基于多尺度模板匹配的車牌識別

常淑英

天津電子信息職業(yè)技術(shù)學(xué)院

基于多尺度模板匹配的車牌識別

常淑英

天津電子信息職業(yè)技術(shù)學(xué)院

車牌識別技術(shù)是現(xiàn)階段交通管理領(lǐng)域重要的內(nèi)容之一，是一門集圖像處理技術(shù)、定位技術(shù)、分割技術(shù)為一體的技術(shù)。將神經(jīng)網(wǎng)絡(luò)相關(guān)知識應(yīng)用到車牌識別領(lǐng)域，能夠提升車牌識別的準(zhǔn)確性以及效率，同時還能夠提高車牌識別系統(tǒng)的抗干擾性。本文就對基于神經(jīng)網(wǎng)絡(luò)的車牌識別技術(shù)中車牌預(yù)處理、定位、分割、特征提取等環(huán)節(jié)進行詳細的分析，希望能夠給相關(guān)領(lǐng)域的人員提供幫助。

神經(jīng)網(wǎng)絡(luò)；車牌；識別技術(shù)

神經(jīng)網(wǎng)絡(luò)具有自動學(xué)習(xí)能力強、魯棒性、容錯性高、抗噪音能力強的優(yōu)點，在字符識別方面具有很強的應(yīng)用優(yōu)勢。在車牌識別技術(shù)中融入神經(jīng)網(wǎng)絡(luò)知識，具有很高的可行性，并能夠提高車牌識別的精確度。現(xiàn)階段，我國交通事業(yè)正處于快速發(fā)展的新時期，加強對基于神經(jīng)網(wǎng)絡(luò)的車牌識別技術(shù)的研究具有十分現(xiàn)實的意義。

1.車牌識別預(yù)處理技術(shù)

車牌識別系統(tǒng)：一般來說，一個完整的車牌識別系統(tǒng)組成部分包括車輛采集系統(tǒng)、預(yù)處理系統(tǒng)、車牌定位系統(tǒng)、字符分割系統(tǒng)、字符識別系統(tǒng)、圖像采集系統(tǒng)等。圖1為車牌識別系統(tǒng)的原理圖：

對圖像的預(yù)處理：對車牌圖像進行灰度化處理是預(yù)處理中關(guān)鍵的步驟。具體是利用加權(quán)平均值法，通過灰度計算公式計算得到具體的灰度值，公式為：

G=0.110B+0.588G+0.302R（1-1）

灰度化處理不僅需要計算灰度值，還需要利用灰度線性變化法增強圖像的對比度。

另外，在圖像灰度化處理后，為了保證車牌圖像的清晰度，還需要對圖像進行銳化處理，保證圖像的輪廓線以及邊緣清晰，避免在車牌識別過程中出現(xiàn)細節(jié)上的問題。常用的銳化處理方式為空間域中的微分處理，由差分運算近似實現(xiàn)微分。

2.對車牌的定位、分割

2.1.牌定位

車牌圖像照片拍攝的環(huán)境往往較為復(fù)雜，容易使車牌與車身包括當(dāng)時的環(huán)境融為一體，加上如果車牌上存在破損、灰層等情況，加上拍攝角度的問題，就會給車牌圖像造成一定的影響。這還需要對車牌的定位，快速找出車輛中車牌的位置是進行車牌識別的關(guān)鍵。

根據(jù)大量的實踐證明，依靠一種單一的車牌定位方式無法保證車牌定位與識別的準(zhǔn)確性，影響識別的效果。本文提出的一種是基于神經(jīng)網(wǎng)絡(luò)，將車牌紋理特征以及顏色特征有機的結(jié)合起來，實現(xiàn)對車牌的準(zhǔn)確定位。在具體的定位過程中，需要根據(jù)車牌的顏色特征、車牌形狀、字符排列、灰度分布等特征，優(yōu)化車牌定位的流程，本文中提出的車牌定位流程如圖2所示：

圖2.牌區(qū)域定位流程圖

2.2.符分割

所謂的字符分割是將提取的車牌區(qū)域中的圖像實施分割，將其分割為單個的字符圖像，字符分割的準(zhǔn)確性影響后續(xù)車牌識別工作的順利實施。分割字符是車牌識別系統(tǒng)中較為困難的環(huán)節(jié)，同事也是較為關(guān)鍵的環(huán)節(jié)。車牌字符分割工作會受到車牌圖像拍攝的影響，現(xiàn)階段字符分割方法主要包括聚類分析法、模板匹配法、水平投影法等，與車牌定位相同，采用單種傳統(tǒng)的字符分割技術(shù)很難保證字符分割的準(zhǔn)確性，對車牌識別會造成不同程度的影響。這就需要不斷的探索，尋求一種全新的車牌字符分割方式，保證車牌識別的精確性。

其中最大閾值法就是對車牌字符分割方式主要是對水平投影法實施改進，也就是在車牌圖像預(yù)處理后，從左到右對各個字符像素點進行統(tǒng)計，并將每一列包含的像素點的數(shù)量與某一固定的閾值實施比較，如果大于閾值，則將其識別為初始位置，然后進行逐次掃描與對比，直到遇見比閾值小的列為止。

本文提出的一種基于多尺度模板匹配分割方式，首先通過多尺度變化，將車牌區(qū)域中最有模板匹配信息采集，并將字符圖像中包含的噪聲區(qū)域進行剔除，具有較強的魯棒性，能夠提高后續(xù)識別效果。

3.提取車牌特征

每一個字符圖像都具有幾千上萬個數(shù)據(jù)，這就意味著一個車牌圖像包含的數(shù)據(jù)量極大，為了保證車牌字符分類器設(shè)計合理，還需要對這些大量的數(shù)據(jù)實施轉(zhuǎn)換，提取有用的本質(zhì)特征。由原始數(shù)據(jù)構(gòu)成的空間為測量空間，而分類識別的空間為特征空間，對車牌特征進行提取的過程其實就是將測量空間中的數(shù)據(jù)進行轉(zhuǎn)換為維數(shù)較低模式的過程。本文中選取車牌字符粗網(wǎng)絡(luò)特征，將其當(dāng)做是識別字符特征，首先現(xiàn)將帶識別的分割后字符進行位置與大小的歸一化處理，然后再將其等分為網(wǎng)格，并將車牌圖像進行二值圖像轉(zhuǎn)換，并對網(wǎng)格中的像素值進行依次統(tǒng)計統(tǒng)計，從而得到一個網(wǎng)格特征的數(shù)值表示結(jié)果。

具體對于車牌字符來說，可以將車牌字符等分為8份，然后對每一份圖像中像素點數(shù)目作為一個個相應(yīng)的特征，如圖3中所示，八個區(qū)域中的黑色像素點數(shù)目作為八個基本的特征：

圖3.征提取法

然后對水平方向上和垂直方向中黑色像素點數(shù)目當(dāng)做是4個基本特征，加上所有的黑色像素點數(shù)目作為最后的特征，也就是第十三個特征。水平與垂直方向上的4個特征如圖4、圖5所示：

圖5.平方向像素點

圖4.直方向像素點

4.車牌字符識別過程中的神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用

字符識別是識別技術(shù)中重要的分支，也是識別領(lǐng)域中關(guān)鍵的部分，在交通管理車牌識別中發(fā)揮著重大的意義，在對字符識別的過程中，字形是其中一個具體的表現(xiàn)形式，同時字形識別也是字符識別的本質(zhì)。具體的識別工作就是將待識別的字符點陣圖提取出的特征描述，并根據(jù)一定規(guī)則確定模式的類別。因此，可以將字符識別分為字符描述、特征提取以及分類判決三個主要環(huán)節(jié)。

基于神經(jīng)網(wǎng)絡(luò)的車牌字符識別技術(shù)是本文研究的課題，首先需要對人工神經(jīng)網(wǎng)絡(luò)進行分析。人工神經(jīng)網(wǎng)絡(luò)主要是通過若干個簡單神經(jīng)元進行相互鏈接，最終形成一個復(fù)雜的網(wǎng)絡(luò)系統(tǒng)，是人類大腦基本特征表現(xiàn)的基礎(chǔ)，也是人類大腦神經(jīng)系統(tǒng)的抽象化表示。由于人工神經(jīng)網(wǎng)絡(luò)技術(shù)在數(shù)據(jù)壓縮、最優(yōu)化、危險控制等領(lǐng)域應(yīng)用取得了不錯的效果，在車牌識別方面也具有廣闊的應(yīng)用前景。人工神經(jīng)網(wǎng)絡(luò)技術(shù)在算法以及計算結(jié)構(gòu)上與傳統(tǒng)的算法有著本質(zhì)的不同，利用生物神經(jīng)網(wǎng)絡(luò)模型，能夠更高的利用人類知識存儲以及處理功能，使神經(jīng)網(wǎng)絡(luò)系統(tǒng)模擬人類的思維，對相關(guān)的問題進行更好的記憶、推演等，在車牌識別過程中的應(yīng)用，能夠有效的解決車牌殘缺等非正常識別問題。另外，神經(jīng)網(wǎng)絡(luò)技術(shù)在車牌識別過程中的應(yīng)用，還能夠節(jié)約數(shù)學(xué)建模以及數(shù)據(jù)分析工作，能夠?qū)⑾到y(tǒng)中相關(guān)信息進行并行處理，提升系統(tǒng)運行的效率，具有廣闊的應(yīng)用前景。

5.總結(jié)

在本文中，主要介紹了基于神經(jīng)網(wǎng)絡(luò)的車牌識別技術(shù)，介紹了神經(jīng)網(wǎng)絡(luò)車牌識別系統(tǒng)四個基本功能模塊，即車牌圖像預(yù)處理模塊、車牌區(qū)域定位模塊、車牌字符分割模塊以及車牌字符識別模塊。每一個識別環(huán)節(jié)的質(zhì)量都影響這車牌識別的準(zhǔn)確性，其中車牌字符識別是最重要的環(huán)節(jié)，對識別最終結(jié)果質(zhì)量具有舉足輕重的影響。

[1]王力.神經(jīng)網(wǎng)絡(luò)在車牌識別中的應(yīng)用研究[D].長沙理工大學(xué),2011

[2]申瑾.基于BP神經(jīng)網(wǎng)絡(luò)的車牌識別技術(shù)的研究[D].河北工業(yè)大學(xué)，2014

[3]張家偉.基于圖像內(nèi)容識別和神經(jīng)網(wǎng)絡(luò)的車牌識別方法研究[D].吉林大學(xué),2010.

常淑英（1982-），女，河北景縣，研究生，講師，機器人方向。