车牌识别系统的设计.docx

1、车牌识别系统的设计一、车牌识别系统总体结构设计1.智能控制系统的功能总体设计：该高速公路智能化控制占道方案是应用于高速公路上对车速和占道预警信息提示系统。对于车速过快的车进行预警，对于车速过慢，长期占用车道，影响道路行驶速度的车辆也进行车牌识别然后传送服务器通过嵌入式智能卡预警和龙门架显示提醒，提醒行驶车辆进行相应处理，从而提高高速公路的道路通过效率和控制好行车速度，真正实现高速管理的人上智能化。2.车牌系统的总体设计：本课题主要针对高速公路智能化占道控制系统的车牌识别进行研究，通过车牌这个汽车的唯一身份证对违规等车辆信息进行采集并提出预警提示。本车牌识别系统的基本环节如下图：3.车牌系统的组

2、成原理设计：图像捕捉与获取车 牌 定 位字 符分 割字 符识 别信 息管 理结 果二、车牌识别的研究与设计1、车牌特征的信息分析：机动车牌照作为机动车的“身份证” ，制造和使用都有严格的规范加以明确规定。根据中华人名共和国公共安全行业标准 GA36-92，汽车车牌有 10 种。这 10 种汽车车牌的几何外形大小和颜色信息如下表所示（均、警车牌在这里暂时不考虑） 。另外，民用汽车的好牌上有省、直辖市、自治区的名称和发证及监督机关的代号，编号是英文大写字母。后而的编号一般 5 位编号，从 00001-99999，编号超过 10 万就由A，B ，c 等字母代替。即“A”代表 10 万， “B”代表

3、11 万， “C”代表 12 万，最后一个字母代表 33 万。英文字母中的 I 和 O 不用，避免和数字中的 1 和 O 冲突。使馆的外籍车牌上的是建交国家的代号，与所在地区的监管机关编号无关。在这 10 种汽车中，编号为 9 和 10 的临时入境和临近行驶汽车以及使领馆汽车由于数量很少、出现的概率极小，为了简化算法和节省时间，忽略这几种车型的特殊性，认为它们与其他的 7 种汽车车型一致，采用相同的方法进行识别。由于编号为 1 的大型汽车，由于系统的 CMOS 摄像头收集的是汽车头部的牌照图像，因此对于大型汽车后车牌的特殊性也可以忽略不计。本论文中，不考虑车牌在背景色和前景色上的差异，在这些车

4、牌中，大型汽车（前） 、小型汽车、使领馆汽车、境外汽车、外籍汽车、教练车和试验汽车的号牌格式完全一样，同时，由于小型车数量最多，出现概率最大，牌照规范与其它几种车牌很相似，算法的识别对致最终设定为小型车。2、常见车牌颜色特征的信息：对目前 8 种常见车牌（对大型车辆取前置车牌）的颜色分布和格式分布进行分析，可以得出如下结论：A.共存在 5 种颜色：黄石、黑色、蓝色、白色和红色；存在 5 中前景和背景的颜色组合；黄底黑字黑框线、蓝底白字白框线、黑底白字红“使”字（或“领” ）白框线、黑底白字白框线，黑底红字红框线；B.字符颜色与背景颜色的亮度相差很大：要么亮度高于背景颜色的亮度（蓝底白字白框线、

5、黑底白字红“使” （或“领” ）字白框线、黑底白字白框线、黑底红字红框线；要么字符颜色低于背景颜色亮度（黄底黑字黑框线） ，对于这种车牌，其二值化的结果颜色相反，前景字符为黑色，背景为白色，需要进行处理；C.牌照上的文字由 7 个字符和一个分隔符横向水平排列组成，字符高度为 90mm，宽度为45mm，分割符的直径为 10mm（实际上，每个字符是剧中分布在一个高位 90mm，宽为45mm 的矩形区域。 ）D.字符和字符之间或字符和分割符之间的距离为 12mm；E.使馆牌照的间隔符在第 4 和第 5 个字符之间，其余的车牌的间隔符在第 2 个和第 3 个字符之间。由于使馆牌照出现的概率很小，将之视

6、为小型车牌照一种变形情况，不单独处理，后面提出的车牌格式均值后一种格式情况；F.从左到右，车牌中每一位的可能字符如下：第 1 位，30 个省份的简称和“使”字，共有31 个字符（暂时不考虑军警车） ；第 2 位，除去字母“I”之外的 25 个英文大写字母；第 3位，除去字母“I ”和字母“O ”之外的 24 个英文大写字母和 10 个数字，共有 34 个字符；第 46 位，10 个数字字符；第 7 位，10 个数字字符和“领” “学” “试” “境” ，共有 14 个字符。字符总数共有 70 个。G.观测和分析车牌外形特点，无论哪种车牌，外轮廓都有一个宽度不大的轮廓线，轮廓线的颜色和字符颜色一

7、致，与背景的亮度差异很大。现实环境下，车牌有时安装后，车辆厂商的商标会遮挡牌照外轮廓线，但商标本身又是一个轮廓线，其亮度与背景的亮度差异也很大，同样可以利用之。3、车牌特征分析结论：首先，结合车牌分析结论，利用其中的特征 4、5 、6 点可以构造牌照字符的格式模型，这个模型在其后的用来指导牌照定位后、字符识别前的字符分割。结合 GA36-92 标准，牌照图像的实际大小可能随着 CCD 摄像头采集的时机不同而产生一定的缩放，但是总体比例不会发生大的变化。设第 1 个字符中心和第 2 个字符的中心间距为一个长度单位，以第 1个字符中心为原点，那么非使馆车牌的其余字符中心的横向位置应分别为：1， 2

8、.39，3.39，4.39，5.39 和 6.39，字符的宽度同样为 0.79。其次，利用分析结论 7，可以利用字符在牌照的排列缩小候选字符的集合规模，加快识别速度或进行识别后结果的纠正判别。如果不知道字符在牌照中的排列位置，那么每个位置的候选字符可以达到 70 个，如果知道了它的位置，那么该位置的候选字符至多有 34 个，尤其是对牌照的第 4、5、6 位，候选字符只有 10 个数字。4、原始图像预处理由于 CCD 摄像头采集图像以 BMP 位图图像格式存储到微机，为了便于车辆的定位与分割和车辆字符的识别，原始图像应具有适当的亮度，较大的对比度和清晰可辨的牌照图像。但由于系统的图像采集部分工作

9、于开放的户外环境，加之车牌的整洁度、自然光照条件、车辆行驶速度等因素的影响，车辆图像可能出现模糊、歪斜和缺损等严重缺陷，因此需要对原始图像进行识别前的预处理。除了少数文献提及过可用色彩信息帮助对牌照的检测和分割外，考虑到图像文件的存储量和处理图像需要占用大量系统资源，绝大多数牌照识别系统均采用不含彩色信息的灰度图像，即图像中每个像素仅由一个 8 位字节表示该像素的亮度值，因此灰度图像是具有 256 个灰度级的黑白图像，便于以后的图像二值化，处理运算量大大减少。一些系统的摄像部分采用单色 CCD 摄像头则可以直接得到灰度图像。（1 ）图像灰度化：灰度化是采用现行通用的标准平均值法，用 g 表示灰

10、度后的灰度值， R、G、B 分别表示原来的真彩色图中的红、绿、蓝分量，则有：g=0.110 B+0.588 G+0.322 R（2）图像对比度增强：车辆识别系统是全天候的工作性质，若无理想的补充光照明，自然光照度的昼夜变化会引起牌照图像的对比度严重不足使图像中牌照字符分辨不清，甚至根本无法定位和分割，更无法识别。因此，研究者们提出各种有效的增强图像对比度的方法，如灰度线性变换、线性滤波器、直方图修整法等。采用图像灰度拉伸的方法有效地增强了图像的对比度，增强后的图像中字符清晰、区域分明，便于图像二值化和字符分割处理。还有些采用一种简便有效的线性滤波器进行图像中字符特征的增强，得到一个亮度明显高于

11、背景的牌照字符区域，经进一步的定位处理就很容易确定其具体位置。可见，图像对比度增强处理无论对牌照图像的可辨识的改善，还是简化后续的牌照定位和分割的难度都是很有必要的。如果造成图像对比度不足的原因为：A 被摄像物的远近不同，使得图像中央区域和边缘区域的灰度失衡。B CMOS 摄像头扫描时各点的灵敏度有较大的差异而产生图像灰度失真。C 成像时曝光不足或者过度而使得图像的灰度变化范围太窄。D 自然光线的差异。这是如将图像灰度线形扩展，才能显著改善图像质量，达到增强图像的对比度和分辨率。实验中，对于正常采样的车辆图像，也使线性灰度变换，突出感兴趣的目标或者灰度区间，相对抑制那些不感兴趣的灰度区域。令原

12、图像 f(x，y)的灰度值范围是a，b，线性变换后，图像 g(x，y)的范围为O，Mf，g(x，y)和 f(x，y)的变换关系的数学表达式为：O 0f(X,Y)AG(X,Y)= f(X,Y)-a Af(X,Y)B=0MS Bf(X,Y)M f其中，对于灰度级为 256 的图像而言：M g=Mf=255（3）图像中值滤波中值滤波是一种非线性的滤波技术，由于实际计算过程中并不需要图像的统计特性，所以比较方便。它是基于图像的这一种特性；噪声往往孤立的点形式出现，这些点对应的像素数很少，而图像则是由像素较多，面积较大的小块构成。在一定条件下，可以克服线性滤波器所带来的图像细节模糊，而且对滤波脉冲及图像

13、的扫描噪声比较有效。其原理为，设有一个一维序列 fl，f2fn。取窗口长度为奇数 m（m 为奇数） ，对此序列进行中值滤波，就是从输入序列中相续抽出 m 个数，fi-v,fi, fi+v，其中救火窗口的中心值，v= (m-l)/2，再将这 m 个点的数值按其数值大小排列，取其序号为正中间的那个数作为滤波器输出。中值滤波表达式为：Yi=Med fi-v, .fi, .fi+v, i Z V= (m-l)/2对数字图像进行中值滤波，实质就是对二维序列Xmn的中值滤波，滤波窗口也是二维的，用一个滑动窗口 W 在图像上进行扫捕，把窗口内包含的图像像素按灰度级升（或降）序排列起来，取灰度值居中的像素灰度

14、为窗口中心像素的灰度（若窗口中有偶数个像素，则取两个中间值的平均） ，用公式表示为：X (m, n) = Median f(m-k,n-l) , (k, 1) W本课题采用的中值滤波的窗口为 33 的矩形窗口（共 9 个像素） ，结果表明通过中值滤波可以很好地消除孤立噪声点的干扰。更重要的是使用这种中值滤波，除有效地消除噪声外，还能有效地保护边界信息。(4)图像边缘检测图像分割的一种重要途径是通过边缘检测，即检测灰度级具有突变的地方，表明一个区域的终结，也是另一个区域开始的地方，这种不连续性称之为边缘。边缘检测不仅用于图像分割，也是纹理分析等其他图像分析的重要信息源和形状特征基础。需要说明的是

15、：边缘与物体间的边界并不等同，边缘指的是图像中像素值有突变的地方，而物体的边界指的是现实场景中的存在于物体之间的边界。一幅图像中，有可能又边缘的地方并非边界，也有可能物体的边界在图像中不成为边缘，这是因为现实中的物体是三维的，而图像只有二维信息，从三维到二维的投影成像不可避免的会丢失一部分信息；另外成像过程中的光照和噪声也是不可避免的重要因素。本文采用 LOG 算子，其中 LOG 边缘检测器的基本特征是： 平滑滤波器是高斯滤波器； 增强步骤采用二阶导数（二维拉普斯函数） ； 边缘检测判据是二阶导数零交叉点并对应一阶导数的较大峰值； 使用线性内插方法。这种方法的特点是图像首先与高斯滤波器进行卷积

16、，这一步即平滑了图像又降低了噪声，孤立的噪声点和较小的结构组织将被滤除。由于平滑会导致边缘的延展，因此边缘检测器要考虑那些具有局部梯度最大值的边缘点。这一点可以用二阶导数的零交叉点来实现。拉普斯函数用作二维的二阶导数的近似，是因为它是一种无方向算子。为了避免检测出非显著边缘，应选择一阶导数大于谋一阀值的零交点作为边缘。LOG 算子对图像 f(x，y)进行边缘检测，输出 h(x，y)是通过卷积运算得到的，即：由于图像的平滑就会引起边缘的模糊。高斯平滑运算导致图像中边缘和其他尖锐不连续部分的模糊，其中模糊量取决于 值。 值越大，噪声滤波效果越好，但同时也丢失了重要的边缘信息，影响了边缘检测器的性能

17、。如果取小 值，又有可能平滑不完全而留有太多的噪声。大 值的滤波器在平滑相互邻近的两个边缘时，可能会将它们连在一起，这样只能检测出一个边缘。因此，在不知道物体尺寸和位置的时候，很难准确确定滤波器的 值。一般来说，使用大 值的滤波器产生鲁棒边缘，小 值的滤波器产生精确定位的边缘，两者结合，能够检测出图像的最佳边缘。本课题的 的取值为 2。三、区域定位算法的阐述本文的定位方法是在一定条件下的目标搜索。因而要考虑己经具备的一些条件和参数以简化方法的复杂度。确定性条件就是目前已经具备的硬件技术（比如高级摄相机、高性能的处理器、性能优良的传感系统等）：可提供的参数就是取像设备与车辆之间的距离以及车辆图像

18、的先验知识等。根据这些条件和参数可以获得有利于定位方法实现的信息： 拍照使用国内统一标准的牌照，因而具有统一规格的尺寸。 在拍摄时，CMOS 摄像头与汽车的距离是固定的，因而摄入的图像具有固定比例的大小，并消除了因拍摄时的抖动而出现的低劣图像。 汽车牌照内部有接近水平的一排字，而且字迹要相对清晰。有了上述条什，就可以有针对地采用相应的方法进行车牌目标的搜索。本文采用了窗口搜索的方法寻找车牌润标。由于车牌目标区的纹理密集，像素的值总和远大于具有同一窗口尺寸的其它区域，因而我们可以通过计算所到之处的窗口内部像素的值总和，比总和的大小来判断车牌目标区。搜索步长为 2 个像素，由左向右，由上向下进行。

19、算法如下式：式中，S 为窗口 2frameL2frameW 中所有白像素数码之和，j 和 i 分别为窗口中的横纵坐标，(kl，k2)为窗口像素的位置，(x0，y0)是 S 取最大值时的窗口中点，我们称之为探点。窗口搜索的结果会使探测点位于车牌区域中。分别是原灰度图像和处理后图像及其投影的直方图，可以看出来图像处理后的车牌区域更加明显，且易与其他部位分离。去阀值 m 为：其中 为调整系数搜索边界是从车牌区域的探测点同时向上和向卜进行的，搜索范围为 2frarneW。这样在缩小搜索区的同时可以准确地定出车牌上下边界 yl，y2。一旦确定了车牌区域上下边界 y1，y2 之后，就可以将牌照区域灰度值向

20、垂直方向投影，方向公式如下：同样选取阀值和跨距，就可以定出车牌得左右边界 x1，x2。区域定位算法的效果及流程图：四、车牌图像倾斜纠正（1）车牌的倾斜原因及类型：车牌图像的倾斜主要有水平倾斜和竖直倾斜两种类型： 水平倾斜，指车牌图像和水平方向成一个倾斜角度。它主要是因为拍摄的时候摄像头没有架设好，而与水平方向有一个角度，或者是车牌本身安装的原因，定位螺栓不在同一水平而上所引起的。最终就造成拍摄出来的图像中的车辆在水平方向发生整体倾斜。 竖直倾斜，是指车牌字符与竖直方向有一个倾斜的角度。它形成的原因主要是在拍摄车牌图像时，由于摄像头的光轴直线（即摄像头的法向量）与车牌所在的平而不垂直，而是存在一

21、定的夹角：也就是摄像头的光轴直线与车体前进方不平行，造成摄入汽车图像中的车牌图像在竖直方向上会产生畸变，这种畸变使得车牌的边缘基本是水平的，但却使牌照中的每个字符都有向左或向右的扭曲。如果车牌本身安装出现问题，即车牌所在平面与水平地面并非垂直，出现一个角度，这种倾斜将更为加剧。另外，根据摄像头安装位置的不同，拍摄角度过大时，还可能出现其它形状的车牌变形，如梯形、平行四边形，甚至是任意四边形。对于这些情况，有文献提出使用 Hough 变换，求取车牌 4 个顶点坐标，根据畸变车牌四边形的 4 个顶点和归一化车牌的 4 个顶点之间的一一对应关系，求解双线性空间变换方程，对畸变图像进行校正。本文以下主

22、要考虑车牌图像拍摄角度不大时的水平倾斜校正和竖直倾斜校正，对于产生其它形状的变形暂时没有考虑。（2）水平倾斜校正：通常车牌区域的上下边缘是两条明显的平行直线。 ，一般都采用，Hough 变换，检测出这两条直线的倾斜角度，然后对牌照进行水平倾斜纠正。Hough 变换是一种能够在线条图中检测出己知形状曲线的技术，它对局部的曲线断裂和噪声干扰不敏感，广泛应用于目标检测邻域。（3）竖直倾斜校正竖直倾斜校正的方法与水平倾斜校正的方法相同，不同的是，它检测车牌区域的左右边缘。使用 Hough 变换检测左右边缘平行线，得出倾斜角度后，进行校正。五、车辆图像二值化所谓二值图像，就是指图像上的所有点的灰度值只用

23、两种可能，不为“0” ，就为“255”，也就是整个图像呈现出明显的黑白效果。为了得到理想的二值图像，一般采用阀值分割技术，它对物体与背景有较强对比的图像的分割特别有效，它计算简单而且总能用封闭、连通的边缘定义不交叠的区域。所有灰度大于或等于阀值的像素被判决为属于物体，灰度值用“255”表示，否则这些像素点被排除在物体区域以外，灰度值为“0” ，表示背景。这样一来物体的边界就成为这样一些内部的点的集合，这些点都至少有一个邻点不属于该物体。如果感兴趣的物体在内部有均匀一致的灰度值，并且其处在一个具有另外一个灰度值的均匀背景下，使用阀值法可以得到比较好的效果。为了使分割更加鲁棒，适用性更强，系统应该

24、可以自动选择闽值。图像直方图就是一种灰度特性，通常被用来作为分割图像的上具。二值化的阀值的计算有很多方法。分析灰度化后的结果：在图像的大部分区域图像的灰度值很小，只是在水平方向灰度变化较大的区域才会出现比较大的灰度值，这样图像的直方图会出现两个比较大的峰值，而灰度较大的那些像素点正是要二值化为高亮度的点。且当车牌的底色和字的灰度值相差不是很大的情况，譬如车牌反光的情形，这时二值化阀值的选取就显得非常重要。固定的阀值分割法若是针对一幅图像取一个最佳的阀值进行分割效果尚可，但我们要处理的是由 CMOS 传来的一系列的图片，各个图片的背景，目标以及拍摄时的环境各个相同，所以找一个适合于所有图像的最佳

25、阀值是困难的，难以实现的。这样阀值的确定只能是随要处理的图像不同而变化的可变阀值。可变阀值分割法采用上而我们所讲的边缘强度为求阀值方法，阀值是基丁全局像素的灰度分布并强化了边缘而计算得到的。六、文字分割在车牌旋转完以后，车牌区域的整体在水平方向上应该没有倾角，其中的单个字符在竖直方向上也应该是不会倾斜的。字符切割的基本方法是利用字与字之间的空白间隔在图像垂直投影上形成的空白间隔将单个汉字的图像分割开来。分割的总体思路是这样的：利用先验知识一个字符尺寸为 45mm X 90mm，选择比单个字符略大的窗口进行模板匹配，确定每个字符的位置，并记录下来。针对不同的字符位置有不同的处理方法： 对于第 1

26、 个字符和第 7 个字符，直接对其进行搜索，确定其位置，差别在于第 1 个字符是从左向右搜索，第 7 个字符是从右向左搜索而已，这样做，第一可以减小单方向搜索的误差，第二可以直接避免第 2、3 字符间距与其它字符间距不同(第 2、3 字符间间距为 34mm，而其它相邻字符间距为 12mm)造成的影响。 前面进行车牌区域定位和分割时采用的模板窗口比车牌窗口大 5%，所以对于靠边框的位置很近的点进行排除，降低外框轮廓线的干扰。 在其它字符的搜索中，以前面已经搜索到的字符的水平位置末端为起始点，搜索之。具体是：第 2 个字符基于第 1 个字符，从左向右搜索：第 3，4，5，6 则基于第 7 个字符，

27、从右向左搜索。 已知这样一个先验知识：牌照图像的实际大小可能随着 CMOS 采集的时机不同而产生一定的缩放，但是总体比例不会发生大的变化。设第 1 个字符中心和第 2 个字符的中心间距为一个长度单位，以第 1 个字符中心点为原点，那么非使馆车牌的其余字符中心的横向位置应分别为：1，2. 39，3.39，4.39，5.39 和 6.39，字符的宽度为 0 79：使馆车牌的其余字符中心横向位置应为 1，2，3，4.39，5.39 和 6.39，字符的宽度同样为 0 79。利用这个车牌格式模型结论，对所得的位置进行计算，去除中间由于噪声干扰造成的不合理的数据，以计算结果进行替代，可以得到准确的字符分

28、割结果。七、车牌识别的系统基本配置： CMOS 摄像机一台。CMOS 是互 补 性 氧 化 金 属 半 导 体 ，制作工艺简单、重量轻、功耗低、结构简单可靠、分辨率高、光谱适应宽、输出线性好等一系列优点，有广泛的适应性。安置在汽车车道附近，收集来往车辆图像。 图像采集卡一块。接受来自 CMOS 输出的视频信号，并转化为计算机可以处理和识别的数字信号，实时的将视频信号反应在电脑屏幕上，采集卡一般都有对外的编程接口，通过外界命令，可以将连续视频中的某一帧以特定的文件类型保存下来。 光电开关一套，与计算机相连，当车辆通过时，适时产生信号，通过微机向图像采集卡读取图像帧的数据。 工业计算机两台。一台装

29、有图像采集卡，用于接收 CMOS 图像信号，对其加工处理后进行车牌定位、识别的工作，称为前端机。前端摄像机上接近车辆通过的场所。另一台接收来自前端计算机的识别结果，监控协调前端摄像机的工作，我们称为控制台。控制台物理位置远离前端计算机，环境更适合人工作。在控制台软件的支持下，一个控制台可以同时监控、协调多台前端计算机的工作，并进行相应的信息处理，如车牌数据库的管理等。 其他附属设备。包括电源、补充光源、网络线路、系统软件等设备。车牌识别系统的详细流程图：开始 车辆原始图像 灰度化 灰度拉 伸 中值滤波边缘检测八、车牌识别的系统的车牌信息的采集（1）采集的基本思想车辆识别是一个机器视觉的处理过程

30、，而在图像工程、虚拟现实研究领域内，本系统是通过标准图像（数据库）来检验有效性。本系统采用在图像处理基础上，通过建立图像获取和运动条件下的图像退化模型，生成标准的号码退化图像，由对退化图像的检测实现号牌识别率计量这一“计量”问题。（2）车牌图像的成像模型机器视觉研究的成像过程主要有两个因素：现实空间的点（对象）PR 到图像空间的点（像素）Pi 的几何映射；CMOS 感应生成灰度强度(RGB 值)。几何映射过程也就是成像模型，如下图：如上图所示，PR 在图像传感器 CMOS 上形成了点 pi，按小孔成像模型其变换关系可用一个矩阵描述。灰度强度生成过程也就是传感器敏感单元在一段时间内对入射光能量的

31、反边缘检测车牌区域定位车牌区域分割倾斜纠正 二值化字符切割特征提取选择数据库对比输出车牌结束映，与对象的光谱特征，CMOS 特征有关。（3）车牌图像的成形过程图像空间的虚拟成像过程是虚拟像素点曝光过程，也即是虚拟像素点对过渡图像 RGB强度值在时间域的响应，按小孔成像建立模型见下图：（4）车牌图像的实现设测量夹角 a 为 20。 度，拍摄距离 20m，曝光时问 l/250s，最高速度 50m/s。则曝光周期内位置变动不大于 0.2m，对景深的影响忽略不计。如下图所示：取证照片拍摄范围 3m 车道，号牌宽 440mm，按总特征像素分辨率 768288Pixel，车牌分辨率不低丁 100Pixel

32、，则每像素标定距离参数为 0.004m/Pixel。由上面图可知，对拍照退化有影响的切向速度为 VT=50sin20。 ，即 VT=17.1m/s。切向的位置变化r 为r=17.11/500，为 0.034m，对应像素为 0.034/0.004=8.5pixel。九、车牌识别的系统的车牌信息的数据库对比（1）车牌的数据库对比的简介通过前端设备所获取到的车牌信息通过应用远程网络数据库的数据特征，对所识别的字符进行识别对比。整个远程网络数据库的识别由汉字网络对比、字母网络对比、字母数字网络对比和数字网络对比四部分组成。对通过远程数据库提供的相关数据进行对比，提取更加精确的车辆信息。前端机器通过采集

33、到的车辆相关数据信息，通过预处理、字符分割和特征提取然后与远程网络数据库的数据特征进行对比，输出更精确的车牌号码。十、总结（1）智能交通系统的总结该高速公路智能化控制占道系统需要通过外场图像采集实现摄像车牌识别技术，然后通过数据传送到服务器主机进行分析和存储，对违规的车辆通过嵌入式智能卡进行司机的报警提醒同时在龙门架 LED 显示屏的提醒显示；对未按规定行驶的车辆进行路段服务信息的显示预警。高速公路智能交通系统对系统等一系列的性能如下要求： 要求适应苛刻的野外工作条件：环境的温度范围 40+70、_工作湿度 090%（无冷凝）的状态下正常工作，具备防尘、防盐雾、防酸等。 设备要求低功耗，因为在

34、高速公路沿线，要求采用太阳能供电，这样可以大大的降低了供电设备的投资经费。 高速公路智能系统担负着车辆及人身的安全所以肩负着重大的任务，所以系统要求较高的平均无故障时间(MTBF)和较短的平均故障修复时间(MTTR)，提高了系统的可靠性。（2）车牌识别系统的总结车牌的识别问题是现代高速公路智能化占道控制系统领域中研究的重点和热点问题之一。本文主要进行车牌识别系统的研究，对车牌识别过程中涉及到的问题进行一系列的探讨研究。 分析采集的图像特点，使用图像处理方法，对图像进行一系列处理，其中包括灰度化，对比度增强，中值滤波，边缘检测，二值化，图像缩放，图像变形，Hough 变换求直线。对其中一些内容进

35、行了比较研究，如迭代法二值化中的 k 值变化速率的 比较和分析，边缘检测效果的比较，对比度增强中的分段线性变换对图像影响的比较。 利用车牌自身具有的特点，确定了一种车牌区域分割和字符定位的方法，并进行了实现。同时针对其算法进行了优化，加速车牌的定位过程。 采用通过了数据库信息的对比思想，通过对识别的字符图像的分析，建立车牌信息跟数据库信息进行对比识别，提高了字符识别的识别率。（3）研究感想学而后知不足，通过实际的车牌识别系统设计上作才愈发认识到这个工作的复杂，即使有许多前人的经验和算法基础，在设计开发过程中，遇到的困难也是远远超过了原先的设想。更深入地理解了数据结构，算法设计等基础课程的重要作用，要设计和编写一个好的软件，这些知识一定要掌握好。同时更深入地学习了软件工程，掌握了软件工程开发的流程。C 语言(包括 C+)作为一门编程语言，对一个打算终身做学问的人而言，必须掌握、精通。以前学习时有些方而理解得不够深刻，有些细节没有弄明白，而这些只有通过实际的编码才能掌握。系统开发是一个长期的过程，必须在项目实行开始阶段就对开发进度有一个整体的认识。模块化的设计思想必须贯穿整个设计过程，这对于系统的整合和纠错来说，是非常必要的。智能交通控制系统和车牌识别系统是一个比较前沿的学科，其中涉及到的知识非常宽广，仅仅几个月的时间进行研究是远远不够的，还需要在今后的工作中继续学习和研究。