車牌識(shí)別系統(tǒng)研究與設(shè)計(jì).pdf

1、車牌識(shí)別(Licence Plate Recognition，LPR)是智能交通系統(tǒng)(Intelligent TransportSystem，ITS)的關(guān)鍵技術(shù)，解決車輛牌照的自動(dòng)識(shí)別，廣泛應(yīng)用在交通路口的監(jiān)控記錄、違法違章車輛的追蹤以及停車場(chǎng)、小區(qū)出入口等場(chǎng)所的自動(dòng)登記，是圖像處理和模式識(shí)別的重要研究方向和研究熱點(diǎn)。目前對(duì)于車牌識(shí)別技術(shù)的研究已經(jīng)取得一些突破性成果，但是由于車牌識(shí)別技術(shù)的應(yīng)用場(chǎng)景復(fù)雜，工作于全天候不斷變化的光照環(huán)境中等

2、，使得其相關(guān)算法的有效性和穩(wěn)定性仍有待研究改進(jìn)。00000000000000
　　本文對(duì)近年來(lái)車牌識(shí)別技術(shù)相關(guān)的理論和算法做了較為全面的了解和分析，系統(tǒng)地闡述了車牌的特點(diǎn)，并著重對(duì)車牌識(shí)別技術(shù)中車牌定位、字符分割、字符識(shí)別三個(gè)關(guān)鍵算法做了深入探討和研究，在此基礎(chǔ)上，基于Visual C++6.0的Microsoft FoundationClasses(MFC)程序架構(gòu)設(shè)計(jì)了一套具有車牌圖像的實(shí)時(shí)獲取或離線載入、車牌識(shí)別、識(shí)別結(jié)果的

3、輸出等功能的實(shí)用軟件。具體工作如下:
　　(1)車牌定位檢測(cè)部分:對(duì)目前常用的車牌定位方法進(jìn)行了介紹，深入分析了車牌的紋理特征，提出并對(duì)比了兩種車牌定位檢測(cè)方法:①基于車牌邊緣跳變密度濾波算法的車牌檢測(cè)方法，該方法包括邊緣檢測(cè)方法、邊緣圖二值化方法、邊緣跳變密度濾波算法、基于形態(tài)學(xué)處理和連通域標(biāo)記的車牌提取算法;②基于Haar-like特征結(jié)合AdaBoost（Adaptive Boosting）算法的車牌檢測(cè)方法，該方法使用了自

4、定義邊緣檢測(cè)算子對(duì)訓(xùn)練樣本進(jìn)行預(yù)處理。實(shí)驗(yàn)結(jié)果表明:方法①在光照條件較好情況可以實(shí)現(xiàn)車牌的快速檢測(cè)，但對(duì)于車牌區(qū)域光照較弱的情況會(huì)造成漏檢，檢測(cè)率為:96.40％;方法②對(duì)光照不均、噪聲、污損等干擾有更好的適應(yīng)性，檢測(cè)率為98.31％，耗時(shí)基本滿足要求。
　　(2)車牌字符分割:論述了目前常用的車牌預(yù)處理方法與字符分割方法，對(duì)車牌進(jìn)行了預(yù)處理并完成字符分割。預(yù)處理包括:①實(shí)現(xiàn)基于Hough變換的車牌水平矯正算法;②提出投影曲線突變

5、分析完成字符水平分割的算法;③提出基于字符筆畫(huà)寬度檢測(cè)的反色判斷算法;④實(shí)現(xiàn)基于形態(tài)學(xué)的圖像效果增強(qiáng);⑤提出基于分塊思想的車牌二值化算法;⑥實(shí)現(xiàn)基于Radon變換的車牌垂直傾斜角度檢測(cè)并使用偏移矯正方法矯正車牌。字符垂直分割:基于以上預(yù)處理圖像提出了基于車牌垂直投影積分曲線的模板匹配字符分割算法。實(shí)驗(yàn)結(jié)果表明:本文提出的預(yù)處理算法和字符分割方法能夠?qū)崿F(xiàn)車牌字符的分割，耗時(shí)滿足實(shí)時(shí)要求，對(duì)實(shí)驗(yàn)數(shù)據(jù)庫(kù)的包括預(yù)處理在內(nèi)的正確分割率為94.67

6、％。
　　(3)字符識(shí)別部分:對(duì)目前常用的車牌字符識(shí)別方法進(jìn)行簡(jiǎn)介，實(shí)現(xiàn)均勻模式下的LBP（Local Binary Pattern）特征值計(jì)算、LBP圖分塊、統(tǒng)計(jì)直方圖特征提取并基于此特征結(jié)合支持向量機(jī)（Support Vector Machine，SVM）分類器完成針對(duì)漢字、字母、字母數(shù)字混合三個(gè)識(shí)別機(jī)的設(shè)計(jì)。實(shí)驗(yàn)表明:該算法能夠解決車牌字符識(shí)別的問(wèn)題，對(duì)于各自測(cè)試數(shù)據(jù)庫(kù)的識(shí)別率分別為95.11％、97.86％、97.08％。

7、
　　(4)系統(tǒng)設(shè)計(jì)部分:基于Visual C++6.0的MFC程序框架完成了車牌識(shí)別系統(tǒng)的設(shè)計(jì)開(kāi)發(fā)，該系統(tǒng)可以對(duì)導(dǎo)入圖片或使用工業(yè)相機(jī)實(shí)時(shí)捕獲的圖片進(jìn)行車牌的檢測(cè)與識(shí)別。對(duì)系統(tǒng)進(jìn)行測(cè)試表明:本系統(tǒng)能夠?qū)崿F(xiàn)車牌的實(shí)時(shí)和離線識(shí)別，基本達(dá)到了設(shè)計(jì)目標(biāo)，系統(tǒng)運(yùn)行穩(wěn)定，離線測(cè)試時(shí)整體識(shí)別率88.25％;實(shí)時(shí)測(cè)試時(shí)識(shí)別率為85.45％。
　　本文提出和實(shí)現(xiàn)的車牌識(shí)別技術(shù)相關(guān)算法基本能夠解決車牌識(shí)別問(wèn)題，實(shí)時(shí)性基本滿足要求，取得了不錯(cuò)的