王艷軍　賈帥龍　王亞龍　劉捷　邱天　錢(qián)芮

摘要：隨著城市化快速發(fā)展，機(jī)動(dòng)車(chē)輛的日益普及，隨之帶來(lái)了許多交通問(wèn)題，車(chē)牌識(shí)別系統(tǒng)作為智能交通管理的一個(gè)重要組成部分，在高速公路收費(fèi)站和停車(chē)場(chǎng)等交通管理中起著重要作用。本文著重研究車(chē)牌圖像的處理，一個(gè)完整的車(chē)牌識(shí)別系統(tǒng)包括圖像預(yù)處理、車(chē)牌定位、字符分割、字符識(shí)別等部分，各部分相互獨(dú)立又緊密聯(lián)系。本文通過(guò)Matlab軟件實(shí)現(xiàn)識(shí)別過(guò)程，對(duì)系統(tǒng)進(jìn)行了驗(yàn)證。

關(guān)鍵詞：車(chē)牌識(shí)別系統(tǒng)；預(yù)處理；車(chē)牌定位；字符分割

中圖分類(lèi)號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）18-0175-03

1 研究背景及其現(xiàn)狀

從上世紀(jì)90年代開(kāi)始，隨著計(jì)算機(jī)技術(shù)的發(fā)展，人們開(kāi)始步入信息化時(shí)代自動(dòng)處理信息的能力日益受到重視。而機(jī)動(dòng)車(chē)作為快速行駛工具，其車(chē)牌的快速識(shí)別對(duì)于緩解現(xiàn)在交通擁堵的現(xiàn)象有著重要意義。車(chē)牌識(shí)別的技術(shù)可運(yùn)用于高速收費(fèi)站、道路情況監(jiān)督、智能停車(chē)場(chǎng)的管理等方面，因此對(duì)車(chē)牌的識(shí)別已在現(xiàn)代交通領(lǐng)域成為熱點(diǎn)問(wèn)題。但由于車(chē)牌識(shí)別受到光線、磨損、污染物等因素的影響，目前世界上還未出現(xiàn)較為完善的處理技術(shù)。

從20世紀(jì)90年代開(kāi)始，國(guó)外研究人員對(duì)車(chē)牌識(shí)別的研究已較為成熟，其中已有Hi-Tech公司的See/CarSystem系列、香港的VECON產(chǎn)品、加拿大的VLPS系統(tǒng)等都已較為成熟，但由于我國(guó)車(chē)牌沒(méi)有統(tǒng)一的標(biāo)準(zhǔn)，車(chē)牌顏色等的不同、車(chē)牌污染現(xiàn)象的存在、中英文混合使用現(xiàn)象、懸掛位置不同等現(xiàn)象的存在導(dǎo)致以上車(chē)牌識(shí)別系統(tǒng)無(wú)法準(zhǔn)確識(shí)別車(chē)牌。

車(chē)牌識(shí)別系統(tǒng)是以車(chē)牌作為識(shí)別對(duì)象的處理系統(tǒng)，包含了人工智能和圖像處理等多個(gè)領(lǐng)域。主要識(shí)別過(guò)程為：當(dāng)車(chē)輛檢測(cè)部分檢測(cè)到車(chē)輛到達(dá)時(shí)，觸發(fā)圖像采集單元，采集當(dāng)前的車(chē)牌視頻圖像并分離出效果好的圖片。車(chē)牌識(shí)別單元對(duì)采集到的進(jìn)行處理，定位出車(chē)牌的位置，然后將車(chē)牌中的字符分割出來(lái)進(jìn)行識(shí)別，最后將車(chē)牌輸出。

2 圖像預(yù)處理

在車(chē)牌識(shí)別系統(tǒng)中由于采集的硬件條件和實(shí)際采集環(huán)境的影響，采集到的圖像質(zhì)量不是很高，為了能使圖像快速識(shí)別出來(lái)，需要對(duì)采集的圖像預(yù)處理。通過(guò)預(yù)處理來(lái)對(duì)圖像數(shù)據(jù)進(jìn)行優(yōu)化，除去多余信息并加強(qiáng)圖像數(shù)據(jù)的基本特征，從而提高車(chē)牌特征的提取、匹配和識(shí)別的準(zhǔn)確性。

2.1圖像灰度化

通常，車(chē)牌圖像包含了車(chē)牌及背景的彩色圖片，彩色圖像由三基色組合，即紅色（R）、綠色（G）、藍(lán)色（B），稱(chēng)為RGB圖像。彩色圖像包含了圖像的許多信息，但只要利用圖像的灰度信息處理，一方面可以提高系統(tǒng)的處理速度，另一方面對(duì)處理多種顏色的牌照進(jìn)行了統(tǒng)一，因此，在汽車(chē)牌照分割中，可以將彩色圖像轉(zhuǎn)化為灰度圖像，然后再對(duì)灰度圖像處理。

圖像灰度化的方法主要有整數(shù)方法、平均值法、最大值法和加權(quán)平均值法。

1）整數(shù)方法：

2）平均值法：

3）最大值法：

4）加權(quán)平均值法：

其中RW 、GW 、BW 分別為R、G、B的權(quán)值

本文通過(guò)“I=gb2gray（RGB）” 函數(shù)把車(chē)牌圖像變成灰度圖像，其原始圖像如圖1所示，灰度化圖像如圖2所示。

2.2圖像濾波

圖像濾波，是一種選頻裝置，為后續(xù)處理圖像提供可靠性。在復(fù)雜環(huán)境下獲取的車(chē)牌圖像往往會(huì)因?yàn)槭艿礁鞣N因素的干擾而包含噪聲，需要先進(jìn)行祛除噪聲的工作。最常用的方法是用濾波器進(jìn)行濾波處理。

Matlab的圖像處理工具箱設(shè)計(jì)了許多濾波器，均值濾波、中值濾波、維納濾波器等，在這里，我們通過(guò)均值濾波和中值濾波來(lái)討論圖像濾波方法。

2.2.1均值濾波

均值濾波采用了領(lǐng)域平均法，利用像素平均值來(lái)替換原來(lái)的像素值。其過(guò)程表示為：

均值濾波對(duì)去除均勻分布噪聲和高斯噪聲效果很好，但在降低噪聲的同時(shí)會(huì)使圖像模糊。

2.2.2中值濾波

中值濾波是一種非線性數(shù)字濾波技術(shù)，用于除去圖像信號(hào)中的噪聲。中值濾波先檢查輸入信號(hào)的采樣，然后判斷是否代表了信號(hào)，對(duì)觀察窗中的數(shù)值排序，把觀察窗中的中值輸出。

在MATLAB軟件中調(diào)用“I= fspecial（'average'，3）”函數(shù)進(jìn)行中值濾波，用均值濾波器是領(lǐng)域值平均，以達(dá)到平滑目的。其中[m n]為 m 行 n 列的濾波器，其處理后圖像如圖3所示。

2.3圖像邊緣檢測(cè)

圖像邊緣是結(jié)合字符邊緣和車(chē)身顏色準(zhǔn)確定位處于復(fù)雜情況中的車(chē)牌圖像。物體與背景之間、物體與物體之間易產(chǎn)生邊緣[2]。車(chē)牌中主要包含數(shù)字，字母，和漢字，他們之間呈水平排列。利用這一特征，我們可以將預(yù)處理的車(chē)牌圖像垂直邊緣檢測(cè)，統(tǒng)計(jì)相關(guān)的數(shù)據(jù)信息，得到車(chē)牌圖像的大概區(qū)域。

通過(guò) MATLAB 軟件中“BW= edge（I，roberts'，thresh，direction）”函數(shù)進(jìn)行 Roberts 算子邊緣檢測(cè)。用圖像對(duì)角線方向的兩相鄰像素為梯度，檢測(cè)垂直方向、水平方向邊緣性能好的邊緣。利用局部差分子算子查找邊緣，邊緣的定位精度比較高。車(chē)牌區(qū)域的邊緣被檢測(cè)出，達(dá)到邊緣檢測(cè)的目的。其圖像如圖4所示。

3 車(chē)牌定位

車(chē)牌定位主要是對(duì)車(chē)牌圖像區(qū)域的定位和分割，在實(shí)際車(chē)牌識(shí)別系統(tǒng)中，只有車(chē)牌區(qū)域中的字符具有意義，其他的信息均為無(wú)用信息。只有將車(chē)牌區(qū)域準(zhǔn)確定位并分離出來(lái)，才能準(zhǔn)確識(shí)別車(chē)牌。在預(yù)處理后的灰度圖像中準(zhǔn)確確定車(chē)牌區(qū)域的具體位置是車(chē)牌定位的主要目的。

目前較成熟的車(chē)牌定位方法有以下幾種：

3.1 基于顏色的車(chē)牌定位方法

首先，根據(jù)車(chē)牌特有的顏色特征，將拍攝的圖像轉(zhuǎn)換為HIS圖像，然后對(duì)HIS圖像進(jìn)行彩色分割，最后得到準(zhǔn)確定位的車(chē)牌，該方法定位較為準(zhǔn)確，但由于受外在光線影響嚴(yán)重，容易和車(chē)身背景的相似顏色相混淆，應(yīng)用效果并不將理想。 因此，采用字符邊緣和顏色定位相結(jié)合的方法，對(duì)車(chē)牌的定位分割更為準(zhǔn)確。

3.2 基于邊緣檢測(cè)的車(chē)牌定位方法

此方法利用車(chē)牌字符存在明顯的邊緣信息，車(chē)牌區(qū)域由連續(xù)直線所形成的矩形邊框等特征信息而提出[3]。車(chē)牌定位包括三個(gè)步驟：

1）對(duì)圖像進(jìn)行邊預(yù)處理，然后進(jìn)行邊緣檢測(cè)；

2）提取垂直檢測(cè)，選中處理后的彩色候選區(qū)；

3）對(duì)處理的圖像進(jìn)行彩色特征檢測(cè)；

4）根據(jù)彩色候選區(qū)與車(chē)牌進(jìn)行比較，最終確定正確的車(chē)牌。

3.3 基于神經(jīng)網(wǎng)絡(luò)的車(chē)牌定位方法

1）首先對(duì)車(chē)牌字符進(jìn)行特征提取，利用提取的特征訓(xùn)練神經(jīng)網(wǎng)絡(luò)；

2）神經(jīng)網(wǎng)絡(luò)在處理復(fù)雜的車(chē)牌環(huán)境具有很明顯的優(yōu)勢(shì)，處理信息比較大，具有容錯(cuò)，自適應(yīng)能力強(qiáng)等優(yōu)點(diǎn)。我們首先對(duì)字符預(yù)處理、圖像壓縮、特征編碼等信息處理，然后通過(guò)神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別。

這里我們通過(guò)MATLAB軟件對(duì)圖像進(jìn)行腐蝕，閉運(yùn)算，來(lái)確定車(chē)牌區(qū)域。腐蝕圖像如圖5所示，閉運(yùn)算圖像如圖6所示。

4 字符分割

我們?nèi)粘Ｒ?jiàn)到的車(chē)牌字符間隔較大，不能進(jìn)行直接識(shí)別，需要將字符分割為獨(dú)立的字符，然后進(jìn)行識(shí)別。

汽車(chē)牌照?qǐng)D字符分割算法存在許多難點(diǎn)：

1）在大部分實(shí)際應(yīng)用中都要求算法速度快，從而能夠?qū)崟r(shí)地對(duì)車(chē)輛進(jìn)行識(shí)別以及時(shí)地反饋車(chē)牌信息，對(duì)信息做進(jìn)一步處理，所以算法執(zhí)行效率必須很好以滿足實(shí)時(shí)化的要求。

2）有些車(chē)輛車(chē)牌存在嚴(yán)重的干擾（如褪色，污損），車(chē)牌周?chē)懈鞣N裝飾物等。

3）車(chē)牌本身信息較為復(fù)雜，既有漢字也有英文字母與數(shù)字。

字符分割方法：

1）首先對(duì)提取好的汽車(chē)牌照灰度圖像進(jìn)行二值化，圖像在二值化后所要處理的數(shù)據(jù)量大大減少，本算法采用全局闕值法[4]，在MATLAT中采用im2bw函數(shù)實(shí)現(xiàn)[5]，待處理圖像及其二值化效果，其圖像如圖7所示

2）在車(chē)牌二值化后，對(duì)各個(gè)字符進(jìn)行分割以便進(jìn)一步對(duì)其進(jìn)行識(shí)別。

5 車(chē)牌圖像處理的應(yīng)用

利用車(chē)牌圖像處理能夠快速地識(shí)別車(chē)輛信息，提高車(chē)輛管理效率。在此基礎(chǔ)上，我們還可以將車(chē)輛信息錄入數(shù)據(jù)庫(kù)，設(shè)計(jì)一款能能夠與停車(chē)場(chǎng)管理系統(tǒng)相匹配的客戶(hù)端如手機(jī)APP，利用圖像處理后識(shí)別出來(lái)的信息實(shí)現(xiàn)停車(chē)場(chǎng)車(chē)位的預(yù)約、門(mén)禁的識(shí)別功能。

1）車(chē)位預(yù)約

當(dāng)用戶(hù)需要在某區(qū)域進(jìn)行停車(chē)時(shí)，在到達(dá)前進(jìn)行車(chē)位預(yù)訂?？梢岳谩巴＼?chē)助手”在相應(yīng)區(qū)域進(jìn)行搜索，數(shù)據(jù)庫(kù)提供該區(qū)域停車(chē)位信息?！巴＼?chē)助手”支持用戶(hù)根據(jù)車(chē)位的直線距離、停車(chē)價(jià)格、停車(chē)場(chǎng)評(píng)價(jià)進(jìn)行車(chē)位的篩選排序。

當(dāng)用戶(hù)選定好停車(chē)位后進(jìn)行車(chē)位的預(yù)定，如果用戶(hù)有汽車(chē)服務(wù)的需求也可以在開(kāi)通汽車(chē)服務(wù)的停車(chē)場(chǎng)進(jìn)行服務(wù)的預(yù)約，“停車(chē)助手”把用戶(hù)的預(yù)約信息反饋給停車(chē)場(chǎng)，停車(chē)場(chǎng)進(jìn)行信息記錄，把車(chē)位號(hào)反饋給用戶(hù)，為用戶(hù)預(yù)留車(chē)位30分鐘，并對(duì)汽車(chē)服務(wù)進(jìn)行事先的準(zhǔn)備工作。

2）門(mén)禁識(shí)別

當(dāng)用戶(hù)車(chē)輛到達(dá)停車(chē)場(chǎng)后，用戶(hù)APP與停車(chē)場(chǎng)系統(tǒng)直連，無(wú)需停車(chē)登記。利用圖像識(shí)別快速識(shí)別出車(chē)輛車(chē)牌號(hào)信息，與預(yù)約信息進(jìn)行核對(duì)，核對(duì)無(wú)誤后，放行車(chē)輛并記錄該車(chē)輛進(jìn)入停車(chē)場(chǎng)的時(shí)間。

當(dāng)用戶(hù)要離開(kāi)時(shí)，可以有兩種停車(chē)付費(fèi)方式，一時(shí)用戶(hù)自己在APP上填寫(xiě)離開(kāi)時(shí)間之后直接繳費(fèi)，在車(chē)輛行駛到門(mén)禁時(shí)，利用圖像處理技術(shù)識(shí)別出車(chē)輛信息并與數(shù)據(jù)庫(kù)中的車(chē)輛繳費(fèi)信息進(jìn)行比對(duì)，已繳費(fèi)的放行。二是用戶(hù)并未提前繳費(fèi)，當(dāng)車(chē)輛行駛到門(mén)禁時(shí)，識(shí)別出該車(chē)輛信息，與數(shù)據(jù)庫(kù)比對(duì)后生成客戶(hù)端訂單，并有用戶(hù)確定之后自行扣費(fèi)放行。

參考文獻(xiàn)：

[1] 邱志祺，孫鐵強(qiáng).一種提高圖像中值濾波效果的改進(jìn)算法[J]. 信息技術(shù)推廣，2014，22（53）：137-138.

[2] 梁娟.一種基于Sobel圖像邊緣檢測(cè)的改進(jìn)算法[J].軟件導(dǎo)刊，2014，13（12）：80-82.

[3] 廉寧，徐艷蕾.基于數(shù)學(xué)形態(tài)學(xué)和顏色特征的 車(chē)牌定位方法[J].圖形圖象學(xué)報(bào)，2014，35（5）.

[4] 劉廣起，嚴(yán)殊，張曉波.基于 MATLAB 的車(chē)牌識(shí)別系統(tǒng)的研究[J].通信世界.2015（24）：315-316.

[5] 李瑩，秦麗娟，王慧科，等.采用特征點(diǎn)提取算法的車(chē)牌傾斜校正方法研究[J].沈陽(yáng)理工大學(xué)學(xué)報(bào)，2014，33（6）：2-6.