基于OpenCV的车牌识别系统知识讲稿.ppt

* * * 基于OpenCV的车牌识别系统设计 ---马金峰，宋福星，杨伟 上海大学 [数字图像处理] 背景及意义 牌照识别系统 简称 LPR（License Plate Recognition）,是智能交通系统的基础和核心技术之一，在交通管理自动化和智能化中占据重要地位。 车牌识别系统是智能交通系统的一个非常重要的方向，主要由图像采集，车牌定位，字符分割以及字符识别四个部分组成，具有良好的实用价值，目前主要应用于公路治安卡口，开放式收费站，车载移动查车，违章记录系统，门禁管理，停车场管理等场合。 主要内容 图像获取 图像预处理 车牌定位 字符分割 字符识别 图像获取 利用OpenCV库函数可以对摄像机进行操作，首先定义CvCapture结构变量captrue并初始化 然后使用库函数cvCreateCameraCapture()从摄像机得到视频信息 获取视频信息后还要获取图像，首先要定义IplImage结构变量frame并进行初始化 从获取的视频中得到图像帧frame = cvQueryFrame(capture). 图像的预处理 利用opencv库函数获取的图像是彩色图像，即每个像素点由R，G，B三个分量组成，直接计算量很大，很难达到实时快速识别的目的，在实际应用中要转换为灰度图像，转换公式如下： Y = 0.299R+0.587G+0.114B 对灰度图像进行二值化处理 采用robert边缘检测法 预处理后的结果 车牌的定位 该系统的摄像头拍摄的图片是整个机动车的图片，而只有车牌部分是对系统有用的。所以我们要对照片进行车牌定位和分割。 车牌的定位是从经过图像预处理后的灰度图像中确定牌照位置，并将车牌部分从整个图像中分割出来，从而进行字符识别。 车牌的定位 定位步骤： 预处理后的图像 图像的形态学处理 通过计算寻找X，Y方向车牌的区域 完成车牌的定位 对分割出的车牌做进一步处理 车牌的定位 精确定位方法：通过计算寻找X，Y方向车牌的区域来分割出车牌区域。 原理：使用统计白色像素点的方法分割出车牌区域，确定车牌底色蓝色二值化后对应的灰度范围，然后统计在行方向的颜色范围内的像素点数量，确定车牌在行方向的区域。然后，在分割出的行区域内，统计列方向像素点的数量，最终确定完整的车牌区域。 车牌的定位 定位结果显示： 字符的分割 存在的问题： 1、最大问题是二值化不彻底使投影图像中字符间的波谷不够分明 2、车牌污损、反光、光照不均等原因使车牌图 像交差，存在大量噪声 3、车牌边框和铆钉也会造成分割不正确 4、牌的前两个字符和后面五个字符之间的间 隔符（小圆点）对字符识别有影响 5、车牌旋转对水平分割有较大影响 字符的分割 字符分割的步骤： [m，n]=size（d），逐排检查有没有白色像素点，设置1=jn-1，若图像两边s（j）=0，则切割，去除图像两边多余的部分 切割去图像上下多余的部分 根据图像的大小，设置一阈值，检测图像的X轴，若宽度等于这一阈值则切割，分离出七个字符 归一化切割出来的字符图像的大小为40*20，与模板中字符图像的大小相匹配 * *