一種快速車牌識別系統

周明月，白曉亮，史紅，劉微

（1.吉林師范大學 信息技術學院，四平 136000；2.長春迪瑞醫療科技股份有限公司，長春 130000）

在智能交通系統中，車牌識別系統是一個非常重要的發展方向，研制能夠自動實時識別汽車牌照的智能車型車牌識別系統，可以廣泛的應用于交通路口、高速公路、軍事要塞、機關門衛對過往車輛的實時登記、流量統計和對防衛目標的安全警備，對肇事、嫌疑、被盜車輛的追蹤、定位等［1］。

本文在現有的車牌識別技術的基礎上，提出了一種基于模板匹配的車牌識別方法，實現牌照精確定位技術，并提取字符，運用字符識別技術提高字符識別率。能有效地完成不同解析度和不同模糊程度的車牌識別工作，而且識別精度高、速度快，能滿足實際系統的要求。

車牌識別系統的原理框圖如圖1所示。

1 算法原理

1.1 預處理

在車牌識別系統中，一般攝像頭得到的含車輛的圖像是24位真彩色圖像，需轉化為灰度圖，一方面便于后續的更快速圖像處理，另一方面也是對處理多種顏色車輛牌照進行了統一。為了達到突出車牌區域和各種字符信息的目的，需對車牌圖像進行一系列的預處理。本文采用最小均方誤差濾波（維納濾波器），對圖像進行增強，將圖像中的有用信息進行增強。圖2為原始圖像真彩色圖像，圖3維納濾波器處理后的灰度圖像。

圖1 車牌識別原理框圖Fig.1 The functional block diagram of license plate identification

圖2 原始圖像Fig.2 Original image

圖3 灰度圖Fig.3 Gray image

在對圖像進行數字化處理時，我們通常希望對圖像中的像素做出最后的決策，或者直接剔除一些低于或高于一定值的像素，這時就要采用一種二值化技術。對于不同的車牌，其背景顏色和字符顏色明顯是不能相同的，必須存在較大差異，才能方便其字符的識別。檢測圖像局部變化是否顯著的最基本方法是選用邊緣檢測算法，本文采用的是canny算子進行邊緣檢測，見圖4。

圖4 邊緣檢測圖Fig.4 The edge detection image

1.2 車牌定位與分割

在整個車牌識別系統中，車牌的定位是最重要的環節，其成功與否直接關系到后面車牌字符分割［2］～［5］與識別的準確率。基于紋理的車牌定位方法是利用車牌區域邊緣豐富的特點來進行邊緣提取，進而準確定位車牌區域。這里選用的是數學形態學的方法［6］，其基本思想是用具有一定形態的機構元素去量度和提取圖像中的對應形狀以達到對圖像分析和識別的目的。數學形態學的應用可以簡化圖像數據，保持它們基本的形態特征，并除去不相干的結構。

常見的形態學運算有腐蝕和膨脹兩種。給定的二值圖像I(x,y)和作為結構元素的二值模板T(Ii,j)。腐蝕定義為：

先膨脹后腐蝕的過程稱為閉合運算。利用該運算可以填充物體內細小空洞，連接臨近物體，平滑邊界，但同時并不明顯改變原來物體的面積。

在本程序中用到了膨脹和閉合這兩個基本運算，并且運用bwareaopen命令從二值圖像中移除所有小于P的連通對象即不相干的小對象。由此可以確定車牌區域，得到定位剪裁后的車牌圖像圖5。

圖5 定位剪裁的車牌圖像Fig.5 Localization&tailor image

連通區域法借助二值車牌圖像中各數字和字符的連通特性，實現對數字和字母的準確切分，前提是無字符粘連或斷裂。車牌字符間間隔較大，不會出現字符粘連情況，此處采用的方法為尋找連續有文字的塊，若長度大于某閾值L，則認為該塊有兩個字符組成，需要分割。

對大量圖像進行字符分割后，對分割字符準確率的分析，分割車牌準確率達到96.7%。字符分割后所得到的單一字符為接下來的字符識別提供數據源，成為模板匹配數據庫。圖6為分割出來的七個字符圖像。

圖6 分割出的七個字符圖像Fig.6 The characters after segment

1.3 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［1］。由于機動車車牌識別的字符數據庫不是很大，只是由一些特定的漢字字符、字母字符、數字字符組成，使得模板匹配法具有一定的可行性。本文采用模板匹配方法進行字符識別。分割出來的七個字符，為了與字符庫中的模板進行匹配，首先要進行歸一化。然后依次與字符模板數據庫中的字符同樣大小的一塊區域去匹配。模板的左上角點和分割后的圖像的左上角點是重合的，然后平移到下一個像素，仍進行同樣的操作。所有位置都對完后，差別最小的那塊就是要找目標。匹配采用如下的相關函數做相似度測試：

Si,j為模板下的子圖，i，j為這塊子圖的像素點在車牌中的坐標，T為模板，M，N為模板的長和寬。

運用此種算法的到識別結果見圖7。該算法主要特點是實現簡單，當字符較規整時對字符圖像的缺損、污跡干擾適應力強且識別率相當高。

圖7 識別結果Fig.7 Recognition results

2 結論

本文提出了一種快速車牌識別的方法，該方法運用了數學形態學知識，并采用模板匹配的相關函數做相似度測試。經大量實驗證明該方法識別精度高、速度快，取得了較好的效果。車牌識別系統是智能交通領域研究中的重要環節之一，隨著經濟的高速發展，車輛在人們的日常工作、生活中占據著越來越重要的地位，車輛數目的高速增長給車輛管理提出了更高的要求。車牌識別系統的識別率和識別速度需要進一步的提高。除了圖像處理技術不夠成熟，還受到拍攝設備、計算機等硬件設備的性能的限制［7］。因此，研究高速、準確的定位和識別算法仍是當前的主要任務。當然，車牌識別技術也存在一些不足，仍有許多研究性的工作還需要進一步探索。

［1］求是科技，精通Visual C++數字圖像模式識別技術及工程實踐［M］.北京：人民郵電出版社，2008：396-416.

［2］Sirithinaphong T，Chamnongthai K.Extracting of car license plate using motor vehicle regulation and character patter recognition［J］.In： Proceedings of IEEE Asia-Pacific Conference on Circuits and Systems，1998：559-562.

［3］Lu Y I.Machine printed character segmentation—An overview［J］.Pattern Recognition， 2003（28）：25-27.

［4］張禹.車牌識別中的圖像提取及分割算法［J］.吉林大學學報，2006，44（3）：406-410.

［5］張德豐.數字圖像處理［M］.北京：人民郵電出版社，2009：277-280.

［6］羅軍輝.Matlab7.0在圖像處理中的應用［M］.北京：機械工業出版社，2005：224-229.

［7］蔣傳偉.車牌識別系統中車牌定位與字符分割的研究［D］.華中科技大學碩士學位論文，2006：44-45.

［8］岳俊華，李巖，武學穎，等.基于海明和競爭網絡的數字字符自動識別方法研究［J］.長春理工大學學報：自然科學版，2008，31（3）：152-154.