《智能车牌识别及其应用.》由会员分享,可在线阅读,更多相关《智能车牌识别及其应用.(51页珍藏版)》请在金锄头文库上搜索。
1、*1 *1 智能车牌识别及其应用 潘越峰 2014年1月23日 (PPT名称20号黑体 ) (日期10号黑体) *2 *2 (大标题20号黑体 ) (二级标题12号黑 体) (正文9号黑体) (行距1.5倍) 1 智能车牌识别技术篇 2 智能车牌识别应用篇 *3 *4 *4 车牌识别应用示意图 (大标题20号黑体 ) (二级标题12号黑 体) (正文9号黑体) (行距1.5倍) *5 *5 车牌识别流程示意图 (大标题20号黑体 ) (二级标题12号黑 体) (正文9号黑体) (行距1.5倍) *6 *6 1.1 图像采集 1.2 车牌定位 1.3字符分割 1.4 字符识别 1.5 问题讨论
2、*7 *8 *8 采用高清CCD、高分辨率、覆盖视场大 (大标题20号黑体 ) (二级标题12号黑 体) (正文9号黑体) (行距1.5倍) n CCD 电荷耦合器件(Charge Coupled Device) n CMOS 互补金属氧化物半导体(Complementary Metal Oxide Semiconductor) *9 *9 快门技术,解决高速运动车辆的拖尾现象 (大标题20号黑体 ) (二级标题12号黑 体) (正文9号黑体) (行距1.5倍) 高速电子快门 通过DSP控制CCD感光时间的方式来实现画面亮度的控制 *10 *10 辅助光源系统,助全天候高清抓拍 (大标题20号
3、黑体 ) (二级标题12号黑 体) (正文9号黑体) (行距1.5倍) 疝气闪光灯 疝气频闪灯 LED频闪灯、闪光灯 *11 *11 主动控制曝光技术,解决逆光和强光 (大标题20号黑体 ) (二级标题12号黑 体) (正文9号黑体) (行距1.5倍) 逆光补偿 在光线较弱的环境下,背景较暗的区域,也能够得 到比较清晰的画面。 强光抑制 把强光部分弱化,把暗光部分亮 化,达到光线平衡。 *12 *13 *13 车辆检测技术 (大标题20号黑体 ) (二级标题12号黑 体) (正文9号黑体) (行距1.5倍) 传统检测技术:线圈、雷达、视频 线圈雷达视频 *14 *14 车辆检测技术 (大标题2
4、0号黑体 ) (二级标题12号黑 体) (正文9号黑体) (行距1.5倍) 新兴检测技术:地磁、激光、红外 地磁激光红外 *15 *15 车辆视频检测算法 (大标题20号黑体 ) (二级标题12号黑 体) (正文9号黑体) (行距1.5倍) 常用视频检测算法 -帧间差分法、背景差分法、检测线法、车辆3D建模 检测线法3D建模 *16 *16 常用车辆视频检测算法对比 (大标题20号黑体 ) (二级标题12号黑 体) (正文9号黑体) (行距1.5倍) 视频 检测算法 原理优点缺点 帧间 差分法 基于运动图像序列中,相邻两帧图像间具有强相关性 而提出的检测算法,将前后两帧图像对应像素点的灰度值
5、相减,若灰度值很小,可认为无车经过。 对光照变化不敏感,适 合动态变化的环境,实时 性要求较高 对静止或运动速度较慢 的物体无法检测。 背景 差分法 选取背景中的一幅或几幅图像的平均作为背景图像, 然后把以后的序列图像当前帧和背景图像相减进行背景消 去,若所得到的像素大于某一个阈值,则判定被监视场景 中有运动物体。 对于复杂背景下的运动 物体检测效果较好,一般 能够提供最完整的的特征 数据,计算量小,实用价 值大。 受光线、天气等外界条 件的影响较大。 检测 线法 在待测图像上的合适位置,设置检测线,类似地感线 圈,其方向与车辆行驶方向垂直,当运动物体覆盖检测线 的宽度大于某一阈值就检测到车辆
6、。 一种简单有效地检测车 辆的算法,在高速公路这 样的简单交通场景可以取 得较好的检测结果。 不太适合用于行驶行为 复杂的场合如十字路口这 样的交通场景,能获取的 交通参数种类较少。 3D建 模 对运动车辆进行3D建模,然后采用车辆识别的方法进 行识别和跟踪。车辆是刚性材料,外型的线条感和轮廓感 很强,当车辆经过监控检测区域时,系统会对车辆的外在 轮廓进行检测,将检测出来的线条进行拼装组合即为车辆 的3D模型 3D模型有受光照影响小 、受阴影影响小、抗抖动 性好等特点。 如何提出较好的模型来 对运动车辆进行建模,建 模的好与坏直接影响检测 结果。 *17 *17 车辆跟踪算法 (大标题20号黑
7、体 ) (二级标题12号黑 体) (正文9号黑体) (行距1.5倍) 常用车辆跟踪算法 -基于车辆模型的跟踪 -基于车辆区域的跟踪 -基于车辆轮廓的跟踪 -基于车辆特征的跟踪 *18 *18 常用车辆跟踪算法对比 (大标题20号黑体 ) (二级标题12号黑 体) (正文9号黑体) (行距1.5倍) 车辆跟 踪算法 原理优点缺点 车辆模 型 建立在精细提取已知车辆的3D模型与待 检测图像之间的匹配操作 在确定车辆类型和几何 模型细节时准确度高 对车辆模型的过分依 赖,而很明显的是不可能 为公路上行驶的每种车辆 都建立精细的模型,计算 量大,不利于实时处理。 车辆区 域 该算法中车辆被表示成斑点,
8、或像素连 通块,或块区域,连接区域被提取并根据情 况被合并或分割。 车辆稀少时效果很好, 且块区域可以提供丰富的如 大小、形状和密度等 区域的合并和分割存 在着不准确性。在阴影和 道路拥挤的情况下效果较 差,造成漏检和误检。 车辆轮 廓 先初始勾勒出车辆的轮廓,并且不断地 在后续帧更新轮廓进而达到跟踪的目的。基 于区域算法的一个变形。 与区域算法相比在于计 算量低。 初始化困难,在阴影 和拥塞情况下效果欠佳。 车辆特 征 将车辆的特征作为最小跟踪单元,对每 辆车提取一些特征,这些特征可以是点、线 或曲线,可能代表车辆的保险杆,车窗,车 顶棚等或将这些特征组合来表示一辆车。 即使存在部分遮挡,一
9、 些特征仍旧可见,可以为跟 踪过程提供依据。 在检测每个车辆的特 征时也同样存在车辆彼此 太接近,无法正确提取的 问题。 *19 *19 常见车牌标准 车牌先验知识 (大标题20号黑体 ) (二级标题12号黑 体) (正文9号黑体) (行距1.5倍) *20 *20 车牌定位 (大标题20号黑体 ) (二级标题12号黑 体) (正文9号黑体) (行距1.5倍) 定位流程 - 初步定位、精确定位 常见定位算法 -基于边缘检测的车牌定位 -基于彩色分割的车牌定位 -基于小波变换的车牌定位 -基于遗传算法的车牌定位 -基于数学形态的车牌定位 -基于灰度图像文理特征分析的车牌定位 -基于帧差的视频图像
10、车牌定位 *21 *21 常见车牌初定位算法对比表 (大标题20号黑体 ) (二级标题12号黑 体) (正文9号黑体) (行距1.5倍) 车牌 定位算 法 原理优点缺点 边缘 检测 所谓边缘就是指其周围像素灰度有阶跃变化的那 些像素的集合。边缘的两侧分属于两个区域,每个区 域的灰度均匀一致,而这两个区域的灰度在特征上存 在一定的差异。边缘检测的任务是精确定位边缘和抑 制噪声。 定位准确率较高,反应时间 短,能有效去掉噪声,适合与 包含多个车牌的图像,在多车 牌图像的情况下定位速度也很 快。 对车牌严重褪色的情况下 ,由于检测不到字符笔画的 边缘会导致定位失败,在有 外界干扰以及车牌倾斜时, 定
11、位后的区域比车牌稍大。 彩色 分割 基于彩色分割的车牌定位方法由彩色分割和目标 定位等模块组成,采用多层感知器网络对彩色图像进 行分割,然后通过投影法分割出潜在的车牌区域。 算法正确率较高若车牌区域颜色与附近颜 色相似时,计算速度较慢 数学 形态学 具有一定形态的结构元素去量度和提取图像中的 对应形状以达到图像分析和识别的目的。该算法不能 精确确定车牌左右边界的位置,因此必须结合其他定 位方法进行精确定位。 即使存在部分遮挡,一些特 征仍旧可见,可以为跟踪过程 提供依据。 在检测每个车辆的特征时 也同样存在车辆彼此太接近 ,无法正确提取的问题。 灰度 图像文 理特征 先对图像进行预处理,将彩色
12、图像转换为灰度图 像,然后进行行扫描,找出图像中每一行所含有的车 牌线段,记录下它们的起始坐标和长度,如果有连续 若干行均存在不少于一个的车牌线段,且行数大于某 一确定的阈值,则认为在行的方向上找到了车牌一个 候选区域,并确定该候选区域的起始行和高度;同理 对列扫描,最终确定一个车牌区域。 对于牌照倾斜或变形以及光 照不均,偏弱或偏强有很好的 效果。 对于噪声敏感、对于背景 复杂的图像需结合其他方法 得到真正的车牌区域。 *22 *22 车牌精定位 (大标题20号黑体 ) (二级标题12号黑 体) (正文9号黑体) (行距1.5倍) Hough变换:检找出车牌图像中满足条件的 直线,并依此直线
13、的角度作为车牌的倾斜角度 。 精定位上下左右边界:根据车牌图像字 符区域明暗交替出现的特征来确定上下边界; 采用颜色二值化和纹理方法相结合的办法来定 位车牌左右边界 Radon变换:对图像采用投影的方法检测投 影高度和投影的目标像素的峰值,找到投影面 积满足最佳条件时的投影角度。 *23 *24 *24 车牌图像预处理 (大标题20号黑体 ) (二级标题12号黑 体) (正文9号黑体) (行距1.5倍) 车牌字符区域 灰度化 二值化 去噪 *25 *25 车牌图像预处理 (大标题20号黑体 ) (二级标题12号黑 体) (正文9号黑体) (行距1.5倍) 灰度化: 将彩色图像转化成为灰度图像的
14、过程成为图像的灰度化处理。彩图转化为256个灰度 级黑白图像,只保留亮度,去除色彩,减少图像处理的运算量。 二值化: 图像的二值化处理就是讲图像上的点的灰度置为0或255,也就是讲整个图像呈现出明 显的黑白效果。即将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图 像整体和局部特征的二值化图像。 去噪(滤波): 图像信息在采集过程中往往受到各种噪声源的干扰,这些噪声在图像上的常常表现 为一些孤立像素点,这可理解为像素的灰度是空间相关的,即噪声点像素灰度与它们临近 像素的灰度有着显著不同。这种干扰或孤立像素点如不经过滤波处理,会对以后的图像区 域分割、分析和判断带来影响。 *26
15、 *26 垂直投影法 (大标题20号黑体 ) (二级标题12号黑 体) (正文9号黑体) (行距1.5倍) 基本原理: 对车牌灰度图像进行灰度垂直投影,可以清 晰地看出7个区域,即车牌的7个字符灰度图像的垂 直投影,通过垂直投影图特征,分割字符就转化为 只需得到每个区域的左右边界即可。 优点: 变形不是很严重的车牌能很好的分割 缺点: 对铆钉、字符粘连及车牌左右边框等噪声比 较敏感 *27 *27 模板匹配法 (大标题20号黑体 ) (二级标题12号黑 体) (正文9号黑体) (行距1.5倍) 车牌字符特点: 一般牌照字符共有7个,并且长宽高 以及字符间距都符合一定的标准。 基本原理: 在精确
16、定位车牌字符的上下边界后, 以图示模板,从左往右扫描车牌图像,需 求落在字符区域与字符间空隙区域白色像 素的最大差值,将字符分割出来。 优点: 很好的解决图像二值化后字符粘连及 铆钉等的干扰。 缺点:车辆图像尺寸必须很规范。 *28 *29 *29 字符识别原理 (大标题20号黑体 ) (二级标题12号黑 体) (正文9号黑体) (行距1.5倍) 基本思想:匹配判别,抽取代表未知字符模式本质的各种特征和预先存储在机器 中的标准字符的字典逐一匹配,用一定的准则进行判别。 *30 *30 基于模板匹配的识别方法 (大标题20号黑体 ) (二级标题12号黑 体) (正文9号黑体) (行距1.5倍) 基本思想:先在图像中检测出已知形状的目标 物,然后用这个目标物的形状模板与图像匹配,在 约定的准则下检测出目标图像。 优点: 简单成熟,对于标准、规范的字符识别效果 较好。 缺点: 复杂环境下识别效果较差,且自适应不强。 *31 *31 基于神经网络的识别方法 (大标题20号黑体 ) (二级标