基于MATLAB的汽車牌照識別的研究

天津工業大學計算機技術與自動化學院 馬 東 韓其睿

1.引言

車牌識別系統作為數字攝像、計算機信息管理、圖像分割和圖形識別技術在智能交通領域的應用，是智能交通管理系統中重要的組成部分。車牌識別技術可應用于道路交通監控、交通事故現場勘察、交通違章自動記錄、高速公路超速管理系統、小區智能化管理等方面[1]，為智能交通管理提供了高效、實用的手段。

目前世界各國都在進行適用于本國汽車牌照的自動識別研究，美、日、韓等國已有相關系統（基于傳感器）問世。引進這些系統費用比較高、而且由于各國車牌和實際的交通環境不同，引進的系統往往無法滿足我國城市的需求，而國內市場上雖然已有產品投入使用，但是在后續處理時很大程度上仍然需要人工識別，所以對車牌識別技術的研究依然是目前高科技領域的熱門課題之一。

2.基于MATLAB圖像處理的汽車牌照識別系統

2.1 系統組成

基于MATLAB圖像處理的汽車牌照識別系統主要包括車牌定位、字符車牌分割和車牌字符識別三個關鍵環節。其識別流程圖如圖1所示。

2.2 圖像預處理

圖像在形成傳輸或變換過程中，受多種因素的影響，因此在圖像處理之前必須進行預處理，包括去除噪音、邊界增強、增加亮度等等。

輸入的彩色圖像包含大量顏色信息，會占用較多的存儲空間，且處理時也會降低系統的執行速度，因此對圖像進行識別等處理時，常將彩色圖像轉換為灰度圖像，以加快處理速度。對圖像進行灰度化處理、邊緣提取、再利用形態學方法對車牌進行定位[2]。

圖1 車牌識別系統流程圖

具體步驟如下：首先對圖像進行灰度轉換，二值化處理，然后采用4X1的結構元素對圖像進行腐蝕，去除圖像的噪聲。采用25X25的結構元素，對圖像進行閉合應算使車牌所在的區域形成連通。再進行形態學濾波去除其它區域。

通過對比原始圖片，我們可以發現形態濾波后的圖像已經很接近正確的車牌位置了，因此后期處理將通過這張圖來找出車牌位置。

2.3 車牌定位

觀察經過預處理后得到的圖像發現車牌位置有明顯的矩形圖樣，通過對矩形區域的定位即可獲得具體的車牌位置。

2.4 字符分割

在汽車牌照自動識別過程中，字符分割有承前啟后的作用。它在前期牌照定位的基礎上進行字符的分割，然后再利用分割的結果進行字符識別。

2.5 建立字符模板數據庫

模板庫的合理建造是字符識別準確的關鍵之一，所以在字符識別之前必須把模板庫設置好。汽車牌照的字符一般有7個，大部分車牌第一位是漢字，通常代表車輛所屬省份，或是軍種警別等有特定含義的字符簡稱；緊接其后的為字母與數字。車牌字符識別與一般文字識別的不同在于它的字符數有限，十個阿拉伯數字O～9，26個大寫英文字母A～Z以及相關的車牌用漢字：京、滬、蘇、臺、港、澳、甲、乙、丙、使、領、學、試、境、消、邊、警等，以及新式軍牌中的漢字南、蘭、廣、北、沈、濟、空、海等；車牌顏色：藍、白、黑、黃等。所以建立字符模板庫也極為方便。通過前面實驗獲取的幾幅不同的車牌圖片截取到的圖片加上使用PhotoShop制作的部分圖片。

建立模板數據庫時必須對這些圖片進行統一處理，因為對前面處理分割后的車牌圖像的測量得知單個字符的最佳寬高比是1:2，所以將這些圖片歸一化為5O×25大小；因為之后的字符識別考慮使用神經網絡算法進行字符識別，所以再將上面歸一化后的模板圖像的樣本排列在一起構成125O×18的矩陣樣本。

2.6 字符識別

字符的識別目前用于車牌字符識別（OCR）中的算法主要有基于模板匹配的OCR算法以及基于人工神經網絡的OCR算法。基于模板匹配的OCR的基本過程是：首先對待識別字符進行二值化并將其尺寸大小縮放為字符數據庫中模板的大小，然后與所有的模板進行匹配，最后選最佳匹配作為結果。用人工神經網絡進行字符識別主要有兩種方法：一種方法是先對待識別字符進行特征提取，然后用所獲得的特征來訓練神經網絡分類器。識別效果與字符特征的提取有關，而字符特征提取往往比較耗時。因此，字符特征的提取就成為研究的關鍵。另一種方法則充分利用神經網絡的特點，直接把待處理圖像輸入網絡，由網絡自動實現特征提取直至識別。本文主要研究基于人工神經網絡的方法來識別車牌字符。

3.總結

在汽車車牌識別的整個過程中，查找了很多資料，綜合了各方面的信息。車牌實現的每一步都有許多的方法，各種方法都有其優劣，但是對于具體的圖像處理，并不是每一種理論在實踐中都可以實現，即使實現了也很難說哪一種方法最合適，還得在具體的實驗中比較選擇。第二點在程序調試的過程中要耐心的檢查每一個錯誤。測試結果表明，本設計有以下幾條優點：

（1）充分利用MATLAB中已有的函數庫，使整個程序設計簡單易行。

（2）使用了MATLAB的自定義函數功能，使程序設計更簡潔。

但也發現了更多的缺點：

（1）程序的局限性：只能針對圖像中一輛汽車的牌照進行識別；對于圖像內的元素較復雜的照片可能無法進行識別。

（2）神經網絡的訓練要花費3O秒以上的訓練時間才能進行下一步的字符識別，效率太慢。

（3）程序可能會受軟件環境的影響識別準確性，據測試，MATLAB的2O1Oa版比2OO9a版識別效率高，準確性也高點。

實驗證明，該系統能夠實時處理并識別采集的圖像，正確率較高，而且系統中采用的算法較簡單。目前正在將車輛牌照識別技術應用于小區的車輛出入管理、加油站加油記錄等領域。隨著系統的不斷完善，其應用領域會越來越廣。

[1]王豐元,計算機視覺在交通工程測量中的應用[J].中國公路學報,1999,Vol.15(7):32-34.

[2]袁志偉,潘曉露,陳艾,等.車輛牌照定位的算法研究[J].昆明理工大學學報,2001,26(2):56-60.

[3]章毓晉.圖象工程(上冊)圖象處理和分析[M].北京:清華大學出版社,1999:205-207.

[4]胡強,樓新遠,段國兵.一種基于特征信息的車牌識別方法[J].成都信息工程學院學報,2004,19(3):345-348.