《汽车牌照识别系统设计与实现开题报告-最终版.doc》由会员分享，可在线阅读，更多相关《汽车牌照识别系统设计与实现开题报告-最终版.doc（10页珍藏版）》请在金锄头文库上搜索。
1、电气信息工程学院 毕业设计（论文）开题报告 课题名称： 汽车牌照识别系统设计与实现 专 业： 电子信息工程 姓 名： 徐 * 班级学号： 12-1- 31 指导教师： 刘 * 二一六年 三 月 十五 日 一、选题的意义及国内(外)的研究概况(一) 国内研究现状1.国内现状在人类生产生活不断提高的同时，汽车数量的增长已经是越来越多，那么同时汽车的社会问题也日益严重，怎样有效的管路交通更是成为了人们关注的重点。交通拥挤造成了巨大的时间浪费，加大了环境污染。我国大多数城市的平均行车速度已经降至25km/h一下，有些路段甚至只有78km/h;由于车辆速度过慢，为期排放增加，使得城市的空气进一步变差，对
2、于这些问题，人们便运用新的科技，不断开发出了各种交通道路监视，管理系统来控制车辆的出行。研制出的这些系统通过车辆检测装置对过往的车辆实施检测，提取有关交通数据，上传到网络共享，进行相应的处理措施。所以，智能交通系统ITS（intelligent traffic system）已成为世界交通领域研究的重要课题1。车牌识别系统LPR(license plate recognition)作为智能交通系统的一个重要组成部分，已在高速公路、城市交通和停车场的项目的管理中占有无可取代的重要地位。它在不影响汽车状态的情况下，由计算机自动完成车牌识别，从而降低交通管理工作的复杂度2。车辆识别已经取得了广泛的应
3、用，如电子警察、公安卡口、高速公路测速与收费、停车场管理、天网监控、专车专停管理等，特别是在电子警察和公安卡口以及高速公路等领域，基本都已具备了车牌识别功能。停车场自2012年始在中国也进入了广泛应用阶段，截止2013年底预估已达到10%的覆盖率，天网监控和专车专停的应用才刚刚起步。车牌识别的大致原理如下：分为图像采集、车牌定位、字符分割、字符识别四大模块,再用软件编程来实现每一个部分，最后识别出牌照，输出车牌号码等相关信息3。2.我国汽车车牌现有规格根据GA36-1992标准14，目前我国常用的车牌照类型主要由四种，分别为：小功率汽车所用的蓝底白字牌照；大功率汽车所用的黄底黑字牌照：国外驻华
4、机构所用的黑底白字牌照；军用或警用的白底黑字或白底红字牌照。对于车前牌照，其标准长度和宽度分别为44 cm和14 cm，车牌照上按规律分布着7个字符，包括中文汉字、大写英文字母、阿拉伯数字，排列格式是X1X2X3X4X5X6X7。X1为各省、直辖市的简称，如“吉，“京，或者特种车辆类型如“警，“军：X2为英文字母，代表各省的不同地区；X3X4为英文字母或阿拉伯数字；X5X6X7均为阿拉伯数字。X2和X3之间有一个小圆点分隔符。其中，车牌照中使用的字符集包含59个汉字、24个大写英文字母(不含字母“I”和“0)和10个阿拉伯数字(0-9)，并且字符均为印刷体，结构固定、笔画规范4。 (二) 选题
5、的意义随着经济社会的迅猛发展，人们的生活水平的提高，机动车辆的数量也越来越多。为了提高车辆的管理效率，缓解公路上的交通压力，我们必须找到一种解决方案。而作为汽车“身份证”的汽车车牌，是在公众场合能够唯一确定汽车身份的凭证。我们可以以此为依据，设计一种车牌识别系统监控各个车辆的情况。为此，我国交通管理部门对汽车车牌的管理非常重视并制定了一套严格的管理法规。其中对汽车车牌的制作、安装、维护都要求由制定部门统一进行管理。在此基础上，如果研制出一种能在公众场合迅速准确地对汽车牌照进行自动定位识别的系统(CPR)，那么这将是一件非常有意义的工作，并将极大地提高汽车的安全管理水平及管理效率6。汽车牌照识别
6、系统是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一,该技术应用范围非常广泛,其中包括:(1)交通流量检测；(2)交通控制与诱导；(3)机场、港口等出入口车辆管理；(4)小区车辆管理；(5)闯红灯等违章车辆监控；(6)不停车自动收费；(7)道口检查站车辆监控；(8)公共停车场安全防盗管理；(9)计算出行时间；(10)车辆安全防盗、查堵指定车辆等。其潜在市场应用价值极大，有能力产生巨大的社会效益和经济效益7。近些年,计算机的飞速发展和数字图像技术的日趋成熟，为传统的交通管理带来重大转变。先进的计算机处理技术，不但可以将人力从繁琐的人工观察、检测中解放出来，而且能够大大提高其精确度，
7、汽车牌照自动识别系统就是在这样的背景与目的下进行开发的。汽车牌照自动识别系统(VLPRS)是对由公路上配置的摄像头拍摄的照片进行数字图像处理与分析，综合应用大量的图像处理最新成果和数学形态学方法对汽车图像进行平滑、二值化、模糊处理、边缘检测、图像分割、开运算、闭运算、区域标识等多种手段以提取车牌区域,进而达到对汽车牌照的精确定位并最终完成对汽车牌照的识别。从20世纪80年代，国内外的研究人员就开始了对车牌识别系统的研究。在车牌识别的过程中，虽然运用了很多的技术方法，但由于外界环境光线变化、光路中有灰尘、季节环境变化及车牌本身被污染而模糊等条件的影响,使得车牌识别系统一直处于实验室阶段，得不到很
8、好的应用；而且，很多的方法都需要大量的数值计算，不能很好地满足实时性要求。为了解决图像恶化的问题，目前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。虽然提高了识别率,但是，这同时也造成了系统的投资成本过大，应用领域变窄，不能普遍推广应用。由于我国汽车车牌识别的特殊性,采用任何一种单一识别技术均难以奏效。目前正在研制的无源型汽车牌照智能识别系统综合利用了车辆检测技术、计算机视觉(ComputerVision)技术、图象处理技术、人工智能技术和人工神经网络技术等,是一个比较有发展前途的车牌识别系统8。二、本课题研究的关键问题及解决的思路(一) 本课题研究内容及关键问题1.研究
9、内容：本课题研究的是汽车牌照识别系统设计与实现，主要应用于交通车辆违章监控、社区汽车出入记录、车辆防盗以及行车监控。本课题是基于Visual C+的车牌图像处理技术研究，汽车牌照识别技术主要包括车牌定位、车牌字符分割和车牌字符识别三部分：（1）车牌定位，通过分析车牌图像的特征，定位出图像中的车牌位置。（2）车牌字符分割，对定位好的图像中的车牌位置进行字符分割。（3）车牌字符识别，对分割出来的车牌字符加以识别，获得文字形式的车牌。2.关键问题: （1）车牌图像信息的获取 （2）图像处理算法的设计实现（3）车牌信息精确提取（4）车牌字符处理识别（5）车牌特征入库（6）重点难点问题研究（7）算法的实
10、现(二)解决关键问题的思路1.系统开发平台及运行环境本程序将采用Visual C+开发环境进行开发，windows 7进行测试，测试样本将使用自己拍摄的汽车图片，以保证程序的正确性和可信性。2.研究方法及方案（1）读入图像输入的图像由于受到天气、光照等的影响，再加上车牌老化污损、陈旧褪色，这些都可能使车牌图像产生对比度不足的弊端，图像细节分辨不清，车牌字符部分不突出。而且，对高速行进中的汽车拍摄的图像往往产生模糊、扭曲、变形等现象，这都增加了预处理的难度。而这些处理需要很复杂的过程，因为系统把读入的图片默认为比较清晰的、几乎没有倾斜度的图片。（2）图像预处理 图像预处理过程需要把图像转换成便于
11、定位的二值化图像。需要经过图像灰度化、图像增强、边缘提取、二值化操作。（3）车牌定位 车牌定位方法的出发点是利用车牌区域的特征来判断车牌，将车牌区域从整幅车牌图像中分割出来。车牌自身具有许多的固有特征，这些特征对于不同的场合区域是不同的。（4）字符分割字符的分割要求能够准确地定位字符边界，进而将车牌内的所有字符提取出来。（5）字符识别 应用模板匹配的算法来实现字符的识别，要求能准确地识别车牌。3.总体功能结构图总体功能结构图如图1图1 总体结构框图4.车牌的图像处理车牌的图像处理流程如图2图2 系统图像处理设计流程图5.重点难点问题车牌定位一直是车牌识别的重点和难点。近年来相关文献提出许多车牌
12、定位算法，其中比较典型的算法有基于边缘法，基于彩色分割法，基于小波变换和基于遗传算法的方法等;在车牌字符切分方面，主要的方法有：基于二值（灰度）图像水平（垂直）投影分布的车牌字符的切分方法，基于二值图像字符区域上下轮廓分布的车牌字符切分算法，基于模板匹配的车牌字符切分算法，基于聚类分析的车牌字符切分算法，基于车牌二值图像字符连通性的字符切分算法，基于颜色分类的车牌字符切分算法等；在车牌字符分类器的设计方面采取的主要方法有：神经网络分类器（包括BP神经网络，SOFM网络等），模板匹配分类器，基于概率统计的Bayes分类器，几何分类器等。6.重要算法的实现 车牌中最重要的是图像中车牌的字符识别，字
13、符识别如下所述；（1)字符大小的归一化：本文将所有字符的大小都统一成2136大小。（2)特征提取与识别：在特征提取过程中，提取了两种统计特征，一种是网格特征，由于每个字符都是36 x21大小的，所以把图像分割成33=9个小格子，在每个格子里统计其黑色像素的个数，形成一个9维的矢量；另一种特征是交叉点特征，在水平方向和垂直方向三等分的地方。作水平线和垂直线穿过字符，看其与数字边缘相交的次数，这样又获得了四个数值，加起来特征量一共是13维，将模板的特征提取出来，保存在文件里，然后使用BP神经网络训练。在特征提取和识别中，因为采集到的汉字样本较少，大多为“津”或“京”，故省略了对汉字的识别。具体算法
14、如下：（1）取每一幅经过归一化处理后的样本图像，并找到其图像数据的起始地址。（2）对图像里的每一个字符，找到其左边界left，将图像分成33=9个小方格，从下到上，从左到右编号依次为08，统计每个小方格内黑色像素点的个数，并将它们存入数组。（3）扫描图像的11行，left列和left + 20列之间的像素，记录其穿过跳变点的个数，并存入特征矩阵；扫描图像的23行，left列和left + 20列之间的像素，记录其穿过跳变点的个数，并存入特征矩阵；扫描图像的left + 6列，记录其穿过跳变点的个数，并存入特征矩阵；扫描图像的left + 13列，记录其穿过跳变点的个数，并存人特征矩阵；将每个字
15、符的ASC码值除以100作为神经网络的期望输出存入期望输出矩阵。（4）扫描完所有的样本图像，将其特征矩阵和期望输出矩阵保存在文件中。（5）在程序中载入训练好的神经网络，将归一化后图像中各个字符的特征向量输入神经网络，得出识别结果。11三、完成本课题的工作进度计划设计进度任务分配第一第二周收集资料，写出开题报告 第三周确定设计方案第四第五周分析系统开发代码构架，对每一个功能模块，通过具体的操作步骤，实现系统的所有功能第六第八周确定设计代码，深入研究算法，调试算法可行性，整理完善算法第九第十周整体软件设计，包括数据图像采集，图像处理，字符分割，字符识别，存储等程序的设计第十一第十三周系统最后优化，调试，撰写论文第十四周整理论文,准备答辩四、 参考文献1 何东健 数字图像处理（第三版）.西安电子科技大学出版社.2015年. 2（5）2 贾永红 张谦，崔卫红 余卉.数字图像处理实习教程（第二版）.武汉大学出版社.2015.23
