汉王眼”、川大智胜软件的ZT2000车牌自动识别系统等。

同时一些国内知名的研究机构和高等院校也对车牌识别系统进行过理论研究和实际开发。

关于车牌识别系统的研究，国内外学者已经做出了大量的研究，但仍然存在一些问题，比如车牌图像的倾斜、车牌自身的磨损、光线的干扰都会影响到定位的精度。

车牌字符识别是在车牌准确定位的基础上，对车牌上的汉字、字母、数字进行有效确认的过程。

目前已有的方法很多，但其效果与实际的要求相差很远，难以适应现代化交通系统高速度、快节奏的要求。

因而对字符识别的进一步研究也同样具有紧迫性和必要性。

如何快速准确地提取目标车辆的车牌信息一直是一个技术性难题，它一直制约着交通系统现代化、自动化、智能化的发展脚步。

技术的核心是通过对拍到的车牌图像进行分析，在非人工千预的情况下自动获取车牌信息，从而确定车辆牌号。

在车牌识别系统研究中，许多的新技术和新方法被不断地提出并应用，例如图像处理技术、模糊数学理论、神经元网络算法等等，也有人将一些传统方式和高新技术相结合来进行应用，但到目前为止，由于各种客观的不利环境因素存在，还没有一种通用的方法或技术来解决应用中的所有技术难题，它们在系统的准确性和实时性方面虽都有其自己的解决办法和设计方案，但健壮性和鲁棒性均达不到理想要求。

因此 LPR 系统虽然经历了 20 多年的发展，依然是一个能够被解决但一直没有被妥善解决的问题。

3具体实现3.1原理方法车牌识别就是依次实现汽车图像的车牌定位、车牌字符分割、车牌字符识别算法的过程。

车牌定位就是把车牌图像从含有汽车和背景的图像中提取出来，其输入的是原始的汽车图像，输出是车牌图像。

车牌的字符分割就是通过对车牌图像的预处理、几何校正等把字符从车牌图像中分割出来，分成一个个独立的字符，其输入是车牌定位后得到的车牌图像，输出是经过预处理、几何校正等后得到的一组单个的字符图像，并得到各个字符的点阵数据。

字符识别是依次从单个字符点阵数据中提取字符特征数据，并给出识别结果。

3.2关键步骤与算法3.2.1车牌定位车牌定位是车牌识别系统的基础，其定位的准确与否直接影响到车牌的字符分割和识别效果，是影响整个车牌识别系统识别率的主要因素。

车牌定位，即运用数字图像处理、模式识别、人工智能等技术对采集到的汽车图像进行处理，从而准确地获得图像中的车牌区域，其输入是原始的汽车图像，输出是车牌图像。

在现实车牌识别系统中，由于光照不均匀、背景的复杂性等原因，造成准确定位出车牌的难度较大。

目前，根据车牌的特征，常见的车牌定位方法有基于车牌颜色特征信息的定位法、基于车牌区域频谱特征的定位法、基于分类器的车牌定位法、基于车牌边缘特征的车牌定位法等，这些方法各有所长。

值得注意的是，车牌定位算法的分类并不是唯一的，区别算法类别的标准并不十分明确。

车牌定位算法的方法多种多样、各有所长，但存在着计算量大或者定位准确率不高等问题。

车牌定位是车牌识别的关键步骤，为了能在复杂背景和不均匀光照条件下快速准确定位车牌位置，本文介绍一种基于改进Isotropic Sobel边缘检测算子的车牌定位算法，试图由此来解决其存在的问题，该算法通过改进Isotropic Sobel 边缘检测算子，实现了车牌图像在水平、垂直以及对角线方向上的纹理特征提取，然后采用Otsu算法阈值化，再对阈值化后的二值图像做数学形态学运算得到车牌的候选区域，最后利用车牌特征去除伪车牌。

算法流程图：对输入的彩色图像进行灰度化处理：彩色图像包含更多的信息，但是直接对彩色图像进行处理的话，系统的执行速度将会降低，储存空间也会变大。

彩色图像的灰度化是图像处理的一种基本的方法，在模式识别领域得到广泛的运用，合理的灰度化将对图像信息的提取和后续处理有很大的帮助，能够节省储存空间，加快处理速度。

灰度化的公式如下： Y=a×R +b × G+ c × B其中系数a,b ,c 要大于0，且 a + b+ c= 1,Y 表示灰度值，R、G 、B分别表示RGB空间中的3个基本色，即红、绿、蓝。

使用经验权指 a= 0.299、 b =0.584、 c =0.117边缘检测的方法是考察图像的像素在某个领域内灰度的变化情况，标识数字图像中亮度变化明显的点。

图像的边缘检测能够大幅度地减少数据量，并且剔除不相关的信息，保存图像重要的结构属性。

在实际的图像分割中，往往只用到一阶和二阶导数进行边缘检测，虽然，在原理上，可以用更高阶的导数，但是，因为噪声的影响，在纯粹二阶导数操作中就会出现对噪声敏感的现象，三阶以上的导数信息往往失去了应用价值。