李翔

摘 要：本文以專利文獻為基礎(chǔ)，對車牌識別領(lǐng)域的專利申請進行了時間、地域、申請人、技術(shù)分支方面的數(shù)據(jù)統(tǒng)計與分析，并根據(jù)分析結(jié)果給出了該技術(shù)的發(fā)展路線與演進過程。

關(guān)鍵詞：車牌識別；專利；分析；技術(shù)演進

1 前言

車牌識別（Vehicle License Plate Recognition，VLPR）是數(shù)據(jù)識別的一個重要分支，是現(xiàn)代智能交通系統(tǒng)中的重要組成部分之一，其包括車牌圖像捕獲、圖像預(yù)處理、車牌定位、字符分割、字符識別5個步驟，已應(yīng)用于公路收費、停車管理、稱重系統(tǒng)、交通誘導(dǎo)、交通執(zhí)法、等各種場合。

2 車牌識別技術(shù)專利分析

本文選擇DWPI檢索數(shù)據(jù)庫，檢索時間截止2016年12月，最終確定涉及車牌識別技術(shù)的全球?qū)＠暾垇碜匀?3個國家或地區(qū)。

2.1 申請量年度及地域分布

2006年之前車牌識別技術(shù)的申請量極少，全球每年的申請量不超過50件，在2006年到2011年期間，全球的申請量進入了平穩(wěn)增長的時期，2011年之后，申請量和申請人數(shù)量呈現(xiàn)跨越式增長，但國內(nèi)外的增長情況并不相同，國外申請量于2013年達到頂峰，之后趨于平穩(wěn)；國內(nèi)申請量則是大幅度增長至2015年。

專利申請的地域分布可以反映出企業(yè)的產(chǎn)品市場重心特征，中國、韓國、美國是車牌識別最主要的技術(shù)市場。中國申請據(jù)首位，占全球總量的37%，這表明各國企業(yè)越來越重視中國這個巨大的消費市場。其次為韓國和美國，各占總量的19%和18%。

2.2 申請人分布

全球前10位申請人中，施樂公司（XEROX）在車牌識別領(lǐng)域的申請量占有最大比重，為24%；其從2010年開始在該領(lǐng)域申請專利，并呈現(xiàn)逐年增長趨勢，到2013年達到頂峰；其次是中國深圳的捷順科技，占總申請量的15%，申請起始于2012年并逐年增長；此外，臺灣的中華電信、韓國的NEXPA SYSTEM等公司的在該領(lǐng)域也具有一定的技術(shù)擁有量?？傮w來看，車牌識別領(lǐng)域的專利申請人分布較為分散，各公司之間申請量相差不是很大，技術(shù)發(fā)展較為均勻。

2.3 重要技術(shù)分支分析

字符識別作為車牌識別的關(guān)鍵步驟，其申請數(shù)據(jù)最多，占總量的65%；其次是車牌定位，識別的準(zhǔn)確率與車牌定位的準(zhǔn)確與否有直接關(guān)系，因此定位相關(guān)的申請占據(jù)次席，為27%；字符分割申請量較少，占總量的6%；因?qū)D像的預(yù)處理采用的方法比較固定，所以該分支下的申請量最少，占比2%。

3 專利技術(shù)發(fā)展演進

3.1 萌芽期

2006年之前屬于車牌識別技術(shù)的起步階段，研究者嘗試將車牌識別用自動識別的方式從人工識別中解放出來。早期的車牌自動識別技術(shù)主要以信號發(fā)射器、紅外條碼等為基礎(chǔ)，涉及該技術(shù)的申請大多為實用新型。2002年開始，車牌識別開始采用模式識別來進行，但該階段的模式識別多數(shù)用來進行車牌的定位，CN02154934采用了模板匹配的方式進行識別；06年先后有CN200610020796和CN200610069051提出通過小波變換和顏色/空間特征進行車牌定位。整體而言，第一階段的車牌識別技術(shù)有條碼等信號的傳輸逐漸向模式識別發(fā)展，相比字符分割和識別，車牌定位技術(shù)的發(fā)展在此階段較為迅速。

3.2 平穩(wěn)發(fā)展期

2006年～2011年為平穩(wěn)發(fā)展期，該階段是車牌識別中理論層面不同算法大量涌現(xiàn)的時期。

車牌定位方面，車牌的不同色彩空間、尺寸、紋理以及頻譜變換等特征被大量用到車牌的定位中，頻譜變換如2008年提出的Hough變換、MGD最大梯度差等，顏色空間從RGB延伸到HIS、CIELAB等多樣化空間。分類器方面，2010年CN201010297917中提出采用級聯(lián)Adaboost分類器進行車牌定位，從一級分類器發(fā)展到多級級聯(lián)分類器，提高了識別的準(zhǔn)確率。

字符分割技術(shù)在第二階段的發(fā)展較為平穩(wěn)，基本以水平、垂直投影以及連通域的檢測作為分割手段。網(wǎng)格特征是該階段車牌分割中涌現(xiàn)的新技術(shù)，提出于2007年。該階段聚類算法開始用于字符分割，如2011年CN201110416119提出的人工免疫網(wǎng)絡(luò)聚類字符分割方法，達到了很好的分割效果。

在識別過程中，車牌識別的準(zhǔn)確率會受到光照、背景燈不同方面的影響，2010-2011年多個申請采用灰色圖重構(gòu)的方法對車牌字符顏色脫落、遮擋、涂改情況下的字符識別進行了改進，該階段申請對不同特殊情況下的車牌識別準(zhǔn)確性和魯棒性做出了一定貢獻。

3.3 快速增長期

第三階段（2011年～今）為快速增長階段，第二階段中涌現(xiàn)出的不同識別算法被應(yīng)用到如停車場、高速收費、違章抓拍等具體的智能交通環(huán)境中，導(dǎo)致該階段申請量劇增，這也表明第二階段的理論成果成功產(chǎn)業(yè)化。

車牌識別在該階段被用到停車場出入管理、高速ETC收費以及道路違章抓拍3個方面。出入管理、ETC收費中的車牌識別車輛速度較低，接近靜止，其使用的方法為第二階段中各種不同算法的組合。道路違章抓拍中，車輛速度較快，從2012年起，關(guān)于動態(tài)跟蹤、實時路況下的車牌識別方法的申請開始涌現(xiàn)，例如申請CN201510397476。2014年左右，車牌識別裝置與語音、報警系統(tǒng)等集成，出現(xiàn)大量集成裝置申請，例如CN201510383432，有效提高了異常交通事件的處理效率。

整體而言，為了提高識別率，第三階段的車牌識別將第二階段涌現(xiàn)出的算法相互交叉結(jié)合使用，大量的申請來自不同種類、不同應(yīng)用場合的智能交通裝置，是車牌識別全面產(chǎn)業(yè)化的重要時期。

4 總結(jié)

本文對車牌識別技術(shù)的發(fā)展現(xiàn)狀、專利申請量、申請人以及專利技術(shù)演進進行了分析，了解了車牌識別技術(shù)的核心算法、發(fā)展脈絡(luò)以及應(yīng)用領(lǐng)域，加深了對車牌識別以及智能交通的認(rèn)知，為更加細化的智能交通應(yīng)用的研究奠定了基礎(chǔ)。

參考文獻

[1]李志強，李永斌.車牌識別技術(shù)的發(fā)展及研究現(xiàn)狀[J].科技信息，2012，（5）：110.

[2]陳誠，楊星，邱瑞波，等.展望車牌識別技術(shù)發(fā)展的新方向[J].科技創(chuàng)新導(dǎo)報，2015，（15）：46.

（作者單位：國家知識產(chǎn)權(quán)局專利局專利審查協(xié)作天津中心）