基于Matlab的車(chē)牌識(shí)別系統(tǒng)設(shè)計(jì)

王常衡 謝志進(jìn) 盧曼 李嘉偉 羅欽

摘? 要：近年來(lái)，汽車(chē)的增多加重了道路交通的負(fù)擔(dān)，車(chē)主的不文明行為將會(huì)對(duì)行車(chē)造成很大影響。智能監(jiān)管系統(tǒng)的使用使車(chē)主的行為得到了很好的約束，而車(chē)牌識(shí)別又是道路智能監(jiān)管系統(tǒng)的重要部分。該文首先提出了車(chē)牌識(shí)別系統(tǒng)的整體設(shè)計(jì)方案，而后使用Matlab實(shí)現(xiàn)車(chē)牌識(shí)別系統(tǒng)的設(shè)計(jì)，最后通過(guò)一個(gè)實(shí)例測(cè)試其識(shí)別結(jié)果較為準(zhǔn)確，最后提出了該設(shè)計(jì)中的不足以及改進(jìn)方法。

關(guān)鍵詞：車(chē)牌識(shí)別? Matlab? 圖像處理

中圖分類(lèi)號(hào)：TP391.41? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ?文章編號(hào)：1672-3791（2019）03（b）-0017-02

隨著城市人口的增加和生活水平的提高，汽車(chē)成為人們出行的主要交通工具。但日漸增多的汽車(chē)給道路交通帶來(lái)了嚴(yán)重的問(wèn)題，例如交通堵塞、交通事故和停車(chē)問(wèn)題。解決交通問(wèn)題的根本是提高人們的自覺(jué)性，要通過(guò)督促手段培養(yǎng)自覺(jué)意識(shí)。車(chē)牌識(shí)別系統(tǒng)便能起到很好的監(jiān)督作用，通過(guò)抓拍違法違章車(chē)輛的照片，對(duì)其車(chē)牌進(jìn)行識(shí)別，可確定車(chē)主信息以便對(duì)其做出相應(yīng)的處罰。因此該文介紹了一種車(chē)牌識(shí)別系統(tǒng)的設(shè)計(jì)方案。

1? 整體設(shè)計(jì)方案

該系統(tǒng)使用Matlab實(shí)現(xiàn)車(chē)牌識(shí)別系統(tǒng)的設(shè)計(jì)，系統(tǒng)主要包含圖像預(yù)處理、車(chē)牌定位、字符分割、字符識(shí)別等部分，系統(tǒng)框圖如圖1所示。

2? 分步設(shè)計(jì)方案

2.1 圖像預(yù)處理

為去除原始圖像中的噪音，加強(qiáng)所需要的車(chē)牌信息，首先要對(duì)圖像進(jìn)行預(yù)處理。預(yù)處理包括灰度轉(zhuǎn)換、灰度加強(qiáng)和邊緣檢測(cè)。定義變量picture為需要識(shí)別的照片中的數(shù)據(jù)，使用rgb2gray函數(shù)將原始圖像轉(zhuǎn)換為灰度圖像。之后使用imadjust函數(shù)和histeq函數(shù)對(duì)灰度圖像進(jìn)行灰度增強(qiáng)和均勻化。再使用edge函數(shù)的sobel算子進(jìn)行邊緣檢測(cè)。雖然Sobel算子在精度上較canny算子低，但效率較高，不會(huì)產(chǎn)生過(guò)多的邊界線條。邊緣檢測(cè)后圖像如圖2所示。

2.2 初步定位車(chē)牌

為將車(chē)牌從邊緣檢測(cè)后圖像中識(shí)別出來(lái)，需要進(jìn)行車(chē)牌的初步定位。首先選用se1=[1;1;1]三行一列的算子使用imerode函數(shù)對(duì)圖像進(jìn)行腐蝕。定義一個(gè)長(zhǎng)方形算子進(jìn)行閉操作，填充車(chē)牌腐蝕后的間隙。再使用bwareaopen函數(shù)去除小面積區(qū)域。最后將車(chē)牌部分切割出來(lái)完成初步定位。

2.3 調(diào)整傾斜角度和去邊框處理

為將水平或垂直傾斜的車(chē)牌校正，使用radon變換得到其不傾斜時(shí)水平軸各點(diǎn)的線積分。Radon變換的本質(zhì)是將原函數(shù)作空間轉(zhuǎn)換，從原來(lái)的平面上移到新的平面上，使位于原平面同一直線上的點(diǎn)都位于新平面的同一點(diǎn)上。計(jì)算新平面上點(diǎn)的累加厚度，即可知道原平面上線的分布。為精確識(shí)別出車(chē)牌中的字符，需要對(duì)車(chē)牌進(jìn)行去邊框處理。計(jì)算調(diào)整后車(chē)牌各行列差分的累加和，變化最大的位置即為車(chē)牌的邊框。

2.4 分割字符

首先將精準(zhǔn)定位的車(chē)牌進(jìn)行二值化和均勻化處理，經(jīng)測(cè)量后將整個(gè)車(chē)牌水平分為15等份，每個(gè)字符占2份，圓點(diǎn)占1份。然后進(jìn)行歸一化切割，計(jì)算車(chē)牌的權(quán)重圖，分割成具有相同顏色的區(qū)域，方便之后的字符識(shí)別。

2.5 識(shí)別字符

由于車(chē)牌上的字符較為工整，因此運(yùn)用模板匹配的方法進(jìn)行字符識(shí)別。將分割出來(lái)的字符與事先準(zhǔn)備好的模板進(jìn)行像素點(diǎn)比較，每個(gè)字符模板具有黑白兩種像素點(diǎn)顏色和相同的像素點(diǎn)數(shù)，一個(gè)像素點(diǎn)相同累加1，最后輸出匹配值最高的模板為車(chē)牌字符。最終識(shí)別結(jié)果如圖3所示。

3? 結(jié)語(yǔ)

該文給出車(chē)牌識(shí)別系統(tǒng)的整體及分步設(shè)計(jì)方案，并且使用一張略微傾斜的車(chē)牌照片對(duì)系統(tǒng)進(jìn)行測(cè)試，結(jié)果準(zhǔn)確。但此設(shè)計(jì)僅為初步研究，仍有許多不足需要改進(jìn)：若捕捉到的照片光線較暗，需要對(duì)圖片進(jìn)行增強(qiáng)處理后再進(jìn)行后續(xù)工作;采用模板匹配進(jìn)行字符識(shí)別準(zhǔn)確率較低，可使用BP神經(jīng)網(wǎng)絡(luò)的方法，是系統(tǒng)反復(fù)學(xué)習(xí)訓(xùn)練，提高識(shí)別的準(zhǔn)確性。

參考文獻(xiàn)

[1] 朱芳.基于改進(jìn)Sobel算子和數(shù)學(xué)形態(tài)學(xué)的車(chē)牌定位研究[J].電子技術(shù)與軟件工程，2018（23）：87-88.

[2] 賴(lài)道亮，趙平，鐘昆，等.面向車(chē)牌字符分割的圖像預(yù)處理方法研究[J].計(jì)算機(jī)測(cè)量與控制，2018，26（9）：250-254.

[3] 魯揚(yáng).基于BP神經(jīng)網(wǎng)絡(luò)的車(chē)牌識(shí)別算法研究[D].東北石油大學(xué)，2018.①作者簡(jiǎn)介：王常衡（1997，12—），男，漢族，山東淄博人，本科在讀，研究方向：通信工程。