淺談車牌定位技術

任艷焱，崔容容

（赤峰學院 計算機科學與技術系，內蒙古 赤峰 024000）

淺談車牌定位技術

任艷焱，崔容容

（赤峰學院 計算機科學與技術系，內蒙古 赤峰 024000）

車牌定位是指通過計算機視覺、圖像處理與模式識別等方法從車輛圖像中提取車牌字符信息.從而確定車輛身份的技術.本文通過車牌的紋理和顏色特征，淺述目前國內的幾種車牌定位的方法.

LPR；圖像處理；模式識別；車牌定位

1 緒論

隨著各國公路建設的迅速發展和汽車數量的不斷增加，交通管理的任務日趨繁重，利用計算機汽車車牌識別技術(License Plate Recognition,LPR)自動識別汽車牌號在現代交通監控具有非常重要的作用.車牌自動識別系統是計算機模式識別技術的一個重要應用，主要包括車牌定位和車牌字符識別兩部分.

LPR系統是模式識別技術的一個極具實用價值的應用，其許多技術來自模式識別技術研究的成果.

本文先從模式識別這個層面上展開論述，從基本原理和基本概念出發，從而引入LPR的基本概念和一般方法，接下來按順序論述相關的方法.

2 基本概念

2.1 數字圖像處理的原理和基本概念

數字圖像處理是在以電子計算機為中心，包括各種輸入、輸出及顯示設備在內的數字圖像處理系統上進行的，是將連續的模擬圖像變成離散的數字圖像后，用建立在特定的物理模型和數學模型基礎上編制的程序（軟件）控制，運行并實現種種要求的處理.

為了利用數字計算機來處理圖像，首先必須把連續的圖像變換成離散的數字圖像.一幅圖像可以定義為一個二維函數f(x,y)，這里x和y是空間坐標，而在任何一對空間坐標(x,y)上的幅值f稱為該點圖像的強度或灰度.當x，y和幅值f為離散的數值時，稱該位圖像數字圖像.數字圖像處理是指借用數字計算機處理數字圖像.圖像處理就是對給定的圖像進行某些變換，從而得到清晰圖像的過程.

2.2 模式識別的原理和基本概念

2.2.1 什么是模式識別

從字面上就可以看出，模式識別(pattern recognition)是研究如何對模式進行識別的一門學科.把事物的關鍵特征抽取出來，以不同的特征組合代表不同的事物，并且用適當的形式表示出來，這樣就有可能使計算機具有識別能力，使它能區分不同的事物.像這樣用事物的特征所構成的數據結構就稱為相應事物的模式，或者說模式是對事物定量的或結構的描述.

模式的表示形式與識別方法有關.在統計模式識別中，模式通常用n維特征空間的特征向量來表示.

2.2.2 模式識別的方法

模式識別的方法主要有統計模式識別方法、結構模式識別及人工神經網絡三大類.統計模式識別方法其要點是提取待識別模式的一組統計特征，然后按照一定準則所確定的決策函數進行分類判決.結構模式識別的要點是把待識別模式看作是由若干較簡單的子模式構成的集合，每個子模式再分為若干基元，這樣，任何一個模式都可以用一組基元及一定的組合關系來描述.人工神經網絡是大量處理單元（人工神經元、處理元件、電子元件、光電元件等）經廣泛互連而成的人工網絡，用來模擬腦神經系統的結構和功能.

在車牌識別領域，車牌定位主要使用統計模式識別技術，車牌分割及識別則使用統計模式識別技術或人工神經網絡技術.

2.3 LPR系統的工作原理

一個典型的LPR系統由車輛檢測、圖像采集、車輛識別等部分構成.其系統構成如圖1所示.

其中，車輛檢測一般使用車輛傳感器，它可以檢測當前是否有車輛通過.采集圖像部分包括照明光源和CCD攝像機，以攝取清晰的車輛圖像.車牌識別部分由計算機或DSP處理器以及LPR軟件組成，可完成對車牌的識別.

LPR系統的工作流程是：當車輛通過時，車輛檢測裝置受到觸發，從而啟動圖像采集設備；圖像采集設備采集車輛的正面或圖像尾部圖像，并進入車牌識別；車牌識別部分進行車牌識別并將識別結果送至監控中心或收費處等場所[1]. LPR技術的核心要求是必須準確快速地識別出車牌.在車牌識別過程當中車輛檢測、圖像采集、車牌識別都是很重要的環節，其中的關鍵技術為：

（1）車牌區域的定位；（2）車牌中字符的分割與識別.

車牌區域定位的目的是從自然背景中準確可靠地分割出車牌區域，屬于圖像分割的范疇.通常采用的車牌定位流程是：輸入——預處理——分割——輸出.

字符的分割與識別是指先將車牌區域分割成單個的字符區域，然后進行識別.其難點是模糊、斷裂字符的分割與識別.

3 車牌定位技術的發展現狀

3.1 車牌定位的研究及應用現狀

汽車車牌識別屬于人工智能、模式識別、智能控制和數字圖像處理等領域，是一門涉及數學、計算機科學、自動化技術和電子工程技術的邊緣學科.

3.2 車牌定位先驗知識

圖像為汽車正面圖像或尾部圖像，圖像中汽車車型各異、車牌大小不一.有下列四點車牌特點：

（1）汽車牌照在圖像中是一個近似長方形或近似平行四邊形.

（2）汽車牌照的大小在圖像中相對穩定.

（3）汽車牌照在圖像中有一定程度的傾斜，但是傾斜角度在一定的范圍以內.

（4）汽車前身牌照中文字有統一的大小，水平排列成行.牌照的顏色分為黑底白字、藍底白字、黃底黑字、白底紅字等不同規格[2].

3.3 圖像預處理技術及分割技術的發展現狀

預處理的作用是突出圖像中的有用信息.常用的預處理方法有：

（1）邊緣檢測，直接從灰度圖像或彩色圖像得到邊緣圖像；

（2）Tog-Hat變換對應于灰度圖像的數學形態學運算法，以減少輸入圖像中的噪聲和低頻分量；

（3）二值化法對應于自適應邊界搜索分割法，以獲得清晰的字符邊界；

（4）模糊規則與閾值法相結合的粗分割閾值法簡便、快速、易行，模糊規則可以處理那些模棱兩可的數據，模糊規則可由實例圖像獲得.

4 目前車牌定位識別的常用方法、特點以及適用范圍

4.1 車牌目標區域特點

從人的視覺特點出發，車牌目標區域具有如下特點：（1）車牌底色往往與車身顏色、字符顏色有較大差異；（2）車牌有一個連續或由于磨損而不連續的邊框，車牌內字符有多個，其呈水平排列，所以在牌照的矩形區或內存在較豐富的邊緣，呈現出規則的紋理特征；（3）車牌內字符之間的間隔比較均勻，字符和牌底色在灰度值上存在跳變，而字符本身與牌照底部都有較均勻灰度；（4）不同圖像中牌照的具體大小、位置不確定，但其長度比變化有一定范圍，存在一個最大和最小長寬比.根據這些特點，可以在灰度圖像的基礎上提取相應的特征[3].

4.2 車牌定位方法

總體來說，車牌定位方法就是圖像處理技術、車牌特征以及小波分析，神經網絡等新工具的有效結合.一個車牌定位系統通常包括圖像預處理、車牌搜索、車牌的定位與分割三個部分.圖像預處理就是要獲得有用的圖像邊緣將其二值化；車牌搜索則是搜索整幅圖像以得到有可能包含車牌的若干感興趣區域；車牌定位則是在感興趣區域中剔除假車牌，提取到真正的車牌.整個車牌的提取過程如圖2所示.

目前車牌定位的方法可以分類兩大類：一類是基于黑白圖像車牌定位方法，另一類是基于彩色圖像的車牌定位方法.

4.2.1 基于黑白圖像的車牌定位方法

黑白圖像對于人的視覺來說，是以灰度等級來體現圖像深淺度.

4.2.1.1 基于特征的車牌定位法

車輛牌照內有多個基本成水平排列的字符，字符和牌照底在灰度值上存在跳變，因而車牌這個矩形區域（包括邊緣）內有豐富的邊緣存在，呈現出規則的紋理特征.在傳統的基于灰度分割技術的基礎上，這些特征為車牌定位方法的研究提供了切實可行的依據.

基于車牌文字變化特點的自動掃描識別算法是利用汽車牌照中文筆劃彎化頻率比較穩定的特點，即筆劃間隔的像素是穩定在某一個范圍內，筆劃數也存在下限的特點.設定閾值，通過掃描確定上下邊界位置和左右邊界位置.這樣在己縮小的范圍內再用上述方法進行遞歸檢測，直到牌照位置比較穩定為止.這種方法在攝入角度、距離、光線都有很大調整的情況下，能夠快速準確定位、分割車牌.而基于特征的車輛牌照定位算法是利用一階微分算子對原始圖像的邊緣進行預處理，并在此基礎上運用數學形態學的閉運算獲得車牌的后選區，然后采用投影的方法剔除假車牌，定位真車牌.這種方法的算法復雜化低，減少了噪聲的干擾，能夠滿足實時定位的要求.針對車牌特點設計的一個變換函數突出其特點從而進行車牌的提取的方法采用最大方差法來進行二值化的閾值選取，并對二值化后的圖像進行水平掃描，找相對小的而且掃描線彎化劇烈的區域作為候選區域，再以適當的變化率確定車牌的位置.基于字符串的車輛牌照分割方法則是針對牌照字符串沿水平方向排列的規則紋理，采用了一種線性濾波器，來確定車牌區域；采取平均值的辦法選取閾值，進行二值化；然后利用投影的方法進行精確定位.這種方法能夠在對牌照的字符、牌照位置及其大小、顏色和車輛的背景等做最小限定的條件下，對牌照中字符串進行增強，實現復雜背景中車輛牌照的自動分割.另外圖像的頻域信息有助于鑒別牌照區域，還有車牌紋理或形狀特征的定位方法，且很好的實現了車牌區域的檢測.

4.2.1.2 運用形態學、小波分析、遺傳算法等數學工具的車牌定位方法

在圖像處理中，對一些復雜圖像應用某些數學工具不僅可以加快處理速度而且可以改善和優化處理結果.車牌識別的核心問題在于識別汽牌照上的文字目標.而其關鍵又在于文字目標所在區域的定位.己有的區域定位算法，比較完善的如機動車輛自動識別收費系統LPR中所提出的一種基于局部閾值的二值化法與自適應形態算法.此算法對于文字區域水平且其周圍干擾區域較少的情況下定位比較準確，在二值化法中所得結果的各種尺寸的干擾區域都被保留下來，對于傾斜度的正確估計十分不利.還有的是利用牌照邊框為一灰度值高出背景灰度的平行四邊形，通過邊緣提取，再利用Hough變換檢測出平行造成參數空間峰值的點擴散、甚至消失，這些都影響直線識別的準確性.經檢驗，它只在文字區域集中于某一范圍且水平時比較準確，使用范圍狹窄.另外，一些傳統的定位技術在復雜背景、圖像變形、噪聲污損嚴重的情況下，也無法有效的識別.為此，一些學者們從一些數學工具著手利用數學形態學、小波分析、遺傳算法等方法對一定傳統定位方法進行了改進.此外，國外車牌定位的研究中也采用了一些新工具和新技術，如人工神經網絡、數學形態學、Hough變換、信號處理等方法.

4.2.1.3 基于黑白圖像的其它定位方法

車牌定位是圖像處理中的實際問題.方法多種多樣，它可以是以前方法的改進，也可以是獨辟蹊徑的創新，也可以是新老方法的結合.基于掃描行的車牌提取方法，指出掃描行經過車牌區域會產生有規律的起伏，在此結論的啟發下，有人提出了利用掃描行離差數據、有效谷峰點特征及先驗知識來初步定位車牌區域，并提出了利用邊緣檢測和Hough變換進行了傾斜車牌校正的算法及車牌上下界精確定位算法。而通過對以往車牌識別系統的定位方法進行分析，總結提出了一種基于線模板的二值圖像角檢測算法，將包含車牌的彩色圖像轉化為二值圖像，再經過形態濾波器濾波后，利用快速角檢測法尋找圖像各角點，最后定出車牌位置，這種算法簡單、快捷、穩健[4].

4.3 基于彩色圖像的車牌定位

長由于汽車牌照具有與牌號、車身、背景不同的底色，因此考慮顏色來研究車牌的定位方法應該說是車牌識別領域的一種新思路.

近年來，國內提出了一種彩色分割及多級混合集成分類器的車牌自動識別方法.這種方法的主要思想是通過三層MLPN網絡將具有均勻色度空間的彩色圖像進行色彩分割，再利用投影法分割出潛在的各種底色的車牌區域.過程如圖3所示，預處理是將RGB三原色模式彩色圖像轉化為HSI模式彩色圖像，在這個過程之前要進行圖像的抽取，以減少計算量；過程之后要進行彩色飽和度的處理，以減少光照條件對圖像分割產生的影響.系統經過學習與訓練，并利用投影法及先驗知識，能夠很好地分割顏色，得出合理的車牌區域.不過這種方法在車牌區域顏色與附近顏色非常相似時，車牌的定位錯誤會有所增加.針對彩色汽車圖像牌照定位方法提出了彩色邊緣檢測算子ColorPrewitt和彩色邊緣檢測與區域生長相結合的牌照定位算法ColorLP.這種方法的主要思想是通過邊緣檢測算子ColorPrewitt對彩色圖像的邊緣檢測，增強牌照區域，并借助數學形態學膨脹技術實現區域的連通，采用區域生長方法標記候選區域，最后利用車牌的先驗知識，剔除虛假車牌區，確定真正的車牌區.其中所提出的面向彩色車輛牌照定位的彩色圖像邊緣檢測ColorPrewitt可直接用于紅綠藍（RGB）顏色空間上，以增強縱向紋理特征，有利于利用牌照上字符的空間頻率特性來進行牌照定位，其算子Pc簡單描述如下：

其中，e(i1,j1;i2,j2)定義為像素點e(i1,j1),e(i2,j2)之間的彩色值歐式距離：

可見ColorPrewitt算法簡單，檢測出的牌照區域易于與背景剝離，因此用這種方法定位準確率高，適用于不同的光照，且通用性較好[5].

5 結論

以上在分析國內車牌特點的基礎上，對近年來國內外出現的現有的車牌定位方法進行了綜述.車牌定位是車牌識別中最為關鍵、最難解的一步.然而，由于車牌背景的復雜性與車牌特征的多樣性，迄今為止，仍沒有一個完全通用的智能化車牌定位方法.大多數定位方法局限于某個側面問題的解決，如牌照的傾斜、光照的干擾、噪聲的影響等，離實際應用沿有很大的距離.這些問題都亟待解決.

〔1〕張引，潘云鶴.彩色汽車圖像牌照定位新方法，中國圖形圖像學報，2001（4）：1-2.

〔2〕牛欣，沈蘭蓀.汽車牌照識別技術的研究.測控技術，1999（12）：14-15.

〔3〕吳維聰.計算機圖像處理.上海科學技術出版社，1989.22-23.

〔4〕李金宗.模式識別導論.高等教育出版社，1994.20.

〔5〕郭捷,等.基于顏色和紋理分析的車牌分析的車牌定位方法.中國圖形圖像學報，2002,7(5)：17-18.

TP391.4

A

1673-260X（2010）09-0028-03