车牌识别系统的设计探究

杨剑

摘要：人们的生活水平不断提高，在对汽车的拥有数量也逐渐增加，这对交通的管理就增加了很大难度。而通过新科技的应用，对车牌识别系统进行应用，对交通的管理就能起到积极作用。本文重点对车牌识别系统的设计详细探究，在此次的理论研究下，希望能有助于实际系统的设计。

关键词：车牌识别系统；设计；需求

0.引言

伴随整体经济体系的高速成长，各式各样的车辆数目持续提升，对整体交通体系开展高效管理的需求也随之提升。智能交通系统（，ITS）属于当前整体管理工作的核心趋势之一，其使得先进的信息、数据以及控制技术等有效的综合，使得其能够高效的运用到综合的交通系统之内。

1.车牌识别的系统主要构成及研究现状分析

1.1车牌识别系统的主要构成分析

目前相对多见的车牌识别系统核心为两方面的基础模块，依次属于对应的数据采集以及识别软件两个方面，而后一类还能够再度进行分割。车牌识别系统的实际原理为：在车辆经过有关关卡之后，传感器随之而启动并采集对应的图像存入到特定的设备之内，而识别软件则在存储设备之中读取对应的图像信息。识别软件先是针对有关的图像开展增强、去躁等配套的预处理操作，之后则属于具体的定位程序，之后则进一步开展配套的字符切分操作，最终则属于有关的字符识别操作[1]。定位模块的基础功能，属于在整体车辆图像之内探寻对应的车牌并且进行对应的提取操作，实际输入的属于整体车辆的图像，而最终输出的则属于车牌位置的图像。字符切分模块则属于先针对图像开展配套的二值化操作，之后在二值图像之内将字符进行对应的分割操作，实际输入的属于车牌图像，而输出获得的则属于字符图像。识别的功能核心属于针对字符的配套识别操作，同时在其中获取配套的識别结果。

1.2车牌识别系统的研究现状分析

当前世界范围内实际开发得出的经典产品包括的系列， 的产品，川大智胜的识别方案，“汉王眼”，等。此类方案的识别精准率都超出95%。实际定位方式的优势以及不足，会对于综合体系的识别率构成一定的影响，近些年定位的方式核心为下述几个方面：基于形态学和边缘检测，基于彩色信息，基于纹理特征的车牌定位算法。字符切分，因为道路环境存在的特殊性，和车牌自身很容易存在无损等特征，使得字符切分的难度也相对偏高[2]。而目前实际采用的切分方式，其一为以垂直投影作为核心的方式；其二为以连通域作为核心的处理方案。

2.复杂背景下车牌定位及SVM的车牌识别算法

2.1复杂背景下车牌定位分析

车牌的规格，参照公安部在年发布的《中国人民共和国机动车号牌》，中国现行的车牌制度之中，存在四类牌照，按照底色和字色分别为：蓝白、黄黑、白黑或红、黑白。而边框则包括黑、白两类色彩。国内的车牌体系较为复杂，但实际的尺寸、间距等参数基本一致。基于形态学和边缘检测的车牌定位方法

针对车牌开展配套的定位操作，目的是在拍摄获得的汽车图像之内，识别具体的车票范围，同时将车牌图像实现提取操作，以此来实现之后的切分以及识别的操作。车牌定位属于综合识别体系的关键构成，科学的判断具体的车牌范围，则属于提升综合体系识别率的核心要素。以形态学和有关的边缘检测作为基础的定位方式，核心为五方面的基础流程。

2.2SVM的车牌识别算法

SVM的基本原理支持向量机，属于等在90年代发布的新方案，其属于以统计学方面的VC维理论以及特殊的结构风险最小化原则作为核心，存在相对理想，有着相对理想的泛化表现，可以相对高效的处理小样本以及过拟合等难题。SVM的核心思路为：特殊的给定样本属于完全、近似线性可分的情形之中，为了探寻符合实际分类操作需求的特殊分割平面，同时确保其中的样本点和分割平面的实际距离需要保持良好的状态。

核函数的选择，当下多用的核函数是，所以本论文中也用核函数，主要是考虑到以下几个因素（1）核函数能够完成非线性映射。（2）所要的培训的参考数据比较少，在运用分类设备时简便。多项式的此类函数所对应的参考数据比核函数多，所以对分类设备的工作提出了更高的要求。核函数和分类设备的工作效果之间有较为密切的关系，不过等人在其研究中发现，其不同和工作的效果没有太大的关联，而起到重要作用的是因子C和其对应的参数厂。

核参数的选择。就分类设备而言，需要明确两个参考数据，即因子C和核函数的参数。当下一般有两类的参考数据选定方式，其一是智能运算，另外一种建立在网格查找的基础上。第一种方法是结合遗传算法、粒子群算法等进行参考数据的查找。此类方法可以在较短的时间内完成相关数据的查找，不足是在实际的操作中，有可能被部分最小的数值干扰，而无法完成既定的查找目标。而建立在网格查找的方式是把和，分别取个和个值，对个、搭配，然后对应的培训分类设备，接着预测其辨认率，在所有的可能搭配中，选定辨认率最高的一组，这一方法的实质就是列举所有的可能。

核函数，映射函数和有关的特征空间维持配套的对应状态，判断对应的核函数K（x，y），则能够获得对应的映射函数以及特征空间F的具体线索。而针对有关的线性不可分的设计而言，实际的操作模式属于以特殊的非线性映射，而将有关的输入向量转入到特殊的高维空间，随后在其中实现特殊的最优分界面，针对其开展对应的线性分类操作。国内的车牌方案属于：，X1属于各个区域的简称，31个属于对应的省级区域的简称，而X2则属于市级区域代号的英文字母，属于对应的字母以及数字，而港澳等地区存在特殊标识。X2和X3或许存在对应的小圆点。参照车牌的具体特征，能够设计4类分类器而实现配套的识别操作。有关的汉字分类器而实现对应的汉字识别操作；同时以有关的数字分类器而实现10个数字的有效识别。字母分类器方面则处理24个字母以及对应的字符“0”，总计25个字母，对于车牌而言，数字“0”和字母“0”不存在差异。数字和字母的分类器可以有效的识别对应的34个字符[3]。在双牌车牌的情形之中，存在一个属于大陆牌的情形，还有一个属于港澳车牌。

3.结语

综上所述，对车牌识别系统的设计，从多个层面进行了探究，从车牌识别定位以及具体的识别进行了论述，希望能通过此次研究，对系统设计的完善性起到积极促进作用。

参考文献：

[1]李佩斌，石景波.基于纹理特征和彩色特征的车牌定位算法[J].交通与计算机，24（131）， 2006：80-82.

[2] HONGLIANG B， CHANGPING L. A hybrid license plate extraction method based on edge statistics and morphology [J]. Pattern Recognition， 2004， 2： 831-834.

[3]李波，曾致远，周建中.一种自适应车牌图像定位新方法[J].中国图象图形学报，14（10），20 09： 1978-1982.