基于計算機視覺的車牌識別系統(tǒng)方法研究

陳子言，丁楊軍

（1 武漢東湖學院 湖北 武漢 430212）

（2 南京審計大學 江蘇 南京 211815）

0 引言

車牌識別在車輛定位、高速公路自動化監(jiān)管以及公路收費站等方面廣泛應用，提高了智慧交通的管理效率。隨著經(jīng)濟發(fā)展和人民生活水平提高，越來越多的人使用汽車作為出行工具，這使得汽車數(shù)量迅速增加，從而給交通管理帶來了巨大壓力。為了規(guī)范車輛行駛以及合理引導車流，對車輛精準識別尤為重要。車牌號作為汽車的“身份證號”，對于車輛的識別主要是對車牌號的識別，因此采用何種技術(shù)識別車輛已成為相關部門和企業(yè)所關注的熱點問題。本文分析了當前車牌識別的主流方法，在此基礎上將車牌識別處理過程分為車牌圖像預處理、車牌定位、字符分割和字符識別4個步驟，并搭建了車牌識別系統(tǒng)。

1 圖像預處理

1.1 圖像灰度化

車輛圖片樣本一般是包含大量顏色數(shù)據(jù)的彩色圖像，雖然在人眼看來色彩豐富，但在機器處理時由于含有多余顏色數(shù)據(jù)而降低處理效率。在圖像中，每個像素點RGB值可能都不同，當R=G=B=Gray時，Gray的值為灰度值，灰度化就是把圖像中的所有像素值的RGB值統(tǒng)一轉(zhuǎn)化為灰度值[1]。將彩色圖像轉(zhuǎn)換為灰度圖主要有三種計算方法，分別是平均值法、加權(quán)平均值法和最大值法[2]。采用加權(quán)平均值法將圖像灰度化，圖像灰度化效果對比圖如圖1所示。

圖1 車輛灰度化對比效果圖

1.2 圖像增強與去噪

由于圖像經(jīng)過灰度化處理而失去顏色，圖像中的車牌區(qū)域在圖像中不突出，若采集的圖片是昏暗或明亮環(huán)境，會影響后續(xù)的車牌定位效果，故要使用圖像增強技術(shù)，提高車牌區(qū)域的對比度，減弱干擾信息。為了盡可能地降低噪聲，要對圖像做平滑處理。一般來說，車牌內(nèi)容大部分都在圖像的高頻區(qū)域，而此區(qū)域也存在一些高頻干擾，且噪聲的頻率與特征信息的頻率不同，使用低通濾波器將車牌內(nèi)容與其他噪聲頻率區(qū)分開，減少車牌區(qū)域內(nèi)非車牌信息的噪聲[3-4]。圖像增強與去噪后的效果圖如圖2所示。

圖2 去噪后的增強圖

1.3 圖像邊緣檢測

邊緣通常有兩種類型，一種是指在邊緣兩側(cè)灰度值急劇變化的階躍狀邊緣，另外一種是屋頂狀邊緣，邊緣處于灰度值從小到大再到小的變化轉(zhuǎn)折點處[5]。圖片邊緣是圖像最基本的特征，也是圖像中灰度值變化較大的區(qū)域。經(jīng)典的邊緣檢測算法的研究過程是以某個像素為原點，和周圍的像素構(gòu)成邊緣檢測算子，計算其微分值的高低來表明該區(qū)域灰度的強弱[6]。邊緣檢測的目的是對圖像中亮度變化明顯的像素點進行標注，而車牌底色和車牌字符有著明顯的灰度變化，所以通過邊緣檢測的方法將車牌區(qū)域從整幅圖中凸顯出來。

1.4 圖像二值化

圖像二值化是將背景區(qū)域與前景分離的過程[7]。首先將像素點的灰度值設為0或255，根據(jù)設定的圖像閾值進行分割，確定當前像素是背景區(qū)域還是前景區(qū)域，從而將圖像呈現(xiàn)出黑白效果，實現(xiàn)將整個圖像像素點的灰度值轉(zhuǎn)化為只有0或255兩種級別的二值化圖像。經(jīng)過二值化后，圖像既保留了車牌區(qū)域的特征，又減少了背景干擾，從而突出目標位置的輪廓。圖像二值化效果如圖3所示。

圖3 二值化圖像

2 車牌區(qū)域的定位

2.1 生成邊緣點圖

對車輛圖像進行二值化處理后，用白點將特征區(qū)域及其內(nèi)容清晰地描繪出來，但是這些線條還是不夠細，不容易用這些特征來定位車牌位置，下一步的處理要將二值圖像生成邊緣點圖，這樣可以將圖像的特征區(qū)域的線條變成由一個個白點組成的邊緣點圖，之后可以利用生成的邊緣點圖定位車牌區(qū)域[8]。I是行數(shù)，設初始時I=1，求邊緣點的算法描述如下：

（1）檢查I行的每一個像素點，若像素點的像素值為0（黑色），則繼續(xù)向后檢查；若像素點的像素值為255（白色），則檢查該點左邊相鄰點的像素值：若值為0，不做處理；若值為255，則將當前點像素值設為0。繼續(xù)向后掃描，直到掃描完該行最后一個像素點。

（2）若I為最后一行，結(jié)束掃描；否則I++，繼續(xù)執(zhí)行第一步。

執(zhí)行完以上算法，能夠得出邊緣點圖。生成的邊緣點圖如圖4所示。

圖4 邊緣點圖

2.2 車牌定位

根據(jù)邊緣點圖定位車牌，車牌定位的過程如下：

（1）尋找車牌的可能范圍。掃描整個圖片，從第一行開始，搜索可能邊點數(shù)，以確定車牌可能的范圍，首先確定閾值N，若存在連續(xù)N行均有一個大于等于車牌長度的線段，則找到一個可能的車牌區(qū)域，記錄該區(qū)域的起始行數(shù)和尾行數(shù)；然后在此范圍做到掃描，再確定該車牌候選區(qū)域的起始列坐標和結(jié)尾列坐標，這樣就確定了一個可能的車牌區(qū)域[9]。

（2）繼續(xù)掃描圖片，尋找其他的可能區(qū)域，直至掃描整個圖片。

（3）找到真正的車牌位置。經(jīng)過以上兩個步驟后，會發(fā)現(xiàn)一組可能是車牌的范圍，這就需要排除干擾范圍區(qū)域，找出唯一的最可能的車牌位置。國內(nèi)的車牌的長寬比例是固定的，可以根據(jù)這個特點相應地找出實際的車牌范圍。

經(jīng)過以上步驟，從而發(fā)現(xiàn)車牌區(qū)域位置。

3 車牌字符分割

3.1 傾斜度調(diào)整

當存在定位車牌圖像傾斜現(xiàn)象的時候，調(diào)整車牌的傾斜度至關重要，讓車牌內(nèi)的字符處于同一水平位置，這樣可以保證后面字符分割的完整性。算法思想是基于左側(cè)和右側(cè)的白色像素點的平均高度，若字符兩側(cè)的像素點的平均高度值差值過大，則該車牌角度傾斜，需要調(diào)整車牌的角度。調(diào)整過程主要是通過計算圖像左右兩半邊的像素值為255的像素點的平均高度，再找到斜率，依據(jù)斜率重建圖像。組建思想是：若新圖像的像素被映射到原圖像時，沒有在原圖像范圍內(nèi)，則把新圖像像素置為0[10]。

3.2 基于垂直投影的車牌字符分割方法

基于垂直投影的車牌字符分割方法算法思想是：根據(jù)在此前處理的二值化圖像，從左到右依次檢測每一個坐標投影數(shù)值，將第一個投影數(shù)值不為0所屬的像素點作為第一個投影區(qū)域的左邊界；然后向右檢測，將檢測到的第一個投影數(shù)值為0所屬的像素點作為第一個投影區(qū)域的右邊界[11]。根據(jù)此算法再找到其余六個投影區(qū)域的左右邊界，然后根據(jù)這些區(qū)域來對整個車牌字符進行分割，最后得到一個個的單獨的字符。應用投影法進行字符分割的結(jié)果如圖5所示。

圖5 車牌字符分割結(jié)果

4 車牌識別實驗

通過pycharm平臺，選取不同拍攝場景拍攝的車牌樣本圖片400張，其中正確定位車牌位置的圖片有390張，車牌定位正確率為97.5%。對正確定位的390個車牌進行字符識別，識別效果如圖6所示，識別結(jié)果統(tǒng)計如表1所示。

圖6 車牌識別結(jié)果頁面

表1 車牌識別結(jié)果統(tǒng)計表

由表1可知，待檢測字符共2 730個，正確識別的字符個數(shù)為2 593個，系統(tǒng)對字符的識別正確率為94.98%，其中漢字字符識別正確率為93.85%，英文字符識別正確率為94.43%，數(shù)字字符識別正確率為96.10%，由于漢字的復雜性，正確識別率低于英文和數(shù)字字符。通過對識別不正確的車牌進行分析，發(fā)現(xiàn)主要是兩種原因所導致，一是由于圖片質(zhì)量低，二是車牌存在污染導致字符分割和識別受影響。

5 結(jié)語

本文設計并實現(xiàn)了車牌識別系統(tǒng)，解決了在復雜環(huán)境下無法準確識別車牌字符的弊端。實驗表明，車牌識別系統(tǒng)可有效應用于不同光照條件及不同顏色車牌等復雜場景，并能夠?qū)嚺莆恢脺蚀_定位以及對畸變車牌矯正，提高了車牌字符識別準確率，具有較大實用價值。但由于本人學識受限，對于車牌識別算法的研究還并未完善，在之后研究中需要進一步優(yōu)化算法，提高車牌字符識別率，提升系統(tǒng)的整體性能。