基于MATLAB的車牌識(shí)別系統(tǒng)的研究與實(shí)現(xiàn)

王海濤　陳艷麗　彭浩

【摘 要】車牌識(shí)別作為智能交通系統(tǒng)的重要部分，能實(shí)現(xiàn)對(duì)車輛的自動(dòng)監(jiān)測，對(duì)交通系統(tǒng)的自動(dòng)管理有著重要的意義。本文在計(jì)算機(jī)圖像識(shí)別和處理的相關(guān)原理上，首先對(duì)車牌識(shí)別系統(tǒng)中的圖像的預(yù)處理、車牌字符分割及識(shí)別等關(guān)鍵技術(shù)進(jìn)行研究，并在此基礎(chǔ)上開發(fā)了一個(gè)基于MATLAB的車牌識(shí)別系統(tǒng)。通過測試結(jié)果表明，設(shè)計(jì)的車牌識(shí)別系統(tǒng)有較好的識(shí)別效果。

【關(guān)鍵詞】車牌識(shí)別系統(tǒng)；圖像預(yù)處理；車牌分割；字符識(shí)別；MATLAB仿真

Research and Implementation of License Plate Recognition System Based on MATLAB

WANG Hai-tao CHEN Yan-li PENG Hao

（School of Information Science and Engineering，Hunan International Economics University，Changsha Hunan 410205，China）

【Abstract】License plate recognition as an important part of intelligent transportation system，can realize the automatic monitoring of the vehicle，it has important significance for the automatic management of traffic system.Based on the principle of computer graphics recognition and processing，this paper firstly studies the key technology of license plate recognition system in image preprocessing，license plate character segmentation and recognition， and developed a license plate recognition system based on MATLAB.The test results show that the license plate recognition system has a good effect.

【Key words】License Plate Recognition System；License Plate Location；Character Recognition；MATLAB Simulation

0 引言

隨著經(jīng)濟(jì)的高速發(fā)展，汽車數(shù)量急劇增加，智能交通系統(tǒng)（Intelligent Transport System，ITS）中的車牌識(shí)別（License Plate Recognition，LPR）技術(shù)在實(shí)際應(yīng)用領(lǐng)域的作用也越來越明顯。其可應(yīng)用于停車場管理、高速公路不停車收費(fèi)、超速管理、道路交通監(jiān)控系統(tǒng)、城市“電子警察”、小區(qū)車輛智能化管理等各個(gè)領(lǐng)域[1]。

LPR 需要圖像采集、計(jì)算機(jī)圖像處理、模式識(shí)別技術(shù)等技術(shù)的支撐。在一套完整的車牌識(shí)別系統(tǒng)（LPRS）中，軟件是核心，主要包括圖像預(yù)處理、車牌定位、字符分割、字符識(shí)別等 [2]。其流程如圖1所示：

圖1 車牌識(shí)別系統(tǒng)

1 圖像預(yù)處理

在實(shí)際應(yīng)用環(huán)境中，車牌識(shí)別系統(tǒng)會(huì)因采集的車牌圖像質(zhì)量不高、牌照本身的多樣性、車牌污染嚴(yán)重等方面的限制，使得車牌的對(duì)比度降低，字符特征不明顯，這給后期車牌的識(shí)別造成很多困擾，因此對(duì)采集到的車牌圖像進(jìn)行圖像預(yù)處理是十分有必要的。通過預(yù)處理除去圖像數(shù)據(jù)中的多余信息，加強(qiáng)圖像數(shù)據(jù)的基本特征，以提高車牌識(shí)別的準(zhǔn)確度和效率。

1.1 圖像灰度化

從攝像機(jī)中捕獲的圖像通常為RGB彩色圖像，因?yàn)槠浒罅康念伾畔ⅲ酝ǔ?huì)占用大量的存儲(chǔ)空間，另外處理速度慢，很難實(shí)現(xiàn)圖像處理的實(shí)時(shí)性要求。因此在對(duì)車牌圖像定位前需要對(duì)圖像進(jìn)行灰度化預(yù)處理。所謂灰度化處理就是將一幅彩色圖像轉(zhuǎn)化為灰度圖，以減少顏色信息量。灰度化處理常用的主要有以下三種方法[3]：

1）最大值法：將彩色圖像中R、G、B三個(gè)分量中最大值作為灰度值。其算式如（1）所示：

f（i，j）=max（R（i，j），G（i，j），B（i，j）） （1）

2）平均值法：對(duì)彩色圖像中R、G、B三個(gè)分量值的和求平均值，其算式（2）所示：

f（i，j）=（R（i，j）+ G（i，j）+B（i，j））/3 （2）

3）加權(quán)平均：根據(jù)人眼對(duì)彩色圖像中R、G、B三個(gè)分量的敏感度不同，分別賦予不同的權(quán)值，然后求加權(quán)平均值。根據(jù)經(jīng)驗(yàn)可設(shè)R、G、B三個(gè)顏色的權(quán)重分為0.3，0.59，0.11得算式（3）：

f（i，j）=0.3R（i，j）+0.59 G（i，j）+0.11 B（i，j） （3）

本文采用算式（3）的方法對(duì)車牌圖像進(jìn)行灰度化處理，結(jié)果如圖2所示：

1.2 圖像增強(qiáng)

由于圖像采集設(shè)備或光線原因，會(huì)造成車牌圖像的對(duì)比度不足、層次不清，這給車牌定位識(shí)別帶來了很大的影響。因此需要對(duì)灰度化的圖像進(jìn)行圖像增強(qiáng)處理。系統(tǒng)采用灰度拉伸方法來實(shí)現(xiàn)的，其效果如圖3所示。

1.3 二值化

在進(jìn)行完灰度化處理后，為了將車牌圖像中的字符與背景分離，需對(duì)車牌的灰度圖進(jìn)行二值化處理。二值化處理一種區(qū)域分割技術(shù)，它對(duì)物體與背景有較強(qiáng)對(duì)比的景物的分割特別有用。通過二值化處理可以刪除過多的冗余數(shù)據(jù)，提高圖像局部的特征值，使車牌字符信息更加突出、清晰的[4]。

在車牌圖像中，字符與背景之間的差別一般比較明顯，可采用最大類間方差法（OTSU）對(duì)車牌圖像進(jìn)行二值化處理，OTSU計(jì)算簡單，易實(shí)現(xiàn)[5-7]。通過增大目標(biāo)和背景的類間方差使圖像內(nèi)僅黑、白二值。假設(shè)T為閾值，I（x，y）表示原圖像（x，y）處的灰度值，I（x，y） 表示二值化后的灰度值，其表達(dá)式如（4）所示：

但閾值T的選取的合適與否會(huì)直接影響后續(xù)的處理。本系統(tǒng)中對(duì)車牌灰度化圖像進(jìn)行二值化后的效果如圖4所示：

1.4 濾波

由于雨雪、光線等原因，圖像會(huì)存在許多噪聲，還需要進(jìn)一步處理。圖像濾波的目的是為了消除噪聲。在對(duì)車牌去噪聲技術(shù)中，通常有圖像的平滑技術(shù)、鄰域平均法、中值濾波等[8]。中值濾波與其他技術(shù)相比能夠很好地濾除孤點(diǎn)噪聲，保持圖像的邊緣特性，不會(huì)使圖像產(chǎn)生顯著的模糊，比較適合車牌去噪處理[9]。本文采用了模板大小為3×3區(qū)域?qū)嚺茍D像進(jìn)行中值濾波，其效果如圖5所示。

2 基于灰度圖像的車牌定位

對(duì)濾波后的圖像通過計(jì)算車牌二值圖像的跳變次數(shù)進(jìn)行水平定位。先對(duì)整個(gè)二值圖像進(jìn)行水平方向掃描，每一行從白變到黑或從黑變到白都記為一次灰度跳變。第i行的掃描行可表示為new_b_vec（i），令diff（i）=new_b_vec（i）-new_b_vec（i+1）。其算法流程如下：

function [the_begin the_end]=Locate_length（vec，threshod）

b_vec=vec>=threshod；

len=max（size（b_vec））；

new_b_vec=zeros（1，len+2）；

new_b_vec（2：end-1）=b_vec；

diff=zeros（1，len）；%將len-1調(diào)整為len了

for i=1：len+1

diff（i）=new_b_vec（i）-new_b_vec（i+1）；%表示每一行的跳變

end

begins=find（diff==-1）；%保存候選車牌的上邊界和下邊界

ends=find（diff==1）；%保存候選車牌的下邊界

lengths=ends-begins；

%根據(jù)車牌先驗(yàn)知識(shí)，篩選出高度值同45最接近的區(qū)域，即可獲取車牌的上下邊界位置

[min_length，the_index]=min（abs（lengths-45））；

the_begin=begins（the_index）；

the_end=ends（the_index）-1；

水平定位后的的結(jié)果如圖6所示。

車牌水平定位后還需進(jìn)行豎直定位。由于車牌區(qū)域內(nèi)的字符排列緊密有規(guī)則，豎直定位根據(jù)此特征，通過Roberts邊緣算子進(jìn)行邊緣提取，形態(tài)學(xué)閉運(yùn)算平滑圖像的輪廓，形態(tài)學(xué)開運(yùn)算消除一些無意義的小物體，得到車牌精確定位圖如圖7所示。

3 字符分割與歸一化

3.1 字符分割

我國標(biāo)準(zhǔn)車牌由漢字、字母、數(shù)字等7個(gè)字符水平混合排列而成，其第一個(gè)字符通常為漢字，第二個(gè)字符為大寫英文字母，第三至第七個(gè)字符為大寫英文字母或阿拉伯?dāng)?shù)字[10]。每個(gè)字符寬度為34mm，除第二第三字間隔34mm以外，其他字符間距都是12mm。鑒于第二三字符間的間隔符，可通過字符的幾何分布特征，釆用優(yōu)先確定車牌的第三字符位置后，再根據(jù)車牌寬度和字符間距，將車牌區(qū)域逐一分割成七個(gè)單一的字符塊。系統(tǒng)釆用基于連通域的字符分割方法[11]分割結(jié)果如圖8所示。

3.2 字符歸一化

由于采集到的車牌的拍攝距離和角度的差異，會(huì)造成分割后的字符圖像大小尺寸不一，所以需要對(duì)已經(jīng)提取的字符圖像進(jìn)行歸一化處理，將其統(tǒng)一到同一尺寸，以提高后續(xù)字符識(shí)別的正確率，增強(qiáng)系統(tǒng)的穩(wěn)定性。系統(tǒng)中歸一化處理采用插值的方法，通過在像素點(diǎn)相應(yīng)的位置插上一些像素值，將字符尺寸統(tǒng)一為40×20的像素點(diǎn)陣，便于后期識(shí)別。

4 字符識(shí)別

實(shí)現(xiàn)車牌的定位與分割后，需對(duì)切割后的車牌字符塊進(jìn)行識(shí)別。模板匹配方法是一種簡單有效的模式識(shí)別方法。該方法對(duì)二值圖像識(shí)別速度快，可滿足車牌識(shí)別的實(shí)時(shí)性要求。由于車牌字符數(shù)量有限，可通過事先建立標(biāo)準(zhǔn)的模板庫，進(jìn)行字符的相似度匹配來選擇最優(yōu)結(jié)果[12]。如果車牌圖片的預(yù)處理質(zhì)量較高的話，識(shí)別率基本能達(dá)到要求。即便是字符分割不夠精確，可以使用大的模板或多模板進(jìn)行匹配以提高的識(shí)別率[13]。部分識(shí)別后的結(jié)果如圖9所示。

5 結(jié)束語

車牌識(shí)別系統(tǒng)的關(guān)鍵技術(shù)是車牌區(qū)域定位和字符識(shí)別。本文重點(diǎn)對(duì)這兩大模塊進(jìn)行了研究和設(shè)計(jì)。在圖像的預(yù)處理中采用OTSU算法，車牌定位中采用Roberts邊緣算子，在字符識(shí)別的過程采用了模板匹配方法，設(shè)計(jì)了一個(gè)基于MATLAB的車牌識(shí)別系統(tǒng)。系統(tǒng)對(duì) 300 幅車庫入口處采集的車輛圖像進(jìn)行測試，車牌定位準(zhǔn)確率高于 96%，定位后的字符識(shí)別率高于93%，識(shí)別平均時(shí)間小于1.985（s）。表明設(shè)計(jì)的車牌識(shí)別系統(tǒng)有較好的準(zhǔn)確性、快速性。

【參考文獻(xiàn)】

[1]劉彤.汽車牌照識(shí)別系統(tǒng)中相關(guān)技術(shù)的研究[D].濟(jì)南：山東科技大學(xué)，2006.

[2]崔媛媛.基于神經(jīng)網(wǎng)絡(luò)的新型車牌識(shí)別技術(shù)研究[D].華東交通大學(xué)，2009.

[3]良義.停車場車牌識(shí)別技術(shù)研究與實(shí)現(xiàn)[D].長沙：湖南大學(xué)，2011.

[4]彭健敏.車牌識(shí)別中的車牌定位與字符識(shí)別技術(shù)研究及實(shí)現(xiàn)[D].長沙：湖南大學(xué)，2006.

[5]孔平，嚴(yán)廣樂，戴秦，等.基于分形維數(shù)的車牌識(shí)別二值化算法[J].計(jì)算機(jī)工程與應(yīng)用，2007，43（30）：184-185.

[6]胡斌，宮寧生.一種改進(jìn)的OTSU閾值分割算法[J].微電子學(xué)與計(jì)算機(jī)，2009，26（12）：153-155.

[7]王愛俠.面向智能監(jiān)控系統(tǒng)的動(dòng)態(tài)場景建模與目標(biāo)跟蹤算法研究[D].沈陽：東北大學(xué)，2012.

[8]胡蕾，張偉，覃慶炎.幾種圖像去噪算法的應(yīng)用分析[J].信息技術(shù)，2007，31（7）：81-83.

[9]高宏娟.實(shí)時(shí)人臉識(shí)別系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)[J].科技信息，2011（10）：407-408.

[10]邵玉芹.圖像處理技術(shù)在車牌識(shí)別中的應(yīng)用研究[D].合肥：合肥工業(yè)大學(xué)，2007.

[11]甘玲，林小晶.基于連通域提取的車牌字符分割算法[J].計(jì)（下轉(zhuǎn)第43頁）（上接第34頁）算機(jī)仿真，2011（4）：336-339.

[12]Miao L.License plate character segmentation algorithm based on variable-length template matching.Signal Processing（ICSP），2012[C].IEEE 11th International Conference on.2012.

[13]顧晨勤，葛萬成.基于模板匹配算法的字符識(shí)別研究[J].通信技術(shù)，2009（3）：220-222.

[14]高貴龍.車牌識(shí)別系統(tǒng)中車牌定位與識(shí)別算法的研究[D].石家莊：河北科技大學(xué)，2009.

[責(zé)任編輯：田吉捷]