车牌识别系统开发与实现

2017-08-16梁宏刘琦西安科技大学信息网络中心

数码世界 2017年8期

梁宏刘琦西安科技大学信息网络中心

车牌识别系统开发与实现

梁宏刘琦西安科技大学信息网络中心

随着汽车保有量的迅速增长，交通拥堵频繁发生。如何使用智能化的方式对交通进行高效的管理，成为交管部门的迫切需求。车牌识别系统利用图像预处理、车牌检测与定位、字符识别很好的实现了对车牌的自动识别。车牌识别系统的开发和实现，将会促进交通管理的智能化和计算机化，减少日益增长的车辆管理压力。

智能交通车牌识别图像灰度化

近年来，全国各地的车辆保有量急剧增长，交通拥堵频繁发生。采取传统意义上的增加道路公里数、限制车辆数量、限制出行已经不能很好的解决存在的问题。交通管理受人员数量的限制，不可能实时实地的对道路车辆进行监管，因此交通管理的智能化受到了越来越多的关注。目前，在我国的部分一线城市，交警已经开始大规模的利用智能交通系统进行交通管理。车牌识别系统的技术研究，将会促进交通管理的智能化和计算机化，减少日益增长的车辆管理压力。

1 车牌识别技术现状

车牌识别技术主要分为两大类，即传统的间接识别法和直接识别法。间接法通过扫描车辆上的IC卡或者是磁条信息，进而确认车牌的信息。但是，需提前部署识别信息。直接识别法，通过对图像的处理，进而识别出车牌信息。直接法的原理是数字图像处理和模式识别技术。通过图像进行预处理、识别，进而得出车牌的信息。直接法的优点是省时省力，不用对车辆进行IC卡或者磁条信息安装。但是直接法的技术难度相对较大，在一些情况下的识别率不是非常理想。

车牌识别主要是利用计算机图像处理和模式识别技术。因此，车牌识别技术的关键就在于从图像定位出车牌位置和进行车牌字符识别。从图像中定位车牌位置来讲，其精确度会受各种环境的干扰导致定位错误。在字符识别上，因为我国车牌的特殊性，含有汉字、数字和字母三种字符，增加了字符识别的难度。目前，我国的车牌共由7个字符组成。车牌中，首字符是汉字字符，是各省的简称。第二个字符为字母字符，代表发牌机关号。后五个字符为数字和字母的组合，代表序号。

从车牌识别的关键来分析，车牌识别的难点主要在于以下几点：

①识别受环境影响较大，对于恶劣的天气情况，识别难度大。

②对于一些强光照条件下，识别的难度比较大。

③个别车牌污损情况比较严重，对于字符识别加大了难度。

④我国车牌字符较多，尤其是汉字字符，增加了识别的难度。

2 车牌识别系统的设计

根据本系统的整体设计，本系统主要分为三个模块。即，图像预处理、车牌定位、字符识别。其中，图像预处理模块是实行图像初步处理。预处理实现输入的图像灰度化、滤波等一系列的操作。车牌定位模块是按照我国车牌的特点，遍历可能是车牌位置的矩形区域。然后，找出准确的车牌位置，并且将定位出来的车牌单独裁剪出来。字符识别是利用各个字符特点，完成字符分割。然后，调用Tesseract工具进行识别，并且将识别的信息保存输出。本系统的模块结构如图所示。

2.1 车牌图像预处理模块

系统首先对图像进行预处理。通过前期的灰度化、高斯滤波、中值滤波三步处理，让图像达到系统的要求。

图像灰度化。由于在图像采集的过程中，车牌背景不统一。因此，首先对图像进行灰度化处理，因为直接对彩色图像进行处理，运算量太大。所以，首先要将图像转化为灰度图。图像灰度化常用方法有三种。最大值法，平均值法，加权平均值法。

图像去噪处理。在获取图像的过程中，由于一些因素的干扰，图像可能受一些噪声滋扰。这样会或多或少降低图像质量，可能影响图像的分析。所以，系统应该排除噪声干扰，并且提高图像质量。对图像进行平滑化和去噪处理。使用高斯滤波和中值滤波法。

2.2 车牌定位模块

首先采用sobel算子进行边缘检测。然后选取合适的阈值，进行阈值分割。将我们要的目标通过二值化处理，与背景分割开来。随后，使用形态学变形的方法。对图像进行开闭运算，使的车牌连通区域更加明显。最后进行车牌提取，利用车牌的固定长宽比，还有一定的面积大小，进行车牌精定位。在排除干扰，确定车牌位置后。系统将车牌从原图像中裁剪出来，以便于下一步的识别。

2.3 字符识别系统

首先，对车牌图片进行阈值分割。提取出车牌中的字符。其次，对字符进行分割，分割为汉字与非汉字字符。最后，利用Tesseract—OCR开源引擎，进行字符识别。在实际识别中使用自己的字符库，识别率比较理想。