車牌識別系統(tǒng)研究與設(shè)計.pdf

1、車牌識別(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識別，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、小區(qū)出入口等場所的自動登記，是圖像處理和模式識別的重要研究方向和研究熱點。目前對于車牌識別技術(shù)的研究已經(jīng)取得一些突破性成果，但是由于車牌識別技術(shù)的應(yīng)用場景復(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。00000000000000
　　本文對近年來車牌識別技術(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，并著重對車牌識別技術(shù)中車牌定位、字符分割、字符識別三個關(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)計了一套具有車牌圖像的實時獲取或離線載入、車牌識別、識別結(jié)果的

3、輸出等功能的實用軟件。具體工作如下:
　　(1)車牌定位檢測部分:對目前常用的車牌定位方法進行了介紹，深入分析了車牌的紋理特征，提出并對比了兩種車牌定位檢測方法:①基于車牌邊緣跳變密度濾波算法的車牌檢測方法，該方法包括邊緣檢測方法、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）算法的車牌檢測方法，該方法使用了自

4、定義邊緣檢測算子對訓(xùn)練樣本進行預(yù)處理。實驗結(jié)果表明:方法①在光照條件較好情況可以實現(xiàn)車牌的快速檢測，但對于車牌區(qū)域光照較弱的情況會造成漏檢，檢測率為:96.40％;方法②對光照不均、噪聲、污損等干擾有更好的適應(yīng)性，檢測率為98.31％，耗時基本滿足要求。
　　(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，對車牌進行了預(yù)處理并完成字符分割。預(yù)處理包括:①實現(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提出基于字符筆畫寬度檢測的反色判斷算法;④實現(xiàn)基于形態(tài)學(xué)的圖像效果增強;⑤提出基于分塊思想的車牌二值化算法;⑥實現(xiàn)基于Radon變換的車牌垂直傾斜角度檢測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。實驗結(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，耗時滿足實時要求，對實驗數(shù)據(jù)庫的包括預(yù)處理在內(nèi)的正確分割率為94.67

6、％。
　　(3)字符識別部分:對目前常用的車牌字符識別方法進行簡介，實現(xiàn)均勻模式下的LBP（Local Binary Pattern）特征值計算、LBP圖分塊、統(tǒng)計直方圖特征提取并基于此特征結(jié)合支持向量機（Support Vector Machine，SVM）分類器完成針對漢字、字母、字母數(shù)字混合三個識別機的設(shè)計。實驗表明:該算法能夠解決車牌字符識別的問題，對于各自測試數(shù)據(jù)庫的識別率分別為95.11％、97.86％、97.08％。

7、
　　(4)系統(tǒng)設(shè)計部分:基于Visual C++6.0的MFC程序框架完成了車牌識別系統(tǒng)的設(shè)計開發(fā)，該系統(tǒng)可以對導(dǎo)入圖片或使用工業(yè)相機實時捕獲的圖片進行車牌的檢測與識別。對系統(tǒng)進行測試表明:本系統(tǒng)能夠?qū)崿F(xiàn)車牌的實時和離線識別，基本達到了設(shè)計目標，系統(tǒng)運行穩(wěn)定，離線測試時整體識別率88.25％;實時測試時識別率為85.45％。
　　本文提出和實現(xiàn)的車牌識別技術(shù)相關(guān)算法基本能夠解決車牌識別問題，實時性基本滿足要求，取得了不錯的