文 献 综 述

1.课题背景

近些年，随着我国经济的快速发展，汽车产业也发展迅速，汽车数量猛增，准确高效的智能化交通运输管理系统越来越重要。而在智能交通监管系统中，车辆牌照的实时识别是重要的组成部分。车牌识别系统是对各场所配置的摄像头所拍摄的照片进行数字图像分析与处理，综合应用数学形态学方法和图像处理方法对汽车图像进行处理，并利用多种手段以提取车牌区域，精确定位汽车牌照，进而完成对汽车牌照的识别。

汽车车牌的定位及识别是模式识别技术与计算机视觉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，如违章行为的监测，交通流量的检测与控制，小区、高速公路等出入车辆的管理，车辆的防盗与稽查等，能对经济和社会发展做出巨大贡献。因此，车牌识别系统的有着不可替代的作用，而对车牌定位与识别的研究更是具有重要的现实意义。

2.国内外研究现状

国外学者具有代表性的研究工作有： A.S.Johnson 等在 1990 年提出了利用图像分割来实现车牌自动识别，系统主要由特征提取、模板构造和字符识别三个部分组成，该系统可以实现车牌的自动识别，具有开创性的意义。R.Paris在1998年结合人工神经网络和 DSP 开发出了一套车牌识别系统，向真正的市场应用打下良好的开端。现有国外技术比较成熟而且应用广泛的的产品主要有：香港 Asia Vision Technology 公司研发的 VECON 系列，以色列 Hi-Tech 公司研发的 see/Car 系统系列，新加坡 Optasia 公司研发的 VLPRS 系列。其中，VECON 系列和 VLPRS 系列主要适合于香港和新加坡地区的车牌。See/Car Chinese 系统能够对中国内地大部分地区的车牌类型进行识别，但是对于车牌字符中的汉字却无法进行识别，因此不能直接应用于我国的车牌识别。

国内在车牌识别方面的研究开始于 20 世纪 90 年代，取得了一定的成效并且日趋成熟，车牌识别率可达到 95%左右。国内比较好的定位算法有基于车牌字符变化特征的自动扫描识别算法，但由于车牌多具有不同的色彩，且多与车身、牌号、车辆背景不同，因此基于颜色来研究车牌的定位成为了车牌定位方法的一种新思路。例如采用多级混合集成分类器及色彩分割的识别方法，该方法采用多层感知器网络将具有均匀色度空间的彩色图像进行色彩分割，再利用投影法分割出潜在的各种底色的车牌区域。

虽然上述车牌定位方法都具有一定的参考价值和实用性，但大都不完善，具有一定的针对性和局限性。车牌识别系统要综合应用多种手段提取车牌区域，精确定位汽车牌照并最终完成对汽车牌照的识别。因此车牌识别系统要应对多种复杂环境，如车牌反光、车牌污损等。

3.研究方法分析

本课题主要对车牌识别系统中的图像预处理、车牌定位、字符分割、字符识别等工作模块进行研究，系统工作流程如下图1所示：