1、车牌自动识别系统的分析与设计 摘要:本文通过对国内外车牌自动识别系统的现状分析,找出现行识别系统所采用技术方案的优缺点,设计了一种新的车牌图象自动识别系统,并重点对其中图象定位和字符分割的核心技术进行了介绍,为研究车牌自动识别系统提供一种新的设计思路。 关键词:车辆识别;自动定位;图象处理;字符分割 中图分类号:U495 文献标识码:A 1 引言 目前,国内外已经有不少关于车辆自动监测系统的研究,其中有一些已进入实用阶段。例如具有图象理解的实时车辆跟踪系统,不仅可应用到交通的管理,而且还可以用于安全部门。再如在交通节点(如十字路口)的车流量监测和高速公路上车辆的管理系统中,有的系统可以实时提供
2、车流量和车速,有的系统在收费站对车辆进行分类和识别。但是,从整体上说,目前的车辆监测系统,大多是对车辆的数量、速度、大小、外型、种类等粗略特征的自动识别,而对类似车辆牌照等较为精细的特征信息的识别由于许多条件前提限制而应用不广泛。比如在国内市场上已有一种称作“电子眼”的产品,但它只能对汽车出入的地点进行监视,所有现场的信息只能记录在案,需管理人员在事后分析记录信息才能得出结果,所以,系统具有很长的延迟。再如一种在交通路口监测违章车辆的系统,往往在第二天的报纸上才刊登出违章车辆的牌照,达不到实时监控的目的。为了提高实时性,并能实现更多的管理功能,一种实时的车牌识别系统应运而生,它可对实时拍摄的图
3、象进行处理,识别出车辆的牌照,并进行管理。 2 国内外车牌识别系统的应用 对于实时的车牌识别系统,国外开发机构和公司已有了一些较为成熟的技术。下面是几种国外研制的系统: (1)REAL-TIME VEHICLE NUMBER PLATERECOGNITION 该系统是一套便携式车牌识别设备,外部仅需要一个12V电源和一个摄象头。它只需车牌图象视频输入,而无须其他的触发引擎,能在各种天气情况下的白天和夜晚工作。 (2)VEHICLE NUMBER PLATE RECOGNITION VNPR系统主要应用于找寻被盗的汽车、停车场的控制和交通流量的统计方面。VNPR的主要工作是车牌的定位、字符的切割
4、和字符的识别,这几部分的工作是紧密结合在一起的。 (3)CARINA软件开发包 CARINA图象识别软件包能监测定位和识别世界上不同国家的汽车牌照。可集成汽车牌照识别(ANPR)技术到系统和应用中去,使方案提供者,开发者,系统集成商共同受益。 (4)LPR(LICENSE PLATE RECOGNITION) LicensePlate Recognition系统能应用到停车场、入口控制、交通监测等场所,能检测和识别汽车车牌。它可以作为一个WINDOWS 的动态连接库方便的集成到应用系统中去。 除以上介绍的几家公司研究的系统以外,还有很多国外公司都有相应的车牌识别系统产品,他们的产品都提高了车辆
5、管理的自动化。 虽然,上述每个公司都认为自己的产品性能完善,在各种气候,光照下都能识别汽车车牌,识别正确率高。但在实际应用环境中,工作条件是复杂的,存在许多影响系统性能的因素,例如现场工作环境的复杂度、光照条件、实时性要求等。而上述系统是通过人为地约束、限制工作条件,来改善系统的性能,显然是不可取的。 在国内,由于对车辆管理自动化的需求不大,还没有出现十分成熟的车牌识别系统。 下面笔者从车牌自动识别管理系统中图象定位和字符分割核心技术的研究出发,分析车牌自动识别系统研究方法存在的不足及改进措施。 由于自然光下车牌图象定位的研究是针对一种实际应用出入车辆管理,它是一特定应用领域的图象识别问题,其
6、车牌自动识别系统对实时性和正确性的要求都较高:如系统在一秒内做出响应;能在各种光照条件下工作;尽量减少拒识率等。但许多文献和资料提供的处理方法都有一定的局限性。目前主要采用如下方法: 方法(1)利用中值滤波和直方图均衡化处理技术进行图象预处理,然后进行边缘检测和边缘跟踪,得到车型特征。此方法只适合大范围目标图象拓扑结构的识别。 方法(2)首先提高目标图象的灰度层次,并进行局部滤波,消除噪声干扰和加强细胞边缘轮廓,其二值化阈值通过内插的方法得到。图象分析采用了形状解析,用以对细胞记数。此方法仅适合对多个同类目标图象粗略分割。 方法(3)采用了基于对边缘图象进行形态学运算的分割方法,然而要求有车厢
7、背景和一定严格条件下的图象获取手段是图象分割识别的前提。 方法(4)是一种快速一维投影模板匹配的算法,对二维的目标图象先进行一维投影,再进行匹配识别。它只适用与背景简单、目标与背景的反差较大的情况。 由于以上方法的局限性,笔者研究出一种新的定位算法和字符切割方法来解决处理这一特定问题,这也是当前在自然光下车牌图象定位和字符分割研究的核心技术。 3 车牌图象的定位与分割 从模式识别的角度出发,车牌的定位就是车牌图象的识别过程。而模式识别中聚类特征的描述可分为物理特征、结构特征、数学结构等三种描述1。前面介绍的一些车牌图象定位的方法都仅仅是从数学结构描述的,是以统计特征为主要聚类特征的识别分割方法
8、。笔者尝试将以上方法结合起来使用,从而达到即快又好的分类效果。 3.1 车牌字符特征 通过对车牌图象的研究,发现车牌字符本身的空间格局具有本质的特征,如图1所示。 (1)汉字和数字的笔画风格和粗细相同; (2)字符间的距离为定值; (3)各字符的字体大小相同,充满各自所占的长方形方格。 车牌在空间的比例是一定的,用特征向量来描述为F(w1,w2,w3)。w1为字符笔画,是粗细特征分量,w2为字符间隔比例特征分量,w3为车牌长度范围内亮点数。同时我们也可以看到车牌位置的像素点在视频时域中体现的频率基本上相同;在空域中,当我们纵向叠加亮像素时,会得到形如:“- - - - - - -”的跳变线段。
9、这启示我们可以用车牌的特征向量来定制一种跳跃模板,用这种跳变模板去匹配,将找出车牌的位置。 3.2 模板的定义与匹配 (1)基本参数:单位为像素点数pixels,车牌中每个字符所占长方形的长length,车牌中每个字符所占长方形的宽width,第一个字符与第二个字符间的距离between0,第二个字符与第三个字符间的距离between1。第三与第四,第四与第五,第五与第六,第六与第七之间的距离也为 between0,在不同的车牌大小下,字符一笔画的宽度bwidth,匹配实验修正值pfix,模板总有效亮点阈值threshold。 (2)模板匹配计算说明:如图2所示。 (“1”表示取像素点的值并作
10、统计计算,“0”表示不作统计计算。) (3)匹配的算法 表达式(1)说明区域Ri(i=1,2,N)覆盖整个图象;性质(2)说明任意两个区域不相交;性质(3)表明每一个区域都具有区域一致性;性质(4)表明任意两个不同区域相加后的区域不具有一致性。 区域分割的规则P和P所使用的特征向量对分割起着决定性作用。通常P的逻辑表达式为P(R,x,t),其中x为与图像象素有关的特征矢量;t为一组参数,通常为阈值。那么车牌图像分割的规则为:(其中t1和t2是字符间比例因子阈值) 车牌定位的效果如图3所示。 图3(a)是汽车图像经过预处理的二值化图像,阈值取为127。图3(b)是分割出来的车牌图像。 3.4 实
11、验结果 我们利用跳跃模板定位算法在计算机上对72幅清晰的图像进行了匹配处理(72幅图像是在同一角度和同样视角下对不同汽车拍摄的图像),可以比较满意地定位出71幅。所耗时间平均为0.16秒(其中包括灰度图像转化成二值图像和高斯滤波处理所耗时间,而仅对模板匹配过程来说,仅耗时0.05秒),速度非常快。同时对因车牌在实际前后空间位置上引起的图片中车牌大小不一具有较好的兼容性,兼容范围为实际空间位置上0.2米。由此可以看出, 跳跃模板定位算法具有耗时少,定位准,实时性强和鲁棒性好等优点,完全满足车牌识别系统中定位出车牌图像的要求。 4 车牌中字符图象的分割 经过对车牌图象的定位和分割处理,得到的车牌图
12、象已经是较为单纯的灰度图象。但是车牌中字符的分割(即切分)还有很大困难,如光照条件和车牌表面光洁度不同,就会增加字符切分的难度。字符的切分是字符识别的基础,它决定孤立字符的状况。字符的切分通常采用以下几种方法。 (1)间隙、间距切分法,是利用字符间隙(相邻字符间的间隔)和字符间距(相邻字符中心的距离)进行字符切分。这里要求字符的宽度和字符间隙基本相同,所以对输入图象的质量的依赖性很大。 (2)投影法是利用水平和垂直投影来进行字符切分。水平投影特征是每一行中心黑色像素点的总和;垂直投影特征是每一列中心黑色像素点的总和。这种切分有速度快的特点,但对不规范的字符会出现误切分的问题。 (3)识别切分法
13、,其切分标准是识别的信度, 这个识别信度由单字符识别模块给出。一般,识别信度还可以有后处理的词法,句法,语义分析给出。 笔者设计的车牌识别系统的解决方法是利用二值化后的白点投影信息和灰度投影信息,辅以相应判断条件来进行字符切分的。由于切分时主要是利用垂直投影信息,但为了减少干扰,需要将非字符候选点尽量先抹去,所以事先要进行水平投影,这样可以利用水平投影信息将相当一部分非字符候选点抹去。图4是车牌字符分割的具体步骤。 5 结束语 由以上分析可知,目前市场上的车牌识别系统都是国外的产品,国内几乎还没有相应的系统出现。但随着国内汽车数量的增加,对车辆自动化管理的需要进一步提高,迫切需要开发这方面的产品,而选择国外产品存在产品价格高、系统维护经费高和性能指标不确定等缺点。所以,进行车牌识别系统自主开发研究,不仅可以掌握其核心技术,而且可以降低产品的价格,还能提供持久的跟踪服务。同时,对车牌图象定位和分割算法的研究意义,不仅在于解决车牌的识别这一具体的应用对象,而且还提供了在复杂图象中如何进行图象识别的研究思路,为其他交通工具的自动监测与识别,车辆现代化管理打下良好的基础。 参考文献 1朱志刚主编. 数字图象处理基础M. 北京: 清华大学出版社, 2004. 2崔屹编著. 数字图象处理技术与应用M. 北京: 电子工业出版社, 2000.第 8 页 共 8 页
