《车牌识别课程设计--车牌识别的设计与实现》由会员分享，可在线阅读，更多相关《车牌识别课程设计--车牌识别的设计与实现（28页珍藏版）》请在金锄头文库上搜索。
1、 课 程 设 计 车牌识别的设计与实现 姓名：程闯军 学号 ：1008020226 专业：信息工程 指导老师：李辉 2021年1月 车牌识别的设计与实现摘要：随着我国经济、交通的的快速开展，车牌定位系统以及车牌字符自动识别技术也逐渐受到人们的重视。车牌识别是对采集的车牌图像进行灰度变换、边缘检测、腐蚀以及平滑处理，最后在取得的大对像中移除小对像，由此提出了一种基于车牌纹理特征的车牌定位算法，最终实现对车牌的定位。车牌字符分割是为了以便后续对车牌模板进行匹配从而对车牌进行识别，考虑到我国车牌的结构构成所采用的字符并不是很多，由此本文采用了模板匹配的方法，对输出的图像和模板库里的模板进行匹配，通过
2、处理后得到的图片与模板字符相减，得到的0越多那么就越匹配，然后对其个数进行累计并找出数值最大的，即为识别出来的结果。关键词：字符识别；模式识别；车牌定位；模板匹配；边缘检测1 引 言近年来随着社会经济的高速开展、汽车数量急剧增加，对交通管理的要求也日益提高，而相应的人工管理方式以不能满足实际的需要，微电子、通信和计算机技术在交通领域的应用极大地提高了交通管理的效率。运用电子信息技术实现平安、高效的智能交通成为交通管理的主要开展方向。汽车牌照号码是车辆的唯一“身份标识，通过智能的车牌定位及识别技术将对于维护交通平安和城市治安，防止交通堵塞，实现交通自动化管理有着现实的意义。车牌识别技术(Vehi
3、cle License Plate Recognition，VLPR) 是指能够检测到受监控路面的车辆并自动提取车辆牌照信息进行处理的技术。车牌识别是现代智能交通系统中的重要组成局部之一，应用十分广泛。它以数字图像处理、模式识别、计算机视觉等技术为根底，对摄像机所拍摄的车辆图像或者视频序列进行分析，得到每一辆汽车唯一的车牌号码，从而完成识别过程。车牌定位与字符识别技术是基于计算机图像处理、模式识别等技术为根底，通过对原图像的处理，以及边缘检测技术实现对车牌的定位，然后对车牌图像处理、归一化处理、分割以及保存，最后进行分割图像与模板库的模板进行匹配，最后输出匹配结果。车牌的智能定位以及识别是一个
4、完整的系统，考虑到其应用的普遍性以及广泛性，就要求我们在设计过程中考虑到以下几方面：1准确性:尽可能的避开其他外界造成的干扰，准确的识别车牌信息。2实时性:考虑到车载行驶的过程中速度不一，对触发超速摄像的抓拍应当及时的对其进行识别并且储存，才能有效的提高工作效率。3优化性：采用竟可能低的硬件要求，对其快速的做出的计算与识别。本文采用的是选取不同的边缘算子检测，通过实验分析不同算子的效果，最终选取了canny算子进行车牌的边缘检测，更好的对其进行检测与识别，然后通过二值化等处理进行分割，最终与模板库模板进行比照，到达车牌识别的目的。 2 车牌识别系统分析2.1 车牌识别现状分析模式识别是一门以应
5、用为根底的学科，目的是将对像进行分类，这些对像与应用领域有关，他们可以是图像，信号波形或者是任何可测量且需要分类的对像，在机器视觉中，模式识别是非常重要的，机器视觉系统通过照相机捕捉图像，然后通过分析生成图像的描述信息。车牌识别技术是计算机模式识别技术在智能交通领域的典型应用，是一个以特写目标为对像的专用计算机视觉系统。简单地说，它使计算机能像人一样认识汽车牌照(包括车牌的汉字、字母、数字)。车辆牌照识别技术推出以来，人们就对其进行了广泛的研究。从20世纪90年代初，国外就已经开始了对汽车牌照自动识别的研究，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。国外己有不少相关的
6、文章发表，有的己经非常成熟，投入实际使用。我国车牌自动识别的研究起步较晚，大约发生在八十年代末。1988年戴营等利用常见的图像处理技术方法提出汉字识别的分类是在提取汉字特征的根底上进行的。根据汉字的投影直方图ProjectionHIStogram，选取浮动阂值，进行量化处理后，形成一个变长链码，再用动态规划法，求出与标准模式链码的最小距离，实现细分类，完成汉字省名的自动识别。 目前我国市场上有二十几家企业从事车牌识别产品的开发和生产，其中比拟成熟的有香港的ASiavisionTeChnologyLtd公司亚洲视觉科技、北京汉王、沈阳聚德、川大智胜、上海高德威、清华紫光、杭州友通、深圳科安信、利
7、普视觉中智交通电子系统等企业。2.2 车牌识别的意义结合我国的国情，由于我国地域广阔，车辆道路复杂，安装相应的检测设备或者人员配备投资巨大，且造成人力物力的浪费，因此我们急需对现有的检测设备优化，而车牌识别技术恰好能满足这一需求，通过车牌识别我们可以解决被纳入“黑名单的通缉车辆，可以统计一定时间范围内进出各省的车辆，还能有效的对该车辆进行定位，对公安机关等相关部门有着很重要的作用，具体归结应用方式如下：1监测报警 对于纳入“黑名单的车辆，例如：被通缉或挂失的车辆、欠交费车辆、未年检车辆、肇事逃逸及违章车辆等，我们只需要把其牌照的信息输入系统，那么该车辆在通过装有全国联网系统的路口或者收费站等卡
8、口时，信息采集设备将会对其进行采集并且与数据库比照，实现其定位。这种方式可以通过程序实现24小时工作，而且此过程保密性好，不会提醒黑名单车辆的死机。2车辆出入自动登记及放行在需要管制的小区或者办公场所门口装设车牌识别系统，那么汽车进出此场所时间，车牌牌照等信息将会被存储在相应的数据库中，通过修改相应的数据库，添加车牌信息，我们还能让自动门禁对相应的车辆进行自动放行，如遇到非数据库中的车辆那么由保安进行相应的咨询，或批准后人为放行。这不仅提高物业管理的效益，同时自动比对进出车辆，防止偷盗事件的发生。3违法违章管理 车牌识别技术结合测速设备可以用于车辆超速违章处分，一般用于高速公路、容易肇事路段。
9、还可以在红绿灯路口加上红外检测实现违规检测，对出现闯红灯的现像或者违规转弯的现像进行相应的数据采集。将其传送至相关部门，从而对其下发处分通知书，实现对其处分。4交通流控制指标参量的测量为到达交通流控制的目标，一些交通流指标的测量相当重要。车牌识别系统能够测量和统计很多交通流指标参数例如车流量，车流顶峰时间段，平均车速，车辆密度等。这也为交通诱导系统提供必要的交通流信息。从而能够有效的采取措施预防堵车，排队，事故等交通异常现像。5移动电子警察系统随着我国公路根底建设的快速开展，公路的质量、里程都有了很大程度上的提高，但也出现了不交养路费等情况，给国家造成了巨大的经济损失。且丧失车辆稽查、车辆是否
10、合法、拦车路检等情况都需要公安人员对其进行相应的检查，由于人工判断工作效率很低且容易让正常车主及乘客造成误解，现在有了车牌自动识别技术之后将大大提高办公效率以及检查的准确性，很大程度上解决了以上的问题。 3实现目标和功能车牌识别(Vehicle License Plate Recognition，VLPR) 是现代智能交通系统中的重要组成局部之一，应用十分广泛，车牌识别技术通过对信息量较大的对像采集，然后经过一系列的处理提取了相对较小的信息量且有价值的一局部信息，仅仅提取识别车“身份的车牌信息。在交通管理过程中，通常采用视频监控方式对闯红灯和超速等违章车辆进行监督。对违章车辆，需要自动检测车牌
11、信息，提取车牌号码，以便查找车主信息和监督管理。对于维护交通平安和城市治安，防止交通堵塞，实现交通自动化管理有着现实的意义。实现功能1对图像进行预处理，增加图像的比照度；2根据图像的颜色对车牌区域定位3对图像进行旋转、二值化操作，并进行水平投影操作，根据直方图峰值和谷值对字符进行分割；4可采用模板匹配方法，对数字和字母进行识别，并输出识别后的结果。4 实现所采用的方法车辆牌照识别整个系统主要是由车牌定位和字符识别两局部组成，其中车牌定位又可以分为图像预处理及边缘提取模块和牌照的定位及分割模块；字符识别可以分为字符分割与特征提取和单个字符识别两个模块。为了用于牌照的分割和牌照字符的识别，原始图像
12、应具有适当的亮度，较大的比照度和清晰可辩的牌照图像。但由于该系统的摄像局部工作于开放的户外环境，加之车辆牌照的整洁度、自然光照条件、拍摄时摄像机与牌照的矩离和角度以及车辆行驶速度等因素的影响，牌照图像可能出现模糊、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。牌照的定位和分割是牌照识别系统的关键技术之一，其主要目的是在经图像预处理后的原始灰度图像中确定牌照的具体位置，并将包含牌照字符的一块子图像从整个图像中分割出来，供字符识别子系统识别之用，分割的准确与否直接关系到整个牌照字符识别系统的识别率。由于拍摄时的光照条件、牌照的整洁程度的影响，和摄像机的焦距调整、镜头的光学畸变所产生的
13、噪声都会不同程度地造成牌照字符的边界模糊、细节不清、笔划断开或粗细不均，加上牌照上的污斑等缺陷，致使字符提取困难，进而影响字符识别的准确性。因此，需要对字符在识别之前再进行一次针对性的处理。车牌识别的最终目的就是对车牌上的文字进行识别。主要应用的为模板匹配方法。因为系统运行的过程中，主要进行的都是图像处理，在这个过程中要进行大量的数据处理，所以处理器和内存要求比拟高，CPU要求主频在600HZ及以上，内存在128MB及以上。系统可以运行于Windows98、Windows2000或者Windows XP操作系统下，程序调试时使用matlab。5实现目标方法流程图车牌定位与字符识别技术是基于计算
14、机图像处理、模式识别等技术为根底，通过对原图像的处理，以及边缘检测技术实现对车牌的定位，然后对车牌图像处理、归一化处理、分割以及保存，最后进行分割图像与模板库的模板进行匹配，最后输出匹配结果。流程如下列图所示 车牌识别系统流程图车牌图像采集车牌图像进行处理字符分割字符识别输出结果对车牌定位定位车牌图像处理图1车牌识别系统流程图6实现目标主要步骤1 获取图像 装入待处理彩色图像并显示原始图像 2 图像预处理 对Sgray 原始黑白图像进行开操作得到图像背景3 取得最正确阈值，将图像二值化 4 对得到二值图像作开闭操作进行滤波5 对二值图像进行区域提取，并计算区域特征参数。进行区域特征参数比拟，提取车牌区域 6 计算车牌水平投影，并对水平投影进行峰谷分析7 计算车牌旋转角度 8 旋转车牌后重新计算车牌水平投影，去掉车牌水平边框，获取字符高度9 计算车牌垂直投影，去掉车牌垂直边框，获取车牌及字符平均宽度10 计算车牌上每个字符中心位置，计算最大字符宽度11 提取分割字符,并变换为22行?14列标准子图7 程序结果显示Step1 获取图像 装入待处理彩色图像并显示原始黑白图像 图1-1原始彩色图像 图1-2原始黑白图像Step2 图像预处理 对原始黑白图像进行开操作得到图像背景 图2-1原始黑白图像 图2-2背景图像 图2-3增强黑白图像原始黑白图像与背景图像相减
