机器视觉技术在汽车牌照识别中的实现方法
2014-06-18刘金龙张晓雨
刘金龙 张晓雨
摘 要 介绍了机器视觉技术在汽车牌照识别中的应用,牌照区域的分割主要依据车牌的形状特征,牌照字符的识别主要依靠基于傅里叶变换的模板匹配。
关键词 机器视觉;牌照定位;字符识别
中图分类号:TP391.4 文献标识码:A 文章编号:1671-7597(2014)06-0040-01
近年来,信息采集技术得到了充分的发展,信号处理的方法越来越多样化,机器视觉技术在人们的生活与工作中逐渐成为了不可替代的技术。所谓机器视觉就是一种用机器代替人眼来做测量和判断的技术。机器视觉技术的发展给智能交通技术带来了革命。其中交通流量监测,车辆违章监控,交运系统的疏导等技术得到了广泛的传播。车牌的自动识别技术是推进这些技术发展的核心。它包含牌照定位与牌照字符识别两个部分。背景的复杂程度与光照条件是影响识别准确性与实时性的重要因素。
1 汽车牌照的特点
根据国家对于交通法规的规定,车用牌照的颜色有一定要求的:总质量在4500千克以上的货车和乘坐人数在20人以上和车身长度6米以上的车要求安装黄底黑字牌照;总质量在4500千克以下的货车和乘坐人数在20人以下和车身长度在6米以下的车安装蓝底白字牌照;全挂车和不与牵引车固定使用的半挂车安装黄底黑字牌照;二轮三轮摩托车和电瓶车安装黄底黑字牌照;轻便摩托车一般安装白底朱红字牌照;拖拉机安装黄底黑字牌照;农用运输车安装黄底黑字牌照;实验汽车与实验摩托车安装黄底黑字牌照;教练用车与教练摩托车安装黄底黑字牌照。对于汽车牌照的尺寸,蓝牌和黑牌要求为440 mm长,140 mm宽;黄牌前牌照尺寸为440 mm长,140 mm宽,后牌照为440 mm长,220 mm宽;摩托车及轻便摩托车前牌照为220 mm长,95 mm宽,后牌照为220 mm长,140 mm宽。对于汽车牌照上的字符,只有文字,字母和数字构成。对于文字来说,数目是有限定的;字母的数目为26个;数字的数目为10个。
综上所述,汽车牌照具有如下特点:车身颜色与牌照颜色有较大的差异;牌照字符颜色与牌照底色有较大的差异;牌照字符间间隔是均匀的;牌照的长宽比有一定标准,存在一个确定的范围,此即牌照的形状特征。
2 牌照定位
牌照的定位方法主要依据车牌的形状特征。牌照定位具体步骤如下。
Step1:对待处理图像进行二值化处理;
Step2:通过黑白区域面积的比较确定汽车与牌照二值化后的颜色;
Step3:将牌照所属颜色区域进行膨胀处理,腐蚀掉牌照字符等干扰;
Step4:查询连通域的边界;
Step5:依据连通域的长宽比与标准牌照长宽比的匹配度来定位出牌照区域。
图像二值化处理是图像分割的一种方式,特别适合于目标和背景占据不同灰度级范围的图像。牌照和车辆的颜色一般都有明显的区分,所以二值化处理能够分割出牌照与背景区域。其中,分割阈值的选取对于分割的效果至关重要。
膨胀运算是形态学处理的一种,它表现为一种对邻域的运算形式。通过形态学处理不但可以过滤由于噪音或者其他原因引起的一些较小的不可能为牌照的区域,减少候选区域和提高检测速度,而且可以填补牌照区域内由于字符灰度不同导致的较小空洞,降低了误判的可能性。
3 字符识别
牌照上字符的字母与文字是有限的,所以可以采用模板匹配的方法来实现字符的识别。字符识别具体步骤如下。
Step1:截取出牌照区域,并进行二值化处理以及膨胀处理;
Step2:对二值图进行垂直投影,分别依据累计的灰度值划分出每个字符的区域;
Step3:对包含单个字符的区域进行基于傅里叶变换的模板匹配,从而识别出字符;
Step4:重复Step3,直到识别出所有字符为止。
牌照上的字符与牌照背景的灰度级是不同的;所以用二值化处理就可以分割出字符与牌照的背景。对二值图像进行形态学处理是为了腐蚀掉一些较小的空隙,但是又不能使相邻两个字符之间处于联通状态,否则会对后续处理有影响。
牌照上字符的数目是国家法规规定的,所以依据字符的数目可以把牌照划分成几个区域是确定的,可以依此来作为判断区域划分是否正确的依据。字符区域划分主要通过对形态学处理后的二值图像进行垂直投影。垂直投影后的结果是一个非连续的累计图,对累计图中灰度值的判断可以划分出字符区域。
傅里叶变换可以将单个字符区域和模板的灰度空间变为傅里叶空间;在傅里叶空间内,单个字符区与模板进行相似性匹配。在完成所有模板代入单个字符区域进行匹配的处理后,需要进行相似性比较,相似度最高的一组就是识别出来的字符。相似性测度是模板匹配过程的重要参数,是影响匹配速度与准确性的关键。
4 结论
文章阐述了汽车牌照识别技术的实现方法。牌照定位部分依据车牌的形状特征来实现,从而极大的提高了定位的实时性;字符识别部分在区域细化基础上利用模板匹配法来识别单个字符,提升了字符识别的准确性。
参考文献
[1]卫小伟.城市智能交通控制系统研究与设计[J].现代电子技术,2010,33(17):189-192.
[2]阳红.发展我国智能交通系统之我见[J].现代电子技术,2003(7):37-41.
[3]刘桂雄,冯云庆,申柏华,等.一种基于车牌特征信息的车牌识别方法[J].华南理工大学学报:自然科学版,2003,31(4):70-73.
[4]邢向华,顾国华.基于模板匹配和特征点匹配相结合的快速车牌识别方法[J].光电子技术,2004,23(4):268-270.
[5]袁宝民,于万波,魏小鹏.汽车牌照定位研究综述[J].大连大学学报,2004,23(2):6-12.
[6]李了了,邓善熙,丁兴号.基于大津法的图像分块二值化算法[J].微计算机信息,2005,21(08X):76-77.
[7]史燕,吕永战,张帆.车牌识别中的二值化及快速倾斜校正算法[J].现代电子技术,2009,32(5):149-152.
[8]万丽,陈普春.一种基于数学形态学的图像对比度增强算法[J].现代电子技术,2009,32(13):131-133.
[9]王盛利,李士国.一种新的变换——匹配傅里叶变换[J].电子学报,2001,29(3):403-405.
[10]山海涛,郭建星,耿则勋.影像匹配中几种相似性测度的分析[J].测绘信息与工程,2003,28(4):11-13.
作者简介
刘金龙,男,黑龙江哈尔滨人,硕士在读,研究方向:机器视觉。
通讯作者:张晓雨,女,山东威海人,本科在读,研究方向:机器视觉。endprint