復雜背景下基于顯著特征的車牌檢測識別及其應用.pdf

1、智能交通系統(tǒng)是計算機視覺的重要應用領(lǐng)域。車牌是交通場景圖像中常見到的目標類,車牌的檢測與識別技術(shù)是許多智能視頻分析應用系統(tǒng)的基礎。在車牌檢測與識別的應用工程中,由于受到工程條件的限制,獲取的圖像中車牌經(jīng)常置于復雜干擾背景下,并具有不同的位置、大小、方位,甚至扭曲變形或成像模糊,傳統(tǒng)的算法難以適應。本文根據(jù)應用工程的需要,研究復雜背景下的車牌檢測、分割與識別技術(shù),并構(gòu)造實現(xiàn)了多攝像機協(xié)同交通違法非現(xiàn)場執(zhí)法系統(tǒng)。本研究主要內(nèi)容包括：

2、　　 ⑴復雜背景下快速車牌定位算法。候選車牌區(qū)域的檢測定位,在復雜垂直干擾下,容易出現(xiàn)定位不準確和漏檢。本文分析比較了近年來提出的性能優(yōu)良的車牌定位算法,提出一種綜合利用顯著特征的分層次快速車牌定位算法,它充分利用車牌的紋理特征、色彩特征和形狀特征,經(jīng)過粗定位和細提取,快速準確地定位出車牌所在的位置,并判別出車牌的顏色類型。實驗結(jié)果表明,對復雜背景下的車牌圖像,該算法具有較優(yōu)的檢測準確率和較快的定位速度。
　　 ⑵基于糾錯調(diào)整

3、的車牌字符分割算法。本文在獲取車牌的位置與顏色類型的基礎上,判斷車牌的方位并進行必要的傾斜校正,通過投影和連通性分析去除邊框和鉚釘干擾,再根據(jù)車牌字符構(gòu)成的先驗知識,提出基于第二三字符定位的分割方法,采用全局切分和對錯誤判斷的局部調(diào)整策略,逐步逼近優(yōu)化的分割結(jié)果。實驗驗證了該算法較好的分割準確率。
　　 ⑶車牌字符的特征提取與分類器設計。本文改進了Hausdorff距離模板匹配算法,并采用4×4正則網(wǎng)格簡化模板匹配算法。在提取字