车牌识别原理说明.pdfVIP

-

车牌识别原理说明

车牌识别技术是指对摄像机所拍摄的车辆图像或视频序列，经过机器视觉、图像

处理和模式识别等算法处理后自动读取车牌、车牌类型、车牌颜色等信息的技术，

是人工智能技术中重要的分支。它的硬件根底包括触发设备、摄像设备、照明设

备、图像采集设备、识别车牌的处理机，其软件核心包括车牌定位、字符分割、

字符识别等算法。目前已经被广泛应用于智能交通系统的各种场合，像公路收费、

停车管理、称重系统、交通诱导、交通执法、公路稽查、车辆调度、车辆检测等。

对于维护交通平安和城市治安，防止交通堵塞，实现交通全自动化管理有着现实

的意义。

车牌识别流程：

1、图像采集

根据车辆检测方式的不同，图像采集一般分为两种，一种是静态模式下的图像采

集，通过车辆触发地感线圈、红外或雷达等装置，给相机一个触发信号，相机在

接收到触发信号后会抓拍一*图像，该方法的优点是触发率高，性能稳定，缺点

是需要切割地面铺设线圈，施工量大；另一种是视频模式下的图像采集，外部不

需要任何触发信号，相时机实时地记录视频流图像，该方法的优点是施工方便，

不需要切割地面铺设线圈，也不需要安装车检器等零部件，但其缺点也十分显著，

由于算法的极限，该方案的触发率与识别率较之外设触发都要低一些。易泊时代

经过严格的算法优化，这两种图像采集模式的识别率和稳定性都位居行业前列。

〔易泊地感线圈触发模式/视频触发工作模式〕

2、预处理

由于图像质量容易受光照、天气、相机位置等因素的影响，所以在识别车牌之前

.z

-

需要先对相机和图像做一些预处理，以保证得到车牌最清晰的图像。一般会根据

对现场环境和已经拍摄到的图像的分析得出结论，实现相机的自动曝光处理、自

动白平衡处理、自动逆光处理、自动过爆处理等，并对图像进展噪声过滤、比照

度增强、图像缩放等处理。去噪方法有均值滤波、中值滤波和高斯滤波等；增强

比照度的方法有比照度线性拉伸、直方图均衡和同态滤波器等；图像缩放的主要

方法有最近邻插值法、双线性插值法和立方卷积插值等。

〔逆光图像〕

〔过曝图像〕

〔有噪声图像〕

3、车牌定位

从整个图像中准确地检测出车牌区域，是车牌识别过程的一个重要步骤，如果定

位失败或定位不完整，会直接导致最终识别失败。由于复杂的图像背景，且要考

虑不清晰车牌的定位，所以很容易把栅栏，广告牌等噪声当成车牌，所以如何排

除这些伪车牌也是车牌定位的一个难点。为了提高定位的准确率和提高识别速度，

一般的车牌识别系统都会设计一个外部接口，让用户自己根据现场环境设置不同

的识别区域。易泊车牌识别系统针对一些复杂背景〔例如绿化带、井盖〕的现场，

可以进展设定识别区域的操作。

〔基于连通域分析的车牌定位方法流程图〕

4、车牌校正

由于受拍摄角度、镜头等因素的影响，图像中的车牌存在水平倾斜、垂直倾斜或

梯形畸变等变形，这给后续的识别处理带来了困难。如果在定位到车牌后先进展

车牌校正处理，这样做有利于去除车牌边框等噪声，更有利于字符识别。目前常

.z

-

用校正方法有：Hough变换法，通过检测车牌上下、左右边框直线来计算倾斜角

度；旋转投影法，通过按不同角度将图像在水平轴上进展垂直投影，其投影值为

0的点数之和最大时的角度即为垂直倾斜角度，水平角度的计算方法与其相似；

主成分分析法，根据车牌背景与字符交界处的颜色具有固定搭配这一特征、求出

颜色对特征点的主成分方向即为车牌的水平倾斜角度；方差最小法，根据字符在

垂直方向投影点的坐标方差最小导出垂直倾斜角的闭合表达式，从而确定垂直倾

斜角度；透视变换，利用检测到的车牌的四个顶点经过相关矩阵变换后实现车牌

的畸变校正。易泊时代针对大角度车牌识别仍有很高的识别率。

5、字符分割

定位出车牌区域后，由于并不知道车牌中总共有几个字符、字符间的位置关系、

每个字符的宽高等信息，所以，为了保证车牌类型匹配和字符识别正确，字符分

割是必不可少的一步。字符分割的主要思路是，基于车牌的二值化结果或边缘提

取结果，利用字符的构造特征、字符间的相似性、字符间间隔等信息，一方面把

单个字符分