摘 要

智能车牌识别系统在道路交通管理、进出口车辆控制、电子警察、停车场车位监控等方面发挥着重要作用。一个优秀的车牌识别系统能够帮助地面交通资源得到充分利用，使人们的生活更加快捷便利。本文针对我国蓝底白字的小型机动车车牌进行研究，并开发实现了基于OpenCV的智能车牌识别系统，车牌识别效果良好。

本系统能够对网络实时道路视频、非实时视频、图像进行车牌识别。本系统使用基于HSV颜色空间的车牌定位方法对白天的车辆图像成功完成车牌定位；运用Canny算子边缘检测方法提取车牌边缘结构完成图像处理；实现基于垂直投影法的字符分割方法对二值化车牌图像进行切割。最后使用模板匹配法进行车牌识别。

本文各章节内容如下：第一章绪论介绍关于车牌识别系统的研究背景、意义和国内外研究现状，并概述本文课题研究内容。第二章对系统关键技术进行概述，介绍了车牌定位、图像处理、以及字符识别的相关算法。第三章详细描述系统个功能的实现过程。第四章对系统进行全面展示。第五章展示了系统的测试案例。第六章则对本文进行总结与展望。

关键字：车牌识别；车牌定位；模板匹配；边缘检测；

Abstract

The intelligent license plate recognition system play a significant role in management of road traffic,Electronic Police System,monitoring for Parking lot,etc. An excellent license plate recognition system can help make full use of ground transportation resources and make people's lives faster and more convenient. This paper studies the small motor vehicle license plate with blue and white characters in China, and develops and implements the intelligent license plate recognition system based on OpenCV. The license plate recognition effect is good.
This system can carry out license plate recognition for network real-time road video, non-real time video and image. The system uses the license plate location method based on HSV color space to successfully complete the license plate location for the daytime vehicle image; the Canny operator edge detection method is used to extract the license plate edge structure to complete the image processing; the vertical projection method based character segmentation method is applied to the binarized license plate The image is cut. Finally, the template matching method is used for license plate recognition.

The contents of each chapter of this paper are as follows: the research background, significance and research status of the license plate recognition system , System content review are introduced in Chapter 1. an overview of the key technologies of the system are given in the second chapter,including the algorithms related to license plate location, image processing, and character recognition. the implementation process of the system functions is described in detail in Chapter 3. You coould learn about the system through displaying related functions in Chapter 4. Detailed test case is located in Chapter 5. summarizing and forecasting all work about this system in Chapter 6 Is the last thing.
Keyword: license plate recognition; license plate location; template matching; edge detection;

目录

摘 要 II

Abstract III

第1章 绪论 1

1.1 课题研究的背景、目的和意义 1

1.2 国内外研究现状 1

1.3 课题研究目标 2

第2章 系统关键技术综述 4

2.1 车牌定位技术 4

2.1.1 基于HSV颜色空间车牌定位方法 4

2.2 车牌图像处理 5

2.2.1 基于Canny的边缘检测算法 6

2.3 字符识别 7

2.3.1 基于模板匹配的字符识别方法 7

第3章 系统功能实现 8

3.1 开发环境 8

3.2 视频图像采集 8

3.2.1 获取图像视频 8

3.3 车牌定位 9

3.4 车牌图像处理 11

3.4.1 图像去噪及边缘检测 11

3.4.2 倾斜矫正处理 12

3.5 字符分割 13

3.6 字符识别 14

3.7 界面设计 14

第4章 功能展示 16

4.1 系统总体展示 16

4.2 获取图像 16

4.3 处理图像 18

4.4 保存结果 19

总结与展望 20

4.5 总结 20

4.6 展望 21

参考文献 22

致 谢 24

绪论

课题研究的背景、目的和意义

随着我国经济的持续发展，机动车的数量也在与日俱增。然而受限于道路、停车场等附加设施的建设速度，庞大的汽车总量在大中小型城市均导致了严重的交通拥堵和交通事故，造成了巨额的经济损失。除此之外，车辆在停车场、高速公路、桥梁等进出口停滞时间过长，导致车辆无法快速通过，给人们的生活带来极大不便。单纯依靠交通法规很难成功解决交通资源难以有效利用和道路通行效率低的问题，因此迫切需要一种高效的管理模式来缓解交通压力。智能交通系统(Intelligent Transportation System,ITS)应运而生，利用计算机、通信等技术对道路、车辆交通进行实时管理。它通过交通信息进行采集、处理、共享等来实现对地面交通资源的高效利用。

车牌识别技术是智能交通系统的重要组成部分，它的主要工作是对车牌图像进行处理，自动快速地识别出车牌信息。该技术对机动车管理提供了很大的便利。车牌识别综合运用模式识别、图像识别、机器学习等技术，具有理论研究意义。车牌识别系统用途广泛，包括智能交通电子警察、高速公路、停车场收费、违规车辆监控等。它能自动化管理车辆出入，使得其在出入口的通过时间大大减少，对减轻交通拥堵问题，节省人力资源具有重要帮助,研究此技术具有可观的现实意义。

由于实际道路上车辆往往是运动的，而现有的车牌识别系统多在出入口对车辆进行拦截暂停拍照获取信息，这样仍会降低道路通过效率。同时也存在着光照不均等环境因素对车牌识别的干扰，导致车牌识别系统存在着车牌定位不准确、字符识别率不高等问题。因此车牌识别系统还需要进一步深入研究。

国内外研究现状

国外先于国内对智能交通系统进行实验研究，目前英国、美国、德国、新加坡等国家已拥有较为成熟的管理系统，并将其广泛应用到道路交通领域，交通拥堵的难题得到有效缓解。例如研发AutoVu-IP的德国Genetec公司的产品，美国的AlphaTech公司新加坡Optasia公司等，这些产品能对其国家的车牌进行有效识别，实现了商业化。但由于各国的车牌结构、颜色等均不相同，在本国表现优异的车牌识别系统应用到别国就出现问题。如Hi-Tech公司的See/Car Chinese系统无法有效识别我国车牌字符，因为我国车牌结构、种类、字符都与国外车牌存在差别。

我国20世纪80年代开始发展智能交通系统，虽然起步较晚，但在政府和大量专家学者的支持下，我国车牌识别技术发展迅猛，大量机构都投入到该技术的研究中。其中中科院下的汉王公司、沈阳聚德公司，中智交通电子预先公司、深圳吉通公司等都有自己成熟的产品。但这些产品一般是单单应用在某一特定场景下进行车牌识别，对应用环境有一定要求。

随着计算机技术的不断发展与更新，越来越多车牌识别系统的相关方法被研发出来。在车牌定位方面，廉宁和徐艳蕾^[1]等曾运用基于颜色特征的车牌定位方法，但发现当车身与车牌颜色相近时定位成功率大大降低；曾泉^[2]采用向量机理论对车牌特征进行提取经过训练可有效对车牌进行定位，并通过BP神经网络使得整体车牌字符识别率达到95.2%。在字符分割方面，孟杰^[3]提出基于灰度图像的分割方法，利用灰度图像的拓扑特征和投影轮廓找到非线性分割路径实现区域分割，但这种分割方法较为复杂。在字符识别方面，杨莉^[4]采用基于HOG SVM的字符识别方法，具有计算速度快，对小样本也能达到较好识别结果的优点。国外学者利用神经网络进行车牌识别亦进行大量研究^[5-6]，P Surekha Pavan Gurudath^[7] 等对神经网络参数进行了详细的分析和优化，使得该技术在matlab和Raspberry Pi上运行准确率高达97％。国内学者赵志宏和杨绍普^[8]等人采用卷积神经网络识别车牌字符，识别率可达到98.68%。

现今车牌识别的研究虽然较多，但很多算法在实验室表现良好，但实用性不强。如在天气光照雾霾等因素导致辆照片质量不高，图像失真。这无疑对可应用的识别算法加以限制，导致各种车牌识别系统对场景的要求有较多，识别准确率不高。另外，以往车牌识别系统针对图像进行处理，但生活中车辆信息往往是以监控视频形式出现，因此还需增加对视频中的车牌识别的研究。由此可知，对车牌识别系统的研究还有很大改进的空间。

课题研究目标

本文将学习和分析车牌识别系统的相关算法。将采用c 编程，综合运用Qt平台和OpenCV开源计算机视觉库来进行开发系统。根据国内车牌结构特征，对网络监控摄像头拍摄的道路视频运用。系统主要识别白底蓝字的小型机动车车牌。本系统具体包括五个模块：视频采集、车牌定位、车牌图像处理、字符分割、字符识别。详细内容介绍如下；

视频图像采集：利用网络摄像头或从本地获取视频、图像文件实现信息采集。通过手动选取视频中的图像来得到车辆原始图像。

车牌定位：车牌定位主要目的是从车辆原始图像中判断是否含有车牌区域并找到车牌所在位置。定位到车牌使对图像进行车牌区域的剪裁提取并转入下一步处理，当未定位到车牌时则提示未定位到车牌信息，结束处理。这里采用基于HSV颜色空间的车牌定位方法。

车牌图像处理：该模块主要是进行车牌图像去噪、边缘检测、倾斜矫正，目的是为了方便字符分割。具体操作是对图像进行高斯滤波去除噪声，并进行平滑处理以去除细小毛刺，之后应用自适应阙值算法和基于Canny算子的边缘检测算法对图像进行二值化，最后对图像进行倾斜矫正。这里将图像预处理的部分放置在车牌定位之后，减少处理的不必要信息，提高图像处理的效率。

字符分割：该模块主要目的是对图像字符进行分割，得到7个字符图像。采用垂直投影的方法对车牌图像进行字符分割。

字符识别：车牌字符识别是车牌识别系统的核心部分，目的将上一步得到的字符图像依次识别，从而识别出车牌信息。这里运用模板匹配字符识别算法。首先提取待识别字符的特征；然后对提取出来的特征跟字符模板库的字符特征比较匹配；最后根据相似度确定识别字符。

本系统模块流程如图1.1所示。

图1.1 车牌识别系统流程图

系统关键技术综述

车牌定位技术

车牌定位的目的是确定图像中车牌区域的位置。常用机动车车牌为蓝底白字、长440mm,宽140mm，由七个字符构成，具有一定的几何结构特征和边缘特征等。根据这些特征，目前车牌定位方法基于以下几类：基于颜色、基于纹理、基于数学形态学、基于BP神经网络以及以上方法的综合运用。

基于纹理的车牌定位方法原理是车牌字符区域相对于背景存在有规律的黑白像素的跳变。当跳变次数高于设定的阙值即认为图像可能存在车牌区域，由此可以扫描得到车牌区域；基于颜色的车牌定位则是根据车牌底色、字符颜色定位出车牌区域；基于数学形态学的车牌定位原理是数学形态学(膨胀、腐烛、幵闭运算等)的运算^[9]；基于BP神经网络的车牌定位方法则是通过训练数据集使得能从从样本中识别车牌区域。本模块使用基于颜色的定位方法。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：