復(fù)雜場(chǎng)景下的車牌檢測(cè)算法研究及其工程實(shí)現(xiàn).pdf

1、車牌識(shí)別系統(tǒng)(LPR)是智能交通的重要組成部分，在現(xiàn)代交通管理、社會(huì)治安等方面發(fā)揮著重要作用，有著廣泛的應(yīng)用前景。車牌檢測(cè)是車牌識(shí)別系統(tǒng)的關(guān)鍵技術(shù)之一。隨著車牌識(shí)別系統(tǒng)的廣泛使用，過(guò)去在受控環(huán)境和簡(jiǎn)單場(chǎng)景下的車牌檢測(cè)算法已經(jīng)不能滿足當(dāng)前的需要。因此，在復(fù)雜場(chǎng)景和成像條件情況下的車牌檢測(cè)逐漸成為當(dāng)前研究的熱點(diǎn)。 本文對(duì)復(fù)雜場(chǎng)景和成像條件下的車牌檢測(cè)算法進(jìn)行了研究，主要完成了以下工作。 首先，本文實(shí)現(xiàn)并改進(jìn)了一種啟發(fā)式的車牌

2、檢測(cè)算法。該算法根據(jù)車牌區(qū)域垂直邊緣豐富的特點(diǎn)，提取圖像中的垂直邊緣，并通過(guò)連接邊緣，獲得車牌候選區(qū)域。最后根據(jù)車牌的幾何、邊緣分布以及顏色等特征對(duì)候選區(qū)域進(jìn)行篩選得到車牌區(qū)域。 其次，本文實(shí)現(xiàn)了一種基于Adaboost機(jī)器學(xué)習(xí)算法的車牌檢測(cè)算法。在該算法中，定義了一種表征局部灰度與全局灰度比例的矩形特征，使用CS-Adaboost算法訓(xùn)練了一個(gè)由85個(gè)特征組成的級(jí)聯(lián)分類器，并由此實(shí)現(xiàn)了一種車牌檢測(cè)算法。以上兩種算法都在PC平臺(tái)

3、上編程實(shí)現(xiàn)，并且在一個(gè)583張圖像組成的測(cè)試集上進(jìn)行了實(shí)驗(yàn)，給出了結(jié)果和性能分析。 此外，圖像中的傾斜車牌不利于后續(xù)的字符分割等操作。針對(duì)該問(wèn)題，本文實(shí)現(xiàn)了一種基于“跨欄模型”和“窄孔透射模型”的傾斜車牌矯正算法，給出了實(shí)驗(yàn)結(jié)果。 最后，本文將啟發(fā)式車牌檢測(cè)算法移植到了DSP平臺(tái)上，構(gòu)建了一個(gè)車牌檢測(cè)系統(tǒng)，可以在CIF格式的圖像上達(dá)到10f/s的檢測(cè)速度。文中介紹了算法在DSP平臺(tái)上的移植和優(yōu)化過(guò)程，并給出了實(shí)驗(yàn)結(jié)果。