图像识别技术应用于车牌照识别的实践分析

何炜 周保林

摘要：随着交通管理系统信息智能化的快速发展，图像识别技术在车牌照识别中的应用越来越广泛。本文主要针对当前智能交通系统中图像识别技术的运用情况，对车牌照识别中的车牌识别算法、图像预处理、车牌定位、车牌分割、车牌字符识别等进行研究，并探索图像识别技术在车牌照识别中运用的创新性。

关键词：智能交通; 车牌照识别; 图像识别技术

中图分类号：TP391.41  文献标识码：A  文章编号：1672-9129（2020）02-0028-01

Abstract： with the rapid development of traffic management system information intelligence， image recognition technology is more and more widely used in vehicle license plate recognition. This paper mainly focuses on the application of image recognition technology in the current intelligent traffic system， and studies the license plate recognition algorithm， image preprocessing， license plate positioning， license plate segmentation， license plate character recognition， etc.， and explores the innovation of image recognition technology in the application of vehicle license plate recognition.

Key words： Intelligent Transportation; License Plate Recognition; Image Recognition Technology

1  引言

随着我国汽车保有量的不断提升，对交通管理智能化的要求越来越高，其中智能识别技术（图像识别技术）被广泛应用于各领域，比如交通卡口、停车场、收费站、电子警察系统等。图像识别技术在车牌照识别中运用时，外界复杂的环境因素可能会对车牌照识别质量造成影响，比如光照、距离、角度等。因此要向获得准确率高、图像质量高、耗时少的车牌照识别，还需要对图像识别技术在车牌照识别中的应用进行深入的研究和改进。

2  车牌识别系统构成

车牌照识别是一项综合性的技术，车牌照识别系统主要由图像识别、图像处理、数据压缩、模式识别等核心技术构成，其中图像识别是最为关键的部分。运用图像识别技术，从拍摄到的车牌照照片中精确的提取出车牌照信息，并对车牌照信息精准的识别出來。车牌识别技术流程包括车牌定位、字符分割、字符识别三个环节，车牌识别的具体流程为：目标车辆→图像预处理→车牌区域定位→车牌字符分割→车牌字符识别→输出车牌信息。

3  基于图像识别技术的车牌识别过程

3.1图像预处理。车牌照识别系统获取的车牌是彩色的，这会影响系统处理速度和难度，因此在获得车拍照片后，需要先对图像进行预处理。图像预处理主要包括三个环节，即灰度值转化、图像增强与图像滤波。通过灰度值转化将彩色照片转化为黑白色，并对图像进行增强，最后在借助图像滤波将车牌照片中不需要的信息过滤掉，这样能够有效提升图像识别处理的速度，减小对数据库空间的占用。

在灰度值转化中，主要有平均值法、分量法、最大值法、加权平均值法等灰度化方法，为得到实际处理用到的图像，可采用加权平均值法进行图像灰度化处理。数码相机获得的原始彩色照片产生许多噪声，造成强烈视觉反差，影响图像质量，因此需要保持原有图像特征的基础上对图像进行降噪处理，常用方法有均值滤波、中值滤波等，结合系统实际可采用中值滤波来获取最佳图像。当外界环境不理想或者车牌照有污损等问题时，获得的图像的对比度可能存在不足，这需要采用灰度变换来增强图像质量，比如可采用灰度拉伸的方法。

3.2车牌定位。在车牌识别系统中，车牌定位是第一步，车牌定位的算法主要有彩色图像与纹理结合法、 基于灰度图像边缘检测法、基于行扫描的定位法、基于形态学特征定位法等，每种方法在具体的运用中具有差异化的适用性，各具优劣势。车牌定位的流程为：图像灰度化→滤波与均衡化→Sobel y 方向边缘检测→水平差分→水平投影和垂直投影切分→利用车牌特征进行精确定位。

为获得更为精确车牌和定位效果，在获取原始图像后，先运用加权平均值法对图像进行灰度化处理，然后采用直方图方法对图像进行均衡化处理，用中值滤波法增强图像质量，运用基于Sobel算子对图像进行边缘检测，获取很好的水平方向像素，将背景中干扰因素最大限度去除。获得投影图后再对图像进行以下处理：直方图的均衡化处理、中值滤波处理、Otsu自适应二值化处理、Sobel y 方向的边缘检测处理，以及一阶水平差分处理。之后采用水平投影和垂直投影获得处理后的图像结果，并最终获得定位的车牌区域效果图。本文这种车牌定位方法相对于传统车牌定位方法而言，更加简单有效，几乎去除了其他干扰的背景信息。

3.3车牌字符分割。在实际生活中，车牌的识别质量存在很大的差异，定位得到的车牌包含了很多外界干扰因素，比如车牌倾斜、被污染、铆钉及边框干扰、光照不均等。因此车牌字符分割的关键环节，需要针对外界因素提出适应性更好的车牌字符分割技术。为实现精准的车牌字符分割，需先对图像进行分割前的预处理，包括灰度直方图和直方图规定化两部分。字符分割预处理是将图像不同的灰度级分布规律统计下来，然后采用函数算法，选择性的使某个范围内灰度值的对比度增强。在获得预处理后的图像后，采用字符分割主算法，对车牌上的汉字字符与非汉字字符采用不同方式分别进行分割，其中非汉字字符采用连通集进行分割，汉字字符则先合并连通集再进行分割。在车牌字符切割环节，有些车牌存在倾斜情况，这时需要先对车牌图像进行倾斜校正，然后在进行下一步处理。

3.4车牌字符识别。当对车牌图像进行一系列的处理后，为了获得最终的输出结果，还需要对车牌图像进行字符识别。我国车牌由汉字、大写英文字母、阿拉伯数字三部分组成，因此车牌字符识别中，与模板比对是识别车牌字符的主要思路。在车牌字符识别中采用BP神经网络方法进行字符识别，通过模拟大脑思维模式，对印刷体模式的车牌字符进行存储，并对问题产生记忆与联想，能有效解决车牌模糊、污染等情况。在双特征并用中，第一特征筛选可能解，第二特征进行精确匹配。经过一系列处理，最终获得车牌结果的输出，实现车牌照识别。

参考文献：

[1]王娟.数字图像处理应用于车辆牌照识别的研究[J].通讯世界.2016.22

[2]赖特.基于模板匹配及人工神经网络算法的图像识别应用——MATLAB实现机动车牌号码辨识[J].智能建筑与智慧城市.2017.11

[3]李慧兵.图像识别技术在ITS车牌识别中的应用研究[D].吉林大学.2016

[4]朱明秀.基于图像处理技术的车牌识别方法研究[J].信息记录材料.2019.3