OpenCV在智能車牌識別系統中的應用研究

張帥

摘? 要：交通監管系統是車輛規范性駕駛的重要保障，通過OpenCV對車牌信息進行采集，然后對圖像信息進行精準識別，以記錄車輛在監管系統下的各項行駛信息?；诖?，文章對智能車牌識別系統特性進行論述，從顏色定位法、紋理定位法對車牌在系統中的定位形式進行監測，并對OpenCV在智能車牌識別系統中的應用進行研究。

關鍵詞：OpenCV;車牌識別;智能系統

中圖分類號：TP391? ? ? ? ?文獻標志碼：A? ? ? ? ?文章編號：2095-2945（2020）06-0172-02

Abstract： Traffic supervision system is an important guarantee of vehicle normative driving. The license plate information is collected by OpenCV， and then the image information is accurately identified to record the driving information of the vehicle under the supervision system. Based on this， this paper discusses the characteristics of the intelligent license plate recognition system， monitors the positioning form of the license plate in the system from the color positioning method and texture positioning method， and studies the application of OpenCV in the intelligent license plate recognition system.

Keywords： OpenCV; license plate recognition; intelligent system

引言

近年來，經濟結構的發展下，汽車已經成為一種普及化產品，為交通運輸行業的發展提供相應的助力。車牌作為汽車的身份象征，其如同人們的身份證一樣，是汽車獨有的，在交通網絡的監察下，可對汽車的各項運行行為進行查看，如汽車壓線行駛、闖紅燈等行為，均可由交通檢測設備所記錄，然后由交通部門依法追究責任。在信息化技術、智能化技術的革新下，智慧交通系統也被研發出來，在多維度監管下，交通系統可精準對汽車進行定位，以滿足實際監管需求，為交通行業的運行提供基礎保障。

1 智能車牌識別系統特性論述

OpenCV作為一種視覺控制系統，其在智能車牌識別系統中的運用，可實現精準化數據識別，尤其是在5G網絡通信技術的應用下，可為信息反饋傳輸建立一個對接渠道，提升數據傳輸及系統處理數據的效率與質量。智能車牌識別系統在運行過程中，是以計算機設備為主操控系統，在數字技術、信息反饋技術、智能化技術的應用下，令系統映射到交通體系中，完成對車輛拍照的實時監測。系統與交通系統的融合，可建立全范圍監管體系，如紅綠燈監控體系、停車場自動識別體系、ETC收費體系等，在車輛有效的監控識別下，可對數據本身進行精確處理，而在當前市場多元化發展態勢下，必將擴大智能車牌識別系統的應用范疇。

2 車牌定位方法探析

2.1 顏色定位法

顏色作為車牌的一個重要表現特征，不同車型的車牌顏色也具有較大差別，如藍白結合、黃黑結合、黑白結合，以及近年來新能源的白綠黑結合等。RGB色度空間法則是在顏色識別中應用較為廣泛，其將車輛既定的色彩組建一個顏色格局，當系統接收到顏色特征時，依托于車牌的底色進行識別，如藍色、黃色、白色等，通過顏色分量加強系統的色度監測值，然后利用系統映射的圖像對顏色的閾值進行判定與轉換，進而得出相應的二維圖形，然后在將二維圖像進行數字轉換，最終確定車牌顏色。當車輛環境較為復雜時，單一化的顏色判定體系工作效率將降低，針對此種問題，科研人員提出灰度值調測的方法，將系統接收到的彩色圖像進行灰度調整，以提升車牌的檢測精度。

2.2 紋理定位法

車牌規格屬于定性的框架，利用二值化圖像將車牌信息映射到投影系統中，可得出車牌的準確位置。在獲取車牌水平基準位置時，系統掃描將呈現出一定的黑白跳變規律，此種規律在運作過程中是由車牌固定的框架而建立的。通過設定一個跳變的閾值，當跳邊次數大于閾值基準時，則代表系統在掃描過程中，車牌信息含在其內，此種掃描形式觸發的周期較短，可在一定時間內進行多次掃描，當某一周期完成全部掃描時，則將出現可能存在的車牌信息，此時掃描周期所含括的區域就代表著車牌的水平高度。在進行跳變掃描時，只可測定車牌水平之間的距離，即為車牌的高度信息，而對于車牌的寬度信息來講，則需要通過垂直投影對二值化車牌進行掃描。在車牌的實際測量過程中，水平測量將與垂直測量同步進行，當水平區域的測量在黑白跳變過程中，垂直投影方面將呈現出波峰的特性，進而保證系統在整體測量時可精準地劃定出車牌所在區域。從測量方法與測量效率來看，紋理界定的方式較為精準，但此類方法操作較為繁瑣，計算時間差較大，如車牌本身不規則，那么將間接加大車牌掃描的范圍，進而出現相應的誤差。另外，如車牌區域內含有較多雜質時，則將影響系統對圖像的采集，間接造成信息確認不完整。

3 信息預處理及空間分割

3.1 信息預處理

在對信息進行定向采集時，一般由傳感器對外界環境進行掃描，對車輛牌照信息進行獲取，但如果外界環境較為惡劣的話，如光線、暴雨等天氣，將會增加車牌定位方法的應用難度，為此，需通過濾波的檢測方法對成像內的信息進行二次確認，保證數據信息在系統內傳遞的精準性。從攝像頭擺放位置來看，其一般置于路旁或道路支撐框架的正上方，在實際信息采集時，初始圖像將呈現出一定的傾斜性，而此類傾斜的信息將增加后續信息處理難度。信息預處理則是對車牌進行校正，提升車輛牌照的識別率。目前圖片預處理技術大多以HOUGH變換法為主，其對圖像信息中的幾何圖形進行掃描識別，然后經由信息轉換，對圖形信息所含空間的參數極值進行分析，利用函數曲線將信息進行描述。HOUCH在變換校正過程中，一般映射信息所集中的空間節點為峰值點，在空間維度中峰值點將對線條特性進行描述，此時便可進行下一步的切斜角度測量、車牌校正等工作。在特征分析時，系統主要是將外界傳遞來的信息進行降維處理，并深度挖掘出具有一定價值的信息，此時在向量空間中將形成一個節點，也就是車牌信息所產生數據集在空間中的坐標點，然后再通過最小二乘法對各類數據之間的信息進行計算，得出相應的向量差值，并依據數值之間的誤差來確定最終的平方和。例如，在對車牌數字水平基準方向的特征進行解析時，則是以差分法為主，然后以最小二乘法對車牌字符的空間位置進行調控，以此來獲取圖像基準值，在對垂直方向進行基準叫校正時，則是以車牌為空間坐標，以1°為變換值，然后通過Radon進行角度轉換，直至與車牌水平位置呈現出空間維度重合為止。

3.2 空間定位分割

目前，智能車牌識別系統在對車牌數字進行讀取時，一般是對已經設定的字符進行分割，當字符由攝像傳感器采集信息映射到系統中時，經二值化的圖像將呈現出基于字符周邊為形成的波谷。此時，便可將問題處理形式轉變為處理波谷圖形，即在圖像中查找與統計波谷的位置，然后依次按列進行計算，此時如出現波谷最小值時，便可驗證字符的右側邊界位置，而此種方法同樣可找到左邊界。利用此類空間分割的形式，主要是由于內部程序設定簡便，響應周期較短，可更加精準的分析出車牌。隨著后續分割技術的研發，以二分法為主要的計算程序，可有效解決車牌字符粘接的現象，令系統可精準的分辨出字符。

4 車牌識別

目前，我國交通對于車牌規格的設定，一般第一位為漢字，代表省份，第二位為字母，代表省份內的具體區域，三位到七位則是由全數字、數字字母結合所組成的，隨著汽車數量的逐漸增多，單一化的數字組合已經無法滿足車輛的注冊數目，為此，絕大多數申請的汽車牌照為數字、字母排列組合的，且字體格式多為黑體。

智能車牌識別系統在對車牌進行識別時，如車牌底色不一致時，當圖像映射到系統中時，自動進行灰色度處理，將所有車牌的圖像信息轉變為白色底、黑色字的車牌，但系統在初次接收到圖像信息時，字符顯示像素較低，此時系統將對字符進行再處理，利用閾值轉換的方法，將車牌上的黑色信息進行同比例查驗，當字符所占有的黑色信息呈現出一定的比例時，則可直接印證車牌的底色深。然后再對車牌圖像信息進行反色化處理、字符分割截取等，確保車牌信息讀取的精確性。將車輛牌照的寬度設定為P值，系統在對圖像信息進行掃描時，按照一定的邏輯順序完成由0到1的順位掃描，以驗證圖像內白色像素的值量E，此時閾值為R，如E>R時，則表明該項掃描點為白色列，即車牌無字符部位，而當順位白色列之間的差值E1>R時，則表明白色列之間含有字符。待檢測出字符后，系統再對字符信息進行識別，此時字符所處空間的水平與垂直位置將呈現出一定的邊界特性，如字符空間位置與系統圖像中所顯示的車牌位置重合的話，則系統將對信息進行匹配認證。從規劃出相應的數據模板中進行基于像素點陣的組合比對，其中模板庫內的數據信息是以人工指令為基準的，其大多包含數字0～9、英文a～z、所有地域的代稱，如京、津、冀等，在系統識別時，與預設的模板信息進行匹配，以精準的查驗出車牌信息。

5 結束語

綜上所述，在信息技術、傳感設備的支持下，交通系統逐漸向智能化方向所轉變，尤其是在5G時代的到來下，將為智慧交通網絡體系的建構提供重要的技術支持。本文則是對交通體系下的智能車牌識別系統進行分析，對車牌文字的識別機理及驗證形式進行研究，期待為相關技術領域的發展提供信息支持。

參考文獻：

[1]王傳民，丁湛，趙勇.基于BP神經網絡的智能軍車車牌識別系統設計與實現[J].國防科技，2019，40（05）：12-22.

[2]魏雄.基于OpenCV的車牌識別系統中車牌定位的實現[J].電子世界，2019（03）：113-115.

[3]汪國鋼，呂務駢，陳流長.智能冗余車牌識別技術在收費公路不停車移動支付系統中的應用[J].中國交通信息化，2017（12）：95-99+120.

[4]趙有婷.車牌識別系統評測方法研究及圖像庫建立[A].第十一屆中國智能交通年會大會論文集[C].中國智能交通協會，2016：376-387.