卓俊宇，胡志慧

（湖北汽車工業(yè)學院 電氣與信息工程學院，湖北 十堰 442002）

0 引言

隨著社會的迅猛發(fā)展及交通問題的日益嚴重，為了提高車輛的管理效率，智能交通系統(tǒng)（ITS）由此而生。智能交通系統(tǒng)是融合前沿的信息技術(shù)、數(shù)據(jù)通訊技術(shù)、電子傳感技術(shù)、電子控制技術(shù)以及計算機處理技術(shù)等于一身的交通運輸管理體系，它是一種能在大范圍內(nèi)全方位發(fā)揮作用的，擁有實時、準確、高效的綜合運輸和管理系統(tǒng)。汽車車牌的自動識別是智能交通系統(tǒng)中的一項重要技術(shù)，可以切實有效地提高交通系統(tǒng)的車輛監(jiān)控和管理的自動化程度，是實現(xiàn)交通管理現(xiàn)代化和智能化的重要前提。車牌定位技術(shù)是汽車車牌的自動識別系統(tǒng)中關(guān)鍵的環(huán)節(jié)，它是后續(xù)的車牌字符分割和識別工作的基礎(chǔ)。

1 OpenCV簡介

本項目在基于Visual C++平臺與Intel開源計算機視覺庫OpenCV，來實現(xiàn)靜態(tài)復(fù)雜背景下的車牌識別系統(tǒng)。其中OpenCV是Intel開源計算機視覺庫，它作為一個開源的跨平臺計算機視覺庫，可以在Linux、Windows和Mac OS操作系統(tǒng)上運行。OpenCV的設(shè)計目標是執(zhí)行速度盡量快，主要關(guān)注實時應(yīng)用。它由一系列C函數(shù)和少量C++類構(gòu)成，同時提供了Python、Ruby、MATLAB等語言的接口，在圖像處理和計算機視覺方面的很多通用算法都可實現(xiàn)。OpenCV的編寫采用優(yōu)化的C語言代碼，因此能夠充分利用多核處理器的優(yōu)勢，它的結(jié)構(gòu)如圖1所示。

圖1 OpenCV的結(jié)構(gòu)

2 車牌圖像特征分析

世界各國都根據(jù)本國國情設(shè)計了自己特色的車牌，中國也不例外，但相較于別國的車牌，由于地域原因以及漢字的復(fù)雜性，使得中國的車牌類別要復(fù)雜得多。我國機動車輛使用的號牌，是按照GA36-2007“中華人民共和國機動車號牌標準”設(shè)計的。

我國車牌中的字符由漢字、英文字母和阿拉伯數(shù)字總共7個字符構(gòu)成。其中，第一個字符是各個省、自治區(qū)、直轄市、行政區(qū)的漢字簡稱，其余的均為英文字母或阿拉伯數(shù)字組合。雖然我國的汽車車牌存在一定的復(fù)雜性，但是根據(jù)總結(jié)它是存在一定的共同特點的。以下就是總結(jié)出的幾個明顯且通用的特點：

（1）車牌一般位于沒有明顯的邊緣密集區(qū)域的車身底部。

（2）車牌字符的大小和個數(shù)一定，且字符間隔距離一定。

（3）車牌區(qū)域的像素點明顯多于其他部分。

3 車牌圖像預(yù)處理

圖像預(yù)處理是圖像識別的重要組成部分，是對輸入的圖像進行特征抽取、分割以及識別前所進行的操作。通常采集獲取的汽車牌照的圖像，由于在拍攝圖像的過程中受到各種環(huán)境限制，如霧天、光照不強、灰塵等會導(dǎo)致拍攝的圖像質(zhì)量明顯下降。車牌圖像預(yù)處理是車牌識別系統(tǒng)的前提條件，它直接關(guān)系到系統(tǒng)后續(xù)字符分割和識別的準確性。

本文采用拍攝的含有汽車車牌的圖片作為原始識別圖像進行相關(guān)處理。首先，借助OpenCV提供的cvCvtColor函數(shù)將色彩空間轉(zhuǎn)參數(shù)，采用CV_RGB2GRAY將彩色圖像轉(zhuǎn)換為灰度圖像：Y＝0.299*R+0.587*G+0.114*B。然后，采用cvSmooth函數(shù)進行平滑高斯濾波處理。

最后，根據(jù)汽車車牌具有四邊形的外觀、車牌區(qū)域與其他區(qū)域之間的灰度具有很大跳變的特征，可以獲得圖像邊緣檢測圖作為后續(xù)處理的基礎(chǔ)。邊緣檢測的方法很多，常見的經(jīng)典邊緣檢測算法有Sobel算子、Roberts算子、Prewitt算子、Laplacian算子、Log算子以及Canny算子等。這些算子利用了邊緣處灰度級劇烈變化進行圖像邊緣檢測。不同的算子適用類型不同，不同的算子對不同邊緣類型的敏感度不同，提取的邊緣結(jié)果也不相同。通過調(diào)用OpenCV中帶的cvCanny函數(shù)實現(xiàn)，其中threshold1為小閾值，這里通過編寫函數(shù)獲取圖像的平均灰度值作為自適應(yīng)閾值，它是用來控制邊緣連接的；threshold2為大的閾值，用來控制強邊緣，通過CV_IMAGE_ELEM函數(shù)遍歷獲取圖像最大灰度值的70％作為它的閾值。Canny算子邊緣檢測得到的輪廓更加清晰并且具有很好的抗干擾性，處理前后的效果如圖2所示。

圖2 圖像邊緣檢測

4 車牌定位

大多數(shù)情況下，一幅圖片中車牌的字符總是近似于豎向的，利用其豎向特征可以將車牌與復(fù)雜背景分離出來。車牌區(qū)域所在的行相鄰像素之間的變化（0～255，255～0）會很頻繁，這樣跳變次數(shù)會大于一個臨界值，可以作為尋找車牌區(qū)域的一個依據(jù)。這里可以用CV_IMAGE_ELEM函數(shù)方便獲取相鄰像素的灰度值。由于車牌字符大小、個數(shù)、字符間隔距離一定，找出像素變化數(shù)據(jù)量最大的地方，統(tǒng)計計算其連續(xù)20行最大跳變數(shù)據(jù)量的開始，說明此行在車牌區(qū)域內(nèi)。最后通過循環(huán)比較相鄰行的值大于一個臨界值（一般而言，車牌每個字符至少跳變2次以上，這里設(shè)置為18），探測到車牌的上下邊界的行號。

通過橫向掃描圖像，確定車牌上下邊界行號，這樣可假定車牌區(qū)域在最高和最低行之間的條狀區(qū)域內(nèi)。這時大致可確定車牌的高，根據(jù)車牌寬與高的比例可得到它的寬帶，將一個寬度為車牌寬度的窗口由左至右移動，統(tǒng)計窗口中每一列內(nèi)相鄰像素的變化總數(shù)，逐個比較之后最大的那個就是車牌區(qū)域，把它保留并記錄此時的左右邊界，從而得到車牌的具體區(qū)域?？偠灾?，就是水平分割、垂直分割后進行歸一化。利用OpenCV庫中的CvRect確定車牌的矩形區(qū)域，然后在原圖像中利用cvSetImageROI函數(shù)設(shè)置敏感區(qū)域，接著用cvCopy函數(shù)從原圖像中把敏感區(qū)域（即探尋的車牌區(qū)域）拷貝出來。再利用cvResize函數(shù)進行圖像大小轉(zhuǎn)換，用線性插值方法將車牌變成統(tǒng)一大小為cvSize（40*HIGH_WITH_CAR，40），這樣方便后續(xù)車牌分割字符處理，車牌定位截取后效果如圖3所示。

圖3 車牌定位提取圖片

車牌定位以后的圖像還是一個整體，包括文字和文字之間的空白。字符分割就是將車牌中的7個字符分割出來以便逐個進行字符識別。大部分字符分割的算法以垂直投影、字符間隔及尺寸的測定、輪廓分析或分割識別組合技術(shù)為基礎(chǔ)。本系統(tǒng)采用車牌字符布局特征與垂直投影積分相結(jié)合的方法進行分割。最后采用模板匹配的方法，它將從待識別的圖像提取若干特征量與模板對應(yīng)的特征量進行比較，計算圖像和模板特征量之間的距離，用最小距離法判定所屬類，完成車牌號碼字符的識別。

5 結(jié)語

車牌識別是智能交通系統(tǒng)中的重要應(yīng)用，具有很強的實際應(yīng)用價值。本文借助開源計算機視覺庫OpenCV，在Visual C++平臺下對車牌識別系統(tǒng)中圖像預(yù)處理、車牌定位等方面功能實現(xiàn)進行了初步研究，但是經(jīng)過對實驗結(jié)果的分析驗證，還有待進一步地深入研究。當前，很多學者致力于車牌識別技術(shù)的研究，也相繼提出一些可行的車牌識別系統(tǒng)，相信在不久將來車牌識別系統(tǒng)會有更大地發(fā)展。

［1］Gary Bradski，等.學習OpenCV［M］.于仕琪，等，譯.北京：清華大學出版社，2009.

［2］駱雪超.一種基于車牌特征信息的車牌識別方法［J］.華南理工大學學報：自然科學版，2002，31（4）：70-72.

［3］楊曉玲.基于幾何特征的車牌定位與字符分割技術(shù)研究［D］.廈門：廈門大學，2014.

［4］楊思源.基于OPENCV的車輛牌照識別系統(tǒng)研究［D］.西安：西安電子科技大學，2013.

［5］姜宇.基于OpenCV的車牌識別系統(tǒng)研究［J］.遼寧師范大學學報：自然科學版，2011，34（2）：170-174.