基于MATLAB的高速公路车牌识别系统.doc

《基于MATLAB的高速公路车牌识别系统.doc》由会员分享，可在线阅读，更多相关《基于MATLAB的高速公路车牌识别系统.doc（32页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、基于MATLAB高速公路车牌识别系统第一章 绪论本书主要讨论是一种高速公路车牌识别系统设计及实现方法。车牌识别系统是不停车电子收费系统得重要构成部分，而后者又是智能运输系统核心应用之一。1.1 车牌识别系统介绍车牌识别技术（Vehicle License Plate Recognition，VLPR）是计算机视觉与模式识别技术在现代智能交通系统中一项重要研究课题，是实现交通管理智能化重要环节，它是以数字图像处理、模式识别、计算机视觉等技术为基础智能识别系统，它利用每一个汽车都有唯一车牌号码，通过摄像机锁拍摄车辆图像进行车牌号码识别。在不影响汽车状态情况下计算机自动完成车牌识别，从而降低交通管理

2、工作复杂度。自动车牌识别在车辆管理与交通安全管理中具有十分重要意义。根据公安部科技强警战略目标，北京优特桥电子技术与清华大学合作,投资150多万，经过三年多联合开发，终于将多媒体网络车牌识别系统研制成功。多媒体网络车牌识别系统作为公安部重点攻关项目之一，在查辑犯罪车辆、控制违法违规车辆等公安工作中发挥了重要作用，是实现畅通工程重要技术保证。2000年6月，公安部科技局组织有关专家对多媒体网络车牌识别系统进行了技术鉴定。公安部领导与技术专家对该系统先进性、实用性给予了充分肯定，并指出：该系统综合了车牌牌号自动识别技术、多媒体技术、分布式网络数据库管理技术等先进技术，建成了我国第一套试用于实战警务

3、系统。该系统中采用金字塔特征流快速搜索匹配算法（FP-SAMA）达到了国际先进水平。该系统已经在河北、厦门等地投入了实际工程运用，收到了良好社会效益。实践证明，该系统确实具有良好推广价值与广泛应用前景。1.2 车牌识别系统应用车牌自动识别技术在车辆过路、过桥全自动不停车收费、交通流量控制指标测量、车辆自动识别、高速公路上事故自动测报、不停车检查、车辆定位、汽车防盗、稽查与追踪车辆违规、违法行为、维护交通与城市治安、防止交通堵塞、提高收费路桥服务速度、缓解交通紧张状况等方面将会起到积极作用。多媒体网络车牌识别系统是一个分布式网络数据库环境下实时响应系统，运行在WindowsNT环境下.它由三个主

4、要部分组成，包括卡口图像识别子系统、指挥中心数据管理子系统与拦截监控子系统。卡口车辆图象信息采集CCD获取实时车牌图像数据后，系统在极短时间内（1秒左右）完成图像识别、车数据入库、图像数据入库、检索数据等处理。如果发现通过车辆是公安机关需要查找车辆（如被盗抢车辆），系统通过远程数据网络，向指挥中心与拦截站发出告警信息，通知有关部门或有关人员。告警信息包括：发现可疑车辆时间、地点、车牌号码、抓拍车辆照片、车辆被缉查原因等1.3 MATLAB简介MATLAB 是美国MathWorks公司出品，用于算法开发、数据可视化、数据分析以及数值计算高级技术计算语言与交互式环境，主要包括MATLAB与Simu

5、link两大部分。MATLAB是矩阵实验室（Matrix Laboratory）简称，与Mathematica、Maple并称为三大数学软件。它在数学类科技应用软件中在数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数与数据、实现算法、创建用户界面、连接其他编程语言程序等，主要应用于工程计算、控制设计、信号处理及通讯、图像处理、信号检测、金融建模设计及分析等领域。MATLAB基本数据单位是矩阵，它指令表达式及数学、工程中常用形式十分相似，故用MATLAB来解算问题要比用C，FORTRAN等语言完相同事情简捷得多，并且mathwork也吸收了像Maple等软件优点,使MATLAB成为一

6、个强大数学软件。在新版本中也加入了对C，FORTRAN，C+，JAVA支持。可以直接调用,用户也可以将自己编写实用程序导入到MATLAB函数库中方便自己以后调用，此外许多MATLAB爱好者都编写了一些经典程序，用户可以直接进行下载就可以用。20世纪70年代，美国新墨西哥大学计算机科学系主任Cleve Moler为了减轻学生编程负担，用FORTRAN编写了最早MATLAB。1984年由Little、Moler、Steve Bangert合作成立了MathWorks公司正式把MATLAB推向市场。到20世纪90年代，MATLAB已成为国际控制界标准计算软件。第二章 系统概述 系统构成本地数据处理中

7、心组成： 该数据处理中心包括一台数据库服务器与若干台车牌识别系统工作站。每台车牌识别系统工作站由一部(CCD)摄象机、一组照明设备与一套高速图像识别处理软件组成。数据处理中心通过光缆及拦截站报警终端连接。指挥中心数据处理中心组成：该指挥中心数据处理中心包括一台数据库服务器与一台车牌识别监视系统工作站。一般通过DDN信道及本地数据处理中心连接。拦截站组成：由一台拦截响应工作站构成。一般通过光缆及本地数据处理中心连接。 系统工作原理高速公路车牌识别系统主要友五部分组成。第一部分：图像获取。在这个部分中我们通过在道路两侧安装高分辨率摄像机对过往车辆进行动态或静态抓拍，再通过图像采集卡采集当前图像并形

8、成图像数据组存储在计算机重，此时存储在计算机中图像是彩色图像。第二部分：图像处理。由于在第一部分重我们得到图像是彩色图像，其颜色种类较多，不利于图像处理，因此我们将彩色图像转换为灰度图像进行处理。应用MATLAB中函数（rgeb2gray）可以实现图像转换。经过转换后灰度车牌图像通常都是数字灰度图像，其灰度值为0225。为了将车牌图像中字符及背景分离，常采用二值化技术将数字灰度图像转换为数字二值图像，应用MATLAB中函数（im2bw）可以实现这一转换。二值图像是一种所有像素值只能在两种可能离散值重取其一图像，也称黑白图像。本质上讲，这两个可能像素值分别对应0与1，以这种方式来操作图像可以更加

9、容易地识别出图像结构特征。在整个系统中二值化很关键，直接影响到后面分割及识别，因为字符分割是识别是基于车牌区域二值化结果进行。二值化技术又称做阈值化技术，其目就是要找出一个合适阈值，将待研究区域划分为前景与背景两部分。二值化后车牌要能再现原字符图像，基本不出现笔画断裂与粘连现象，尽量不丢失原字符特征。另外，二值化算法还可以用于精确定为车牌上下左右边界。第三部分：图像分割。这一部分是整个系统核心部分，如果图像不能准确分割出来将会直接影响最终能否识别出车牌，即识别率高低。图像分割就是目标及背景先验知识（西方哲学家将只是分为两种：先验与后验。先验意味着仅凭推理得到知识（先验经验观察），而不受直接或间

10、接经验（这里经验通常指通过感官对于世界观察）影响。后验指其他种类知识，也就是知识来与证实需要需要借助经验（经验观察之后），也被称做经验知识），对图像中目标、背景进行标记、定位，然后将待识别目标从背景或其他伪目标中分离出来。图像分割是图像提取重要组成部分，只有有效完成分割才能进一步提取目标特征并识别目标。第四部分：字符识别。对于车牌字符识别，目前最常用方法是基于神经网络与模板匹配方法。基于神经网络车牌字符识别方法对于解析度较高（车牌高度不小于120个像素）与图像比较清晰车牌能有效识别车牌中字符，但是对于较底解析度与较为模糊车牌则显得无能为力。现已有一种在模板匹配基础上改进方法进行字符识别，使对车

11、牌字符识别性能得到了改进。第五部分：数据库管理。首先需要建立一个大型数据库，在这个数据库中存储一定数量车牌号码及这些车一些相关资料。通过前面步骤，已把车牌提取出来，接下来将提取车牌号码及数据库中存储车牌号码进行比较，如果相同系统就会自动找到该车牌并显示相关信信息；如果不同，说明系统中没有该车牌记录，此时系统会自动储存该车牌号码，以备需要。第三章 车牌识别系统设计传统车牌识别系统主要采用摄像头、视频采集卡、工控机几个主要模块搭建出来方法来实现，其优势是实现容易，但是成本高、实时性不强、安装与维护不便。而在本文系统设计中，摒弃了传统模式，采用TI公司TMS320C6713B高性能（强大并行运算能力

12、）DSP作为识别算法运行硬件平台，Altera公司性价比很高Cyclone系列EP1C12Q240型号FPGA作为协调整个系统工作及相关图像采集及控制，再加上一些外围器件（FLASH、SDRAM等）共同构成本嵌入式车牌识别系统硬件平台，如图3-1所示。及传统车牌识别系统不同，该系统无需计算机即可实现车牌图像采集、识别、输出结果，具有识别性能高、环境适应性强、安装维护简单、成本低等特点。其中采用以DSP与FPGA作为核心系统设计最大优点是结构灵活、通用性强、适合于模块化设计，从而能够实现高效率算法与实时控制；同时其开发过程可以并行运行。图3-1嵌入式车牌识别系统硬件平台车牌区域定位车牌图像区域定

13、位部分是将输入图像去掉彩色信息，进行灰度化，并对采集图像进行增强、恢复、变换，目是突出车牌最主要特征，以便更好提取车牌。灰度图像（GrayScale）是指只包含亮度信息、不包含色彩信息图像，例如平时看到亮度由暗到亮连续变化黑白照片。根据实时性要求，车牌定位提取应具有较高鲁棒性，从一整幅图像包括车身、背景中提取车牌，需要抓住车牌最主要特征，牌照区域具有不同于背景区域特征，利用车牌底色与车牌字符灰度或颜色信息差别与车牌区域中灰度变化频率较高，以及车牌有一定宽度与高度、宽高比满足一定要求等，进行车牌定位分割，它是一种简单、可靠，能满足实时性要求方法。对预处理后图像每一行按照式进行后向差分绝对值运算:

14、由于牌照区域含有多次灰度变化，通过累加差分后每一行图像可以得到一条曲线，曲线若干个极大值所在波峰就是车牌可能存在垂直位置。然后对预处理后图像每一列按照式进行同样处理。可以得到若干个车牌可能存在水平位置。交叉匹配后能够得到若干个车牌可能存在具体位置。这种算法有可能会得到若干个无法区分车牌区域，也可能一个车牌区域都找不到。我们对这种算法进行改善，就有了移动窗口算法。字符分割及识别是先将车牌区域分割成单个字符，然后再进行识别，难点是模糊、断裂字符识别。字符分割目前一般采用垂直投影法。由于字符块在竖直方向上投影必然在字符间或字符内间隙处取得局部最小值，因此字符正确分割位置应该在上述局部最小值附近，并且

15、这个位置应满足车牌字符书写格式、字符尺寸限制与一些其他条件。利用垂直投影法，对复杂环境下汽车图像中字符分割有较好效果。 字符识别方法目前主要有基于模板匹配算法与基于人工神经网络算法。基于模板匹配算法首先把待识别字符二值化并将其尺寸大小缩放为字符数据库中模板大小，然后及所有模板进行匹配，最后选最佳匹配作为结果。由于这种匹配算法稳定性较差、时间花费也较大，因此在此基础上提出了基于关键点匹配算法。此算法先对待识别字符进行关键点提取，然后对关键点去噪，最后再确定字符分类。这种匹配算法只利用了字符关键点进行匹配，因此提高了识别速度又具有较高识别率。基于人工神经网络算法主要有两种：一种是先对待识别字符进行

16、特征提取，然后用所获得特征来训练神经网络分类器；另一种方法是直接把待处理图像输入网络，由网络自动实现特征提取直至识别出结果。前一种方法识别结果及特征提取有关，而特征提取比较耗时，因此特征提取是关键。后一种方法无须特征提取与模板匹配，随着相关技术进步，这种方法更实用。车牌字符分割是车牌识别中比较重要一个环节。如何准确而迅速地找出车牌位置，一直是个热门话题，目前提出来研究方法也很多，主要是基于灰度特征分析方法，因为基于彩色信息方法计算量大并且受图像亮度影响大。比较成熟有统计投影直方图，使用Hough变换检测边缘，小波分析等。统计投影直方图法虽然简单，但是效果最差；Hough检测边缘方法速度较快，但

17、不能应对车牌有形变情况；小波分析方法技术含量最高，但运算量大，速度最慢。本文提出一种二值化图像梯度边缘检测法，并在Matlab中实现。二值化技术又称为阈值化技术，其目就是要找出一个合适阈值，将待研究区域划分为前景与背景两部分。经过转换后车牌灰度图像通常都是数字灰度图像，其灰度值为0225.为了将车牌图像中字符及背景分离，常采用二值化技术将数字灰度图像转换为数字二值图像。二值化后车牌要能再现原字符图像，基本不出现笔画断裂与粘连现象，尽量不丢失原字符特征。另外，二值化算法还可以用在车牌定位过程中精确定位车牌上下左右边界。该方法可以快速地对车牌区域进行定位，并将其分割出来。车牌分割流程如下图3-2所

18、示。图3-2车牌分割流程字符分割及识别是先将车牌区域分割成单个字符，然后再进行识别，难点是模糊、断裂字符识别。字符分割目前一般采用垂直投影法。由于字符块在竖直方向上投影必然在字符间或字符内间隙处取得局部最小值，因此字符正确分割位置应该在上述局部最小值附近，并且这个位置应满足车牌字符书写格式、字符尺寸限制与一些其他条件。利用垂直投影法，对复杂环境下汽车图像中字符分割有较好效果。 别方法目前主要有基于模板匹配算法与基于人工神经网络算法。基于模板匹配算法首先把待识别字符二值化并将其尺寸大小缩放为字符数据库中模板大小，然后及所有模板进行匹配，最后选最佳匹配作为结果。由于这种匹配算法稳定性较差、时间花费

19、也较大，因此在此基础上提出了基于关键点匹配算法。此算法先对待识别字符进行关键点提取，然后对关键点去噪，最后再确定字符分类。这种匹配算法只利用了字符关键点进行匹配，因此提高了识别速度又具有较高识别率。基于人工神经网络算法主要有两种:一种是先对待识别字符进行特征提取，然后用所获得特征来训练神经网络分类器;另一种方法是直接把待处理图像输入网络，由网络自动实现特征提取直至识别出结果。前一种方法识别结果及特征提取有关，而特征提取比较耗时，因此特征提取是关键。后一种方法无须特征提取与模板匹配，随着相关技术进步，这种方法更实用。汽车牌照自动识别系统中关键技术车牌区域定位技术与字符分割及字符识别技术现今发展都

20、日趋成熟，且算法比较多。目前在实际应用中，车牌区域定位算法大多将自适应边界搜索法与灰度图像数学形态学运算法结合起来使用，以提高定位精度;车牌字符识别算法大多采用运算速度较快人工神经网络算法。每一种算法均有其优缺点，只有经过工程实际检验算法，才是最佳算法。边缘检测是为了检测出图像边缘，而非边缘区域将被去掉。本文将梯度边缘增强引入到二值化图像中，也就是说，在图像中亮度没有发生突变区域，将会变黑。公式如下： 3-5-1其中B(i，j)表示二值化图像每点所对应象素二值化亮度值，E(i，j)表示经过边缘检测后新图像中每个点所对应象素二值化亮度值。这种方法将图像向右移一个象素，然后用原图像减去平移后图像；

21、再将图像向下移一个象素，然后再用原图像减去平移后图像。取两个平移后结果绝对值，然后再相加。在二值化图像中，因为大于1数也是显示白色，那么用这种方法对图像进行边缘检测后，发生突变地方在新图像中将为白色。这种边缘检测方法优点是速度很快，而且将存在边缘地方在图像显示上都得到了加强。效果如图3-3所示。图3-3边缘检测 图像形态学处理及区域筛选车牌所在区域含有丰富边缘信息，而形态学膨胀能使这些区域形成连通区域，以便进一步筛选。假设图像为X，结构元素为S，膨胀定义为： 3-6-1普通膨胀是扫描上面生成图像所有象素，如果扫描点为白色，那么则执行膨胀命令，比如文献6中，就使用于该点右下角mn矩形为膨胀结构元

22、素，虽然这种方法可以形成连通区域，但是很容易使一些单独存在细小线段变粗，也就是说，对线段多图像效果可能不会太好。而本文膨胀算法能很好地处理以上情况，不会使图3-4中无用细小线段变粗，而且能有效地消除细小线段。算法如下：图3-4图像形态学处理第(1)步是垂直方向膨胀效果如上图a所示，第(2)步如上图b所示是水平方向膨胀。第(3)步将一些细小线段，方便以后处理，如上图c所示。相比普通膨胀算法，这种膨胀算法可以最大限度地消除无效膨胀，并不是任何白象素点都会进行膨胀处理，而是在周围一定范围内存在其他白象素点才会再膨胀。 CCRCCR(Connetcted Components Analysis)首先对

23、连通区域标号，然后通过连通区域筛选，最终得出几个车牌候选区域。在连通区域判决过程中，主要是根据车牌图像特征参数来决定是否保留。车牌在膨胀后图像中特性为：车牌区域白象素密度高。横边比纵边长。中国车牌长宽比为40：14，经过形变后，一般会小于这个值。根据以上特性，CCR算法如下：扫描图P2，如果碰到目标象素白象素点，有编号且为label，记录其标号，然后进入(2)。继续扫描P2，只有所扫描点标号为(1)步中所记录下标号，才开始判决，并同时记录下连通区域最左最右横坐标与最上最下纵坐标，并保存在Xmin，Xmax，Ymin，Ymax。而且，每扫描一个目标点，则白象素点个数number自动加1。如果|X

24、min-Xmax|3。那么这个区域为非车牌区域。如果number(XX*YY) 0.34) & (sum 400) & (sum 0.37) & (sum 200) & (sum 0.35) & (y_bar (lower_A*x_bar + lower_B) & (y_bar (upper_A*x_bar + upper_B) );y_image = (x_sum_conds & xy_conds);return;bw, crop = extract_LP(image);从图片中提取车牌黄色区域seg = character_segmentation(bw); 返回一个车牌二值图像，并进行区域膨胀处理，使