何婧 長沙理工大學(xué)/永州職業(yè)技術(shù)學(xué)院

1.引言

智能停車場管理系統(tǒng)的核心是車牌識別技術(shù)，車牌識別技術(shù)是一項新興的非接觸的自動識別技術(shù)，它是計算機(jī)視頻圖像識別技術(shù)在車輛牌照識別的應(yīng)用，通過將車輛牌照信息從復(fù)雜的背景中提取并識別實現(xiàn)對停車場車輛的管理，相對于其他自動識別技術(shù)，該技術(shù)具有遠(yuǎn)程識別、快速識別、效果良好、抗干擾能力強(qiáng)等優(yōu)點。國內(nèi)車牌識別技術(shù)面臨的難點主要包括以下幾個方面。環(huán)境因素：國內(nèi)停車場往往設(shè)置在市區(qū)繁華地段或建筑物的地下層，這些地方往往周邊環(huán)境較為復(fù)雜，收到光線、天氣、行人、車輛等客觀因素的影響較大，同時，由于車輛的差別性，車牌位置也不盡相同，容易影響到車牌的識別效果。圖像因素：車牌的干凈程度也對車牌的正確識別起到了關(guān)鍵作用，由于國內(nèi)環(huán)境以及道路的復(fù)雜性，有些車牌容易沾染到污漬，車牌出現(xiàn)彎曲變形等現(xiàn)象，從而造成車牌單個字符間距，樣式出現(xiàn)改變，嚴(yán)重的甚至?xí)斐绍嚺茻o法識別等現(xiàn)象。算法因素：車牌是通過高清攝像設(shè)備對圖像進(jìn)行采集，在通過預(yù)先設(shè)置的算法對車牌進(jìn)行定位與識別，因此，算法的優(yōu)劣直接決定了車牌識別的準(zhǔn)確率和效果，識別的圖像模糊、字符失真、位置傾斜等都會影響到算法的執(zhí)行效率，尤其是對于停車場管理而言，快速而準(zhǔn)確的識別對提高停車場的管理水平起到了至關(guān)重要的作用。國情因素：國內(nèi)車牌由于特殊性包含了中文這種特殊字符，中文字符結(jié)構(gòu)復(fù)雜，同字母和數(shù)字相比，識別難度大，同時，我國車牌種類眾多，車牌結(jié)構(gòu)與背景色都存在差異，對車牌識別提出了更高要求。

基于此，針對我國中文車牌特性對車牌定位算法進(jìn)行了改進(jìn)，其設(shè)計思想是利用邊緣檢測算子提取邊緣，通過對比分析 Laplace算子、Scharr算子和 Sobel算子得出，Sobel算子具有更加優(yōu)越的邊緣檢測性能，再利用圖像形態(tài)學(xué)開閉運算完成車牌的定位。

2.車牌識別總體流程

車牌識別技術(shù)是對采集的圖像信息進(jìn)行處理，定位出車牌位置，再將車牌中的字符分割出來進(jìn)行識別，最后組成車牌號碼輸出。車牌識別技術(shù)的核心包括有：車牌定位算法、車牌字符分割算法和車牌字符識別算法等。

2.1 車牌定位：從拍攝識別出的圖像中根據(jù)車牌定位算法找到汽車牌照所在的位置圖塊及相似圖塊，并對圖塊進(jìn)行判斷，保留僅為車牌的圖塊，并從中準(zhǔn)確的將車牌圖塊分割出來。

2.2 車牌字符分割：對定位出來的車牌區(qū)域，根據(jù)字符尺寸特征對車牌進(jìn)行字符分割處理。

2.3 車牌字符識別：對分割后的字符進(jìn)行縮放、特征提取，并通過與字符數(shù)據(jù)庫模板中的標(biāo)準(zhǔn)字符表達(dá)式進(jìn)行匹配判斷，并將識別后的結(jié)果以文本形式輸出。

車牌識別總體流程圖如圖1所示。

圖1 車牌識別總體流程圖

3.基于邊緣檢測Sobel算子車牌定位算法研究

車牌定位結(jié)果對于后續(xù)車牌識別的成功起決定性作用。目前，車牌定位學(xué)術(shù)界有許多方法，大體上可以劃分為三大類：1、基于顏色定位算法，2、基于邊緣定位算法，3、基于機(jī)器學(xué)習(xí)算法，具體而言比如基于顏色和紋理分析的方法、基于數(shù)學(xué)形態(tài)學(xué)的方法、基于特征顏色邊緣的方法、基于投影圖像分布特征的方法、基于神經(jīng)網(wǎng)絡(luò)的方法等。

考慮到車牌定位的時間性要求，本文選擇了時間復(fù)雜度低、效果好的基于邊緣特征的車牌定位方法。邊緣檢測的基本思想是通過檢測每個像元是否位于一個物體的邊界上。如果每個像元位于一個物體的邊界上，則其領(lǐng)域像元灰度值變化比較大。通過對比分析Laplace算子、Scharr算子和 Sobel算子得出，Sobel算子具有更加優(yōu)越的邊緣檢測性能，再利用圖像形態(tài)學(xué)開閉運算完成車牌的定位。

基于邊緣檢測Sobel算子車牌定位算法流程圖如圖2所示。

圖2 基于邊緣檢測Sobel算子車牌定位方法流程圖

3.1 基于邊緣特征的車牌定位方法

根據(jù)所采用的模版不同，有不同邊緣提取算子，下面將主要對Laplace算子、Scharr算子和 Sobel算子進(jìn)行車牌圖像提取的比較。

3.1.1 Sobel算子

Sobel算子是一種基于一階導(dǎo)數(shù)的邊緣檢測算子，針對車牌定位主要用于監(jiān)測圖像中的垂直邊緣，便于實現(xiàn)對車牌的區(qū)分。其計算原理是通過對圖像求一階的水平與垂直方向?qū)?shù)，根據(jù)導(dǎo)數(shù)值的大小來判斷是否是邊緣。Sobel算子包含兩組3x3的矩陣，分別為橫向及縱向模板，將之與圖像作平面卷積，即可分別得出橫向及縱向的亮度差分近似值。

Sobel算子的卷積模版如下：

橫向模板：Gx 縱向模板：Gy 圖像的每一個像素的橫向及縱向梯度近似值可用以下的公式結(jié)合，來計算梯度的大小。再利用以下公式計算梯度方向

若梯度方向計算為0，則表示圖片具有縱向邊緣，圖片的左邊要比有變暗。

3.1.2 Laplace算子

Laplace算子同Sobel算子一樣也是一種邊緣檢測算子，不同于Sobel算子的一階導(dǎo)數(shù)，Laplace算子通過對圖像的二階倒數(shù)的零交叉點來實現(xiàn)邊緣的檢測。

Laplace算子的公式定義：

一般情況下，Laplace算子檢測不分水平和垂直，同時，不能提供邊界方向信息，對噪聲也比較敏感。

3.1.3 Scharr算子

Scharr算子其實只是Sobel算子的一個變種，由于Sobel算子在3*3的卷積模板上計算往往不太精確，因此有一個特殊的Sobel算子，其權(quán)值按照如下公式來表達(dá)，稱之為Scharr算子。

其中，dst為計算結(jié)果，Src為原圖像，ddpeth為處理結(jié)果圖像深度，dx為X軸方向，dy為Y軸方向。

一般來說，Shcarr算子能夠獲得比Sobel算子更加優(yōu)秀的邊緣檢測效果，但是，對于車牌識別場景而言，越精細(xì)的邊緣會影響到閉運算處理效果。

通過對基于邊緣檢測方法的Sobel算子、Laplace算子和Scharr算子進(jìn)行闡述，對不同算子對于車牌定位方法進(jìn)行了圖像檢測，不同算子之間對比圖如圖3所示。

圖3 不同算子之間對比圖

綜上所述，在對圖像邊緣化檢測的過程中，Sobel算子對于車牌定位檢測的效果要好于Laplace算子與Scharr算子。

3.2 基于形態(tài)學(xué)定位方法

數(shù)學(xué)形態(tài)學(xué)是一門建立在格論和拓?fù)鋵W(xué)基礎(chǔ)之上的圖像分析學(xué)科，通過對各要素之間相互作用以及圖形結(jié)構(gòu)，進(jìn)一步獲取對象的本質(zhì)形態(tài)。形態(tài)學(xué)圖像處理基本的運算包括：腐蝕、膨脹、開運算、閉運算等。通過引入形態(tài)學(xué)對車牌圖像進(jìn)行處理，進(jìn)一步對圖像質(zhì)量進(jìn)行改善，去除或降低噪點對圖像處理的影響，從而提高車牌定位的準(zhǔn)確性。

3.2.1 二值化

通過二值化處理將Sobel生成的灰度圖像轉(zhuǎn)變?yōu)槎祱D像，其目的為后續(xù)的形態(tài)學(xué)算子Morph等準(zhǔn)備二值化的圖像。二值化效果圖如圖4所示。

圖4 二值化后效果

3.2.2 閉操作

通過對圖像進(jìn)行閉操作處理（先膨脹然后腐蝕）可以實現(xiàn)對所有的字符小圖塊的連接，最終形成一個車牌的大致輪廓。閉操作后效果如圖5所示。

圖5 閉操作后效果圖

3.2.3 取輪廓

取輪廓是通過將連通域的外圍勾畫出來，并將圖像中獨立出來的圖塊全部提取出來，進(jìn)一步形成最小外接矩形。取輪廓效果如圖6所示。

圖6 取輪廓圖

上圖紅色線條為輪廓，然后根據(jù)這些輪廓，求這些輪廓的最小外接矩形，可以看出共識別出6個矩形塊。

3.2.4 車牌定位

通過取輪廓操作識別出來的許多大小不同矩形塊，考慮到中國車牌寬、高具有固定規(guī)格，寬高比為3.14，同時，車牌圖像傾斜角不會太高。因此，可以從矩形塊特征中識別出車牌信息，如圖塊傾斜角度大于某個設(shè)定閥值時（30度），我們就判定該圖塊不是車牌。車牌最終定位圖如圖7所示。

圖7 車牌定位圖

4.結(jié)束語

本文基于邊緣檢測Sobel算子和圖像形態(tài)學(xué)閉運算完成車牌的定位。該算法能夠有效降低車牌圖像噪聲的干擾，快速的定位出車牌區(qū)域，具有一定的工業(yè)應(yīng)用價值。