全文总字数：1997字

1. 研究目的与意义及国内外研究现状

近年来我国随着社会经济的高速发展，汽车数量急剧增加，对交通管理水平的要求也日益提高，而相应的人工管理方式已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。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，可以统计在一定时间范围内进出各省的车辆，还能有效地对这些车辆进行定位，对公安机关等相关部门帮助很大。智能车牌定位及识别技术将对维护交通安全和城市治安、防止交通堵塞、实现交通自动化管理有着现实意义。

国内外研究现状

自20世纪80年代提出车牌识别技术以来，人们己经对其进行了广泛的研究，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。这个阶段的研究并没有形成完整的系统体系，而是就车牌识别中的某一个具体问题进行讨论，并且通常是采用简单的图像处理技术来解决。识别过程是使用工业电视摄像机拍下汽车的正前方图像，然后交给计算机进行简单处理，并且最终仍需要人工干预。进入20世纪90年代后，随着计算机视觉(computervisiontchnology)的发展和计算机性能的提高，开始出现车牌识别的系统化研究。中国、美国、日本、法国等国家相继投入大量的人力、物力进行应用研究。近几年以来，计算机及其相关技术发达的一些国家开始探讨用人工神经网络技术和遗传算法解决车牌的自动识别问题。同时开始研究车牌识别的实时性要求，使得车牌识别系统进入实用化阶段。

汽车牌照识别技术(lieenseplaterecognition，lrp)在国外起步较早，一些实用的lrp系统也开始应用于车流监控，出入控制，电子收费等场合。argus英国alphatech公司的图像部于80年代中期开始研制名为rgus的车牌自动识别系统。可处理黑白或彩色图像，argus的车牌识别时约为100毫秒，通过argus的车速可达每小时100英里；新加坡的optasia公司研制的vlprs系统，适合于新加坡的车牌；香港的亚洲视觉公司的车牌识别产品vecon适用于香港制式的车牌。另外日本、加拿大、德国、意大利、英国等发达国家也都有适用本国车牌的车牌识别系统。从识别原理上有模板匹配，支持向量机的分类器，基于特征的分类器，人工神经网络分类器，粗糙集分类器，聚类分析等方法。

国内不少学者也在进行车牌识别方面的研究，实验室方面，西安交通大学的图像处理和识别研究室、上海交通大学的计算机科学和工程系、清华大学人工智能国家重点实验室、浙江大学的自动化系等在车牌识别方面有各自独立的研究，并取得了一定的成绩。中国科学院自动化所的刘智勇等发表文章，他们在一个3180的样本集中，车牌定位准确率为99.4%，切分准确率为94.5%。北航的胡爱明等利用模板匹配技术开发了一种应用于收费站的车牌识别系统，其识别正确率能达到97%以上。华南理工大学的骆雪超、刘桂雄等提出了一种基于车牌特征信息的二值化方法，该系统对效果较好的车牌的识别率能够达到96%。清华大学的冯文毅等利用一种光电混合系统进行车牌识别，系统能够通过硬件来完成车牌识别的全过程。黄志斌等将基于串行分类器的字符识别应用于车牌识别系统中，对车牌识别系统中的分类器进行了详细的研究。

2. 研究的基本内容

（1）在车牌图像中定位并提取车牌的位置。

（2）进行图像的灰度化、二值化等图像处理。

（3）选取合适的算子及其阈值并对其进行边缘检测。

3. 实施方案、进度安排及预期效果

实施方案：

一、构建识别系统流程图，确定系统框架

二、对包括图像预处理、车牌定位分割及车牌字符识别在内的三个模块分别制定合适算法

4. 参考文献

【1】张静，王艳平，薛桂香.数字图象处理与机器视觉；人民邮电出版社；2010.4

【2】张涛，齐永奇.matlab图像处理编程与应用；机械工业出版社；2014.4

【3】刘衍琦，詹福宇.matlab图像与视频处理实用案例详解；电子工业出版社；2015.1