胡偉平 廣西科技大學(xué)智能計(jì)算與分布式信息處理重點(diǎn)實(shí)驗(yàn)室

基于模板匹配的污損車(chē)牌識(shí)別方法

胡偉平 廣西科技大學(xué)智能計(jì)算與分布式信息處理重點(diǎn)實(shí)驗(yàn)室

為了處理污損車(chē)牌，提高車(chē)牌識(shí)別的正確率，在使用垂直投影法進(jìn)行字符分割定位的前提下，使用字符模板匹配的方法實(shí)現(xiàn)了對(duì)污損車(chē)牌的識(shí)別。實(shí)驗(yàn)結(jié)果表明，該方法對(duì)于藍(lán)底白字的家用車(chē)的部分污損車(chē)牌能準(zhǔn)確地進(jìn)行識(shí)別。

垂直投影 車(chē)牌識(shí)別 模板匹配

目前中國(guó)私家車(chē)的保有量已經(jīng)大幅增加，為了高效進(jìn)行車(chē)輛管理，車(chē)牌識(shí)別已經(jīng)成為了一個(gè)通用程序[1-3]，但由于泥水遮污或人為故意遮擋等情況，污損車(chē)牌的情況時(shí)有發(fā)生，而污損車(chē)牌對(duì)于車(chē)牌識(shí)別的準(zhǔn)確性提出了很大的挑戰(zhàn)。目前對(duì)污損車(chē)牌的研究較少，劉焱等[4]提出基于紋理的合成算法，對(duì)于較小的污點(diǎn)，可以通過(guò)補(bǔ)洞的方式來(lái)修正，延俊義[5]提出使用局部相識(shí)度誤差過(guò)濾的方法，能克服車(chē)牌部分遮擋的問(wèn)題，但這些研究均只能針對(duì)一些特殊情況，所以有必要研究一種通用的污損車(chē)牌的識(shí)別方法。字符識(shí)別是解決污損車(chē)牌識(shí)別問(wèn)題的關(guān)鍵，本文用字符模板匹配的方法，解決污損車(chē)牌的識(shí)別問(wèn)題，從而提高污損車(chē)牌的識(shí)別率。

一、污損車(chē)牌識(shí)別系統(tǒng)的構(gòu)成

污損車(chē)牌識(shí)別系統(tǒng)由車(chē)牌定位、字符分割和字符識(shí)別等3部分構(gòu)成。其中車(chē)牌定位主要是利用家用車(chē)車(chē)牌是藍(lán)底白字這個(gè)特點(diǎn)，通過(guò)顏色比對(duì)，確定車(chē)牌的區(qū)域，字符分割是對(duì)識(shí)別出的車(chē)牌按照規(guī)格化的車(chē)牌進(jìn)行分割，得到單個(gè)的車(chē)牌字符，字符識(shí)別模板則是將車(chē)牌字符進(jìn)行二值化之后，與標(biāo)準(zhǔn)字符模板進(jìn)行比對(duì)，根據(jù)與標(biāo)準(zhǔn)模板字符的相識(shí)度來(lái)確定字符。車(chē)牌的定位可以使用閾值分割和區(qū)域生長(zhǎng)的方法，而字符的分割，可以使用垂直投影法進(jìn)行，參見(jiàn)文獻(xiàn)[6]。本文的重點(diǎn)討論字符識(shí)別。

二、污損字符的識(shí)別

我國(guó)車(chē)牌中出現(xiàn)的字符均未規(guī)范的印刷體，是固定不變的，因此可以直接將其制作成模板來(lái)進(jìn)行匹配和識(shí)別，字符模板均使用二值圖像。

對(duì)于已經(jīng)分割出來(lái)的單個(gè)車(chē)牌字符，我們將其變換為字符模板相同大小之后，再進(jìn)行二值化，將其與字符模板中的所有模板進(jìn)行逐一比對(duì)，統(tǒng)計(jì)相同位置都是1的點(diǎn)的個(gè)數(shù)（稱為匹配度），之后按照匹配度進(jìn)行排序，選取匹配度最大的作為識(shí)別結(jié)果。在識(shí)別結(jié)果的處理上，如果匹配度排序時(shí)排名第一和第二的差距較大，則直接將排名第一的字符作為識(shí)別結(jié)果，如果排名第一與后續(xù)的字符模板的數(shù)量差距較小，可以將后續(xù)的字符一起顯示作為備選結(jié)果，供人工識(shí)別。如果匹配度均低于某個(gè)閾值，則識(shí)別失敗。

三、實(shí)驗(yàn)結(jié)果

我們隨機(jī)選取了34張車(chē)輛照片進(jìn)行測(cè)試。測(cè)試圖像見(jiàn)圖1，該車(chē)牌中的3的上部分被刮花了，屬于污損車(chē)牌，車(chē)牌定位結(jié)果見(jiàn)圖2，車(chē)牌二值化結(jié)果見(jiàn)圖3，字符分割結(jié)果見(jiàn)圖4，識(shí)別結(jié)果見(jiàn)圖5。

因?yàn)槲覀儾捎玫氖亲址０迤ヅ涞姆椒?，字符被遮擋情況下，參與比對(duì)的是部分字符，比未被遮擋情況下的匹配度會(huì)低，但是車(chē)牌字符與模板字符的匹配度排序結(jié)果并不會(huì)發(fā)生變化，故字符模板匹配的方法能很好地解決污損號(hào)牌問(wèn)題。

圖1 測(cè)試圖像

圖2 車(chē)牌定位

圖3 車(chē)牌二值化

圖4 字符分割

圖5 識(shí)別結(jié)果

四、結(jié)論

本文主要對(duì)車(chē)牌中的污損字符識(shí)別問(wèn)題進(jìn)行了分析，利用污損車(chē)牌匹配度降低但是匹配度排序結(jié)果不變的原理，采用字符模板匹配的方法，解決了污損車(chē)牌的識(shí)別問(wèn)題，實(shí)驗(yàn)結(jié)果表明，該方法對(duì)于污損車(chē)牌識(shí)別率高，實(shí)現(xiàn)簡(jiǎn)單，速度快，滿足了污損車(chē)牌識(shí)別的實(shí)際需求。

[1]康健新.基于圖像的車(chē)牌識(shí)別系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)[D].長(zhǎng)春: 吉林大學(xué),2014.

[2]劉長(zhǎng)青.車(chē)牌識(shí)別技術(shù)的研究與實(shí)現(xiàn)[D].長(zhǎng)沙: 湖南大學(xué),2007.

[3]黃山.車(chē)牌識(shí)別技術(shù)的研究和實(shí)現(xiàn)[D].成都:四川大學(xué),2005.

[4]劉焱,董軍寧,馬莎,等.基于紋理合成算法在恢復(fù)污損牌照中的應(yīng)用[J].計(jì)算機(jī)技術(shù)與發(fā)展,2008,18(12):186-188.

[5]延俊義.用字符局部相識(shí)度誤差過(guò)濾的方法識(shí)別污損車(chē)牌[J].科技創(chuàng)新導(dǎo)報(bào),2011,(25):113.

[6]胡偉平,王日鳳.基于閾值分割和區(qū)域生長(zhǎng)的車(chē)牌識(shí)別方法[J].廣西科學(xué)院學(xué)報(bào), 2016.32(1):54-58.

注：本文系廣西高校中青年教師基礎(chǔ)能力提升項(xiàng)目(KY2016YB251)；廣西科技大學(xué)自然科學(xué)基金(校科自1419212)；廣西科技大學(xué)博士基金(?？撇?5Z07)的研究成果。