文 献 综 述

1、课题研究的目的和意义

随着中国综合国力的不断提高，人们的生活水平也在不断提高，汽车成为了越来越多的人出行的首选代步工具。随着越来越多的汽车在马路上飞驰，随之而来的交通压力日益增大。那么较为完善的车牌识别系统无论是对车辆在道路上行驶遇到的关卡缴费，还是对违规车辆的处罚问题，都能起到很大的作用。因为众所周知，汽车牌照是汽车的特定识别点，正常情况下，每一个汽车牌照都只有唯一和它对应的汽车，所以车牌识别系统如果能够更为准确地确定车牌信息，对处理各种交通问题都大有裨益。

2、车牌识别系统的发展历程

车牌识别技术的研究国外起步得较早。早在20世纪80年代，便有一些零零散散的图像处理方法用于车牌识别的某些具体应用。在这个阶段，车牌识别技术的研究还没有形成完整的系统体系，一般采用简单的图像处理方法来解决某些具体问题，并且最终结果通常需要人工干预。

进入20世纪90年代后，车牌识别的系统化研究开始起步。典型的如1990年A.S.Johnson等提出车辆牌照的自动识别系统图像分割、特征提取和模板构造、字符识别等三个部分，完成车牌的自动识别。同年R.A.Lotufo使用视觉字符识别技术分析所获得的图像，首先在二值化图像中找到车牌，然后用边界跟踪技术提取字符特征，再利用统计最邻近分类器与字符库中的字符比较，得出一个或几个车牌候选号码，再对这些号码进行核实检查，确定是否为该车牌号码。这个时期的应用在识别正确率方面有所突破，但还没有考虑识别实时性的要求，识别速度有待进一步提高。

20世纪90年代后期以后，随着我国汽车数量的急剧增加，车牌识别技术的应用范围也越来越广，车牌识别技术已经成为了一个热门的研究课题，人们对其进行了广泛的研究。目前国内外已有众多的方法，，一些实用的车牌识别技术也开始用于车流监控、出入控制、电子收费、移动稽查、超速检测等场合，但与人们的实际要求还有很大的距离[10]。

3、车牌识别系统的应用现状

市场中车牌识别系统的主要功能：

（1）车辆牌照自动识别，信息包括完整的牌照信息，颜色、字符、汉字、数字。

（2）车速的自动检测。

（3）违法黑牌车辆的识别报警。

（4）车辆识别信息与车管所车辆信息的联动控制

（5）车辆行驶方向判断监测

市场中车牌识别系统的主要应用范围：

（1）通路口的智能化交通管理

（2）交通信息的自动采集

（3）警方及其它执法机关设立临时稽查站，对车辆实施稽查，优先识别待查车

（4）路桥、隧道等卡口的自动收费系统

（5）现代住宅小区、停车场、重要机关单位的汽车出入口管理

（6）道路治安卡口抓拍识别，车流量监测 [7]

4、车牌识别系统的原理

识别流程

牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、 牌照颜色 自动识 别的模式识别技术。其硬件基础一般包括触发设备（监测车辆是否进入视野）、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机（如计算机）等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些车牌识别系统还具有通过视频图像判断是否有车的功能称之为视频车辆检测。一个完整的车牌识别系统应包括车辆检测、图像采集、车牌识别等几部分(如图1所示)。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。车牌识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。

牌照号码、颜色识别

为了进行车牌识别，需要以下几个基本的步骤： 　　

1）牌照定位，定位图片中的牌照位置； 　　

2）牌照字符分割，把牌照中的字符分割出来； 　　

3）牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。 　　

车牌识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现， 通 常与车牌识别互相配合、互相验证。

5、车牌识别系统的技术特点

车牌识别技术是现代智能交通系统重要组成部分，其应用十分广泛。它以计算机视觉处理、数字图像处理、模式识别等技术为基础，对摄像机所拍摄的车辆图像或者视频图像进行处理分析，得到每辆车的车牌号码，从而完成识别过程。通过一些后续处理技术其可以实现停车场出入口收费管理、盗抢车辆管理、高速公路超速自动化管理、闯红灯电子警察、公路收费管理等等功能。对于维护交通安全和城市治安，防止交通堵塞，实现交通全自动化管理有着现实的意义。

我国标准汽车牌照是由汉字、英文字母和阿拉伯数字组成，汉字识别与字母和数字的识别有很大的区别，汉字的识别增加了识别的难度；

我国汽车车牌的悬挂位置不统一；

其他国家的汽车牌照格式(如汽车牌照的尺寸大小，牌照上字符的排列等)通常只有一种，而我国则根据不同车辆、车型、用途规定了多种牌照格式，分为普通车轿车、使馆车、警车、军车等，并且通常汽车牌照中也分大车和小车；

我国汽车牌照的底色和字符颜色有多种组合，我们日常生活中常见的有蓝底白字车牌、黄底黑字车牌、以及白底黑字车牌等等[8]。

6、识别率

一个车牌识别系统是否实用，最重要的指标是识别率。国际交通技术作过专门的识别率指标论述，要求是24小时全天候全牌正确识别率85%～95%。

为了测试一个车牌识别系统识别率，需要将该系统安装在一个实际应用环境中，全天候运行24小时以上，采集至少1000辆自然车流通行时的车牌照进行识别，并且需要将车辆牌照图像和识别结果存储下来，以便调取查看。然后，还需要得到实际通过的车辆图像以及正确的人工识别结果。之后便可以统计出以下识别率：

（1）自然交通流量的识别率=全牌正确识别总数/实际通过的车辆总数

（2）可识别车牌照的百分率=人工正确读取的车牌照总数/实际通过的车辆总数

（3）可识别全牌正确识别率=全牌正确识别的车牌照总数/人工读取的车牌照总数这三个指标决定了车牌识别系统的识别率，诸如可信度、误识率等都是车牌识别过程中的中间结果[11]。

参考文献

[1] 沈庭芝, 王卫江, 闫雪梅. 数字图像处理及模式识别[M].北京: 北京理工大学出版社,2007.

[2] 朱福喜，汤怡群，傅建明编著. 人工智能原理[M]. 武汉：武汉大学出版社，2002.

[3] 何强，何英编著. Matlab扩展编程[M]. 北京：清华大学出版社，2002.

[4] 沈圣卿. 基于车牌识别解决高速公路行驶路径二义性的设计与实现 [D]. 武汉：南昌大学，2011.

[5] 贡丽霞. 车牌识别系统中的牌照定位及倾斜校正技术研究 [D].山西：中北大学，2011.

[6] 左萍平. 基于1-SVM的车牌识别技术的研究与应用 [D].浙江：浙江大学，2011.

[7] 朱艳.应用于收费路口的车牌识别系统设计与实现 [D].长春：东北师范大学，2011.

[8] 牛欣，沈兰荪.基于特征的车辆牌照定位算法[J].交通与计算机，2000,18

[9] 刑博.车辆牌照字符识别算法的设计与实现[D].大连.大连海事大学.2005.

[10] 杜圣康,毛力,赵晓山.汽车牌照识别系统的设计与实现[D].江南大学2009.6

[11] 王亦兵，韩曾晋，贺因光.城市告诉交通控制综述[J].自动化学报

[12] 张茵，姚明海，顾勤龙.车辆牌照识别的一个新的实现方法[J].控制工程2003,10(1):59-61

[13] 郝永杰，刘文耀.随变汽车牌照图像的空间校正[J].西南交通大学学报.2002.37(4)

[14] 宋加涛，刘济林.车辆牌照上英文和数字字符的结构特征分析及提取.中国图像图形学报.2002.7A(3):945-949

[15] License Plate Location and Recognition Algorithm Based on Digital Image Processing [J].新疆大学学报. 2010.8

本课题车牌定位主要是将车牌区域从车辆图像中分割出来，是实现整个系统的关键环节。在车牌定位的基础上，将车牌字符分割进一步实现车牌的识别。因此，本课题主要是对车牌定位及识别系统软件的设计。

利用数字图像处理和一些相关算法，可以准确、快速地识别出车牌。总体设计 流程图如下：

1、读入图像

车牌图像获取是车牌识别的第一步，也是很重要的一步，车辆图像的好坏对后面的工作有很大的影响。如果车辆图像的质量太差，甚至连人眼都没法分辨，那么它肯定不会被机器所识别出来。车辆图像都是在实际现场拍摄出来的，实际环境情况比较复杂，图像受天气和光线等环境影响较大，在恶劣的工作条件下系统性能将显著下降。

2、图像预处理

输入的彩色图像包含大量颜色信息，会占用较多的存储空间，且处理时也会降低系统的执行速度，因此对图像进行识别等处理时，常将彩色图像转换为灰度图像，以加快处理速度。对图像进行灰度化处理、提取背景图像、增强处理、图像二值化、边缘检测、滤波等处理。

3、车牌定位

自然环境下，汽车图像背景复杂，光照不均匀，在自然背景中准确地确定牌照区域是整个图像识别过程中的关键。首先对采集到的图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后选定一个最佳区域作为牌照区域，将其从图像中分割出来，同时要考虑车牌倾斜问题。在字符分割之前，需要对类车牌区域进行倾斜校正。其中有一种针对颜色对特征点区域进行主成分分析的车牌水平校正方法。该方法通过对车牌图像中颜色对特征点区域采样进行主成分分析，求出车牌水平方向的倾斜角度，在旋转校正时又加以填充处理，保证了图像的信息完整性。

4、字符分割

完成牌照区域的定位后，再将牌照区域分割为单个字符。一般采用垂直投影法。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值，并且该位置应满足牌照的字符书写格式、字符、尺寸限制等条件。利用垂直投影法实现复杂环境下汽车图像中的字符分割效果较好。通过分析计算字符的水平投影和垂直投影，可获得车牌字符高度、字符顶行与尾行、字符宽度、每个字符的中心位置，以方便提取分割字符。然后计算车牌垂直投影，去掉车牌垂直边框。获取车牌及字符平均宽度。最后计算车牌每个字符的中心位置和最大字符宽度，提取分割字符。

5、字符识别

采用模板匹配识别方法，识别之前首先进行图像的归一化和细化预处理，然后建立细化图像的标准模板库，进行匹匹配，将车牌字符识别出来。