車牌識別系統中的關鍵技術

文/劉萌

車牌識別系統中的關鍵技術

文/劉萌

本文主要從車牌識別系統的概述入手分析，了解了車牌識別系統的組成部分和識別流程。然后分析了在車牌識別系統中存在的關鍵技術，最后針對車牌識別的主要三種方法進行的研究。希望能夠有助于我國車牌識別系統的不斷發展和逐漸普及。

車牌 識別系統 關鍵技術 識別方法

隨著我國經濟的迅猛發展，我國的汽車數量也呈現快速上漲的趨勢，智能交通也隨之逐漸普及。在智能交通中，車牌識別系統已經在一些停車場和小區中逐步開始投入和使用，但是因為車牌識別系統很容易受到外界因素的影響，所以目前還沒有普及。為了促進車牌識別系統的發展，本文對于目前車牌識別系統中的關鍵技術進行了研究，并且了解了車牌識別的特征統計識別、神經網絡識別、模式匹配三種方法。

圖1：車牌識別系統的完整過程

圖2：灰度圖像

1 車牌識別系統概述

隨著信息技術的不斷發展，21世紀自動化技術在人們的生活中顯得越來越重要。汽車是一個簡單和方便的代步工具，目前已經很多家庭都在使用。隨著車輛的逐漸增多，怎么有效的將車輛進行管理顯得越加重要。比如，在大型超市或者事業單位中，如何把地下停車場的車輛停放整齊，怎么減少外來車輛的進入，就是非常值得思考的一個問題。智能交通是依靠高新技術為基礎產生，它主要是為了減少道路擁堵情況，能夠有效的提高交通的利用率。智能交通非常的靈活，可以通過多種方式來解決問題。例如，為了能夠正確的識別車輛，可以在車輛中放入磁卡，然后通過無線感應和磁卡來識別車輛的信息。但是這種方法比較復雜，需要制作大量的磁卡，也十分的浪費資源，因此，車牌識別系統應運而生。車牌識別系統是智能交通重要組成部分，車牌識別系統主要由信息技術、通信技術、傳感技術、互聯網技術結合在一起組成的系統。車牌識別系統比較高智能化，能夠實時的發揮相關作用，對于車輛的管理有著重要意義。

車牌識別系統布置能夠自愛智能小區和智能停車場中使用，還可以用來做道路監控。利用車牌識別系統做道路監控，可以發現一些行駛中違章的車輛，然后通過車輛的自動化識別和相應處理，可以對于相關違章車輛實行自動報警。車牌系統在目前還被應用到了到蘇公路收費中，可以可 ETC系統結合，從而可以不停車進行收費，減少工作人員工作強度，提高工作效率。除此之外，車牌識別系統的應用還有很多。

國內國外都非常的重視對于車牌識別系統的相關研究，兩者相比較，國外顯然對其研究更加深入。國外在前段時間開發了一種不僅可以進行集裝箱，同時還可以利用與車牌的識別系統。這種系統主要是運用了文字的紋理和車輛的共性來實現定位和識別。在日本，對于車牌識別系統的研究也沒有停止過。日本開發的車牌是被系統，在目前識別率已經達到了百分之八十。

2 車牌識別系統組成部分分析

車牌識別系統是由車牌的定位，車牌字符的分割，字符的識別這三個過程組成的。

（1）車牌定位是利用數字圖像處理技術來實現定位的，了解車輛的正確位置，車牌定位是實時的，能夠一直發送信號了解車子的位置。車牌定位屬于一種新型的信息技術，在車輛中已經被廣泛的使用到。

（2）車牌的字符跟個指的是將已經定位的車牌，然后進行分析，吧字符進行分割了解，然后為后續字符的識別進行鋪墊。

（3）字符識別的主要原因就是為了最后確定車牌是否有效。

一個車牌識別系統流程是從圖像的輸入開始，然后是對于輸入的圖像進行預處理，最后實現車牌的定位，其次就是傾斜矯正，最后再是車牌識別。如圖1所示。

車牌的識別會因為外界的一系列因素造成識別出錯，影響車牌識別的因素有很多，例如車牌的整體規格、以及顏色等不同意，這就給車牌識別系統帶來識別的困難，影響識別率。同時，如果車牌因為臟了或者壞了，車牌上的字符顯得不清楚，也會造成是被困難。由于這些外界因素的影響，使得車牌識別系統面臨巨大的挑戰。

3 車牌識別系統中的關鍵技術

3.1 圖像預處理技術

圖像預處理技術是將每一個文字和圖像分揀出來，然后交給模塊進行自動識別，這一過程就叫做圖像預處理。簡單的來說，圖像預處理就是圖像分析和識別的前期圖像處理。圖像預處理的主要目的就是對于圖像進行適當的更換，改變圖像的數據。這種做法能夠加強相關信息監測性，能夠有效的減少一些沒有用處的信息，從而使得后期識別更加精準快捷。圖像預處理在車牌識別系統中屬于基礎部分，有著重要的意義，只有做好了圖像預處理，后續相關環節的開展才能夠得到保證，才能夠確保其識別的可靠性。

3.2 利用灰度圖像

目前我們拍照得到的圖片都是呈現出彩色的，在彩色的圖片中蘊含了許多關于色彩的信息。對于這些色彩信息，可以用3個維度來進行衡量。R、G、B這三個維度可以產生出多種不同的顏色出來，這就造成儲存內容較多，儲存空間也會比較大。但是如果使用灰度圖像就不會出現類似的問題，因為灰度圖像中只是包含了一下單種顏色圖像，因此相應的儲存內容也不會多，需要的儲存空間也比較小。因此，可以將彩色圖像朝著灰度圖像進行轉變。這樣不僅能夠減少儲存空間，而且更加便于分析和識別。

在將彩色圖像轉換為灰度圖像之后，還應該注重去除外界影響因素。例如車牌上的臟跡、車牌的損壞等。因為這些因素會直接的影響到灰度圖像的質量，因此要進行處理。處理的方法有多種，空間域方法等都可以拿來進行很好的處理。灰度圖像如圖2。

3.3 圖像邊緣檢測

邊緣檢測是圖像處理以及計算機視覺中的基本問題，檢測的核心目的就是為了檢測圖像中的光亮變化最明顯的點。車牌的邊緣主要是以圖像的局部特征的不連貫性的方式出現的，也就是指的是提取的車牌圖像中亮度變化最為明顯的部分。

4 車牌識別的方法分析

在智能交通車牌識別系統中，最為關鍵的就是車牌識別。怎么有效的識別車牌號碼，是識別系統優劣的關鍵。目前測拍是被的方法有很多種，筆者主要選用了特征統計識別方法和升級網絡識別方法以及模式匹配識別方法這三種進行了仔細的分析。

4.1 特征統計識別方法

特征統計識別方法在如今被廣泛的運用，十分的普遍，也是識別比較準確的一種方法。特征統計車牌識別方法主要以統計學和數學理論知識作為基礎，這種方法整體來說在目前比較成熟完善。利用特征統計方法，首先應該對于分割好字符的車牌，提取字符中的有關特征，。根據特征統計方法，產生統計器，并進行統計和分析。然后將一些函數加入到特征分析器里面，這就能夠直接將內積運算轉換為非線性運算。這種方式不僅直接降低了原有的難度，還提高了車牌識別準確率。

4.2 神經網絡識別方法

神經網絡識別方法具有很好的自我分類能力以及學習能力，同時運行速度非常的快。對于一些信息比較復雜或者背景模糊的問題是用神經網絡方法是非常適合的。

神經網絡主要以人工只鞥技術為基礎，它屬于一種類似人腦的識別系統。所以，神經網絡識別方法更加符合智能交通的要求。在神經網絡的識別過程中，它會自動根據相關的字符，利用字母網絡或者漢字網絡進行識別，十分的智能化，其分工也非常明確。

4.3 模式匹配的識別方法

模式匹配技術出現的焦躁，所以運用非常的廣泛。模式匹配技術不止可以運用到車輛的識別方法中，其運用最多的是在計算機的殺毒軟件中。在對于車牌的識別上，模式匹配的方法是所有方法中使用最早的一種，也是操作最簡單，流程最少的一種方法。

在模式匹配方法之中，必須要建立一個相關的數據庫。并將相關車牌收錄到模式匹配庫之中，當有車輛時，通過識別目前目前車輛的車牌號，再將該車牌號與數據庫中的車牌進行匹配。如果匹配結果是一模一樣的，加說明該車輛是有效地。反之，如果不能夠進行匹配，那么該車輛就屬于陌生車輛。模式匹配的方法由于其特性，非常的適用于小區管理，但是對于高速公里或者商場等就非常的不適用。

5 結束語

本文主要針對了車牌識別系統中的關鍵技術進行了分析，并了解了車牌識別應用最為廣泛的集中方法。車牌識別系統在目前還屬于一種新型行業，還沒有做到大面積的普及。不過筆者相信，隨著技術的不斷進步發展，車牌識別系統領域會受到更多的重視，車牌是被技術也會更加的先進。

[1]周彬彬.復雜環境下車牌識別系統中關鍵技術的研究與實現[D].南昌航空大學,2016.

[2]薛征.車牌識別系統關鍵技術的研究[D].東北石油大學,2015.

[3]王成鵬,谷德鑫,宋昊.試析車牌識別系統中的關鍵技術[J].電腦編程技巧與維護,2016(20):85-86.

[4]隋君.基于數字圖像處理技術的車牌識別系統研究[D].吉林大學,2016.

作者單位商洛學院電子信息與電氣工程學院 陜西省商洛市 726000

●本文是商洛學院科研項目研究成果，項目名稱：基于FPGA的實時圖像增強技術研究，項目編號：16sky007。