停车场管理系统中车牌识别软件算法的原理、文字识别技术
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号码、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 。 它的硬件基础包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机 ， 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 。 对于维护交通安全和城市治安 ， 防止交通堵塞 ， 实现交通全自动化管理有着现实的意义 。
一．车牌识别流程
文章图片
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张图像 ， 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 ， 相机会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 。
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 ， 并对图像进行噪声过滤、对比度增强、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；增强对比度的方法有对比度线性拉伸、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 。
文章图片
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 。 车牌定位方法一般会依据纹理特征、颜色特征和形状特征等信息 ， 采用投影分析、连通域分析、机器学习等算法检测车牌 。 投影分析方法根据车牌字符与背景交替出现的次数相比于其他情况要多这个特征 ， 通过图像在水平和垂直方向的投影分析来定位车牌 。 连通域分析根据车牌中的每个字符都是一个连通域且这些连通域的结构和颜色都一致的特征 ， 通过检测并合并这些连通域来定位车牌；机器学习的思路是 ， 先使用从很多个车牌样本中提取出来的特征把一个弱分类器训练成一个强分类器 ， 再使用这个强分类器对图像进行扫描检测从而定位到车牌 。 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 。
文章图片
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行车牌校正处理 ， 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行垂直投影 ， 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 。
文章图片
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 ， 利用字符的结构特征、字符间的相似性、字符间间隔等信息 ， 一方面把单个字符分别提取出来 ， 也包括粘连和断裂字符等特殊情况的处理；另一方面把宽、高相似的字符归为一类从而去除车牌边框以及一些小的噪声 。 一般采用的算法有：连通域分析、投影分析 ， 字符聚类和模板匹配等 。 污损车牌和光照不均造成的模糊车牌仍是字符分割算法所面对的挑战 ， 有待更好的算法出现并解决以上问题 。
6.字符识别
对分割后的字符的灰度图像进行归一化处理 ， 特征提取 ， 然后经过机器学习或与字符数据库模板进行匹配 ， 最后选取匹配度最高的结果作为识别结果 。 目前比较流行的字符识别算法有：模板匹配法、人工神经网络法、支持向量机法和Adaboost分类法等 。 模板匹配法的优点是识别速度快、方法简单 ， 缺点是对断裂、污损等情况的处理有一些困难；人工神经网络法学习能力强、适应性强、分类能力强但比较耗时；支持向量机法对于未见过的测试样本具有更好的识别能力且需要较少的训练样本；Adaboost分类法能侧重于比较重要的训练数据 ， 识别速度快、实时性较高 。 我国车牌由汉字、英文字母和阿拉伯数字3种字符组成 ， 且具有统一的样式 ， 这也是识别过程的方便之处 。 但由于车牌很容易受外在环境的影响 ， 出现模糊、断裂、污损字符的情况 ， 如何提高这类字符和易混淆字符的识别率 ， 也是字符识别的难点之一 。 易混淆字符包括：0与D、0与Q、2与Z、8与B、5与S、6与G、4与A等 。
7.车牌结果输出
将车牌识别结果以文本格式输出 ， 包括车牌号 ， 车牌颜色 ， 车牌类型等 。
二．车牌识别技术评判指标
1.稳定性
只有硬件和软件同时都满足稳定性 ， 即不会出现卡死、崩溃、输出乱码等现象 ， 车牌识
别系统才能够正常地工作 。
2.识别率
识别率是衡量一个车牌识别系统是否实用的最重要因素 ， 只有在考虑雨雪天气、车牌有
无遮挡、车牌有无倾斜、车牌有无畸变、车牌有无污损、支持多种车牌类型、白天和夜间等情况下 ， 车牌整体识别率还能达到95%以上 ， 车牌识别系统才能在实际应用中发挥出它的价值 。
3.识别速度
识别速度决定了一个车牌识别系统是否能够满足实时性要求 ， 例如在停车场出入口管理应用中 ， 如果识别速度太慢 ， 好长时间都没有识别结果 ， 出入口就不会自动抬干放行车辆 ， 这样严重影响了车辆的正常通过 ， 也可能造成交通拥堵 。 目前优秀的识别算法 ， 识别一张100万像素的图像 ， 平均耗时应控制在50ms以内 。
文章图片
4.支持车牌类型
目前车牌类型主要包括单层蓝牌、单层黄牌、警车车牌、使馆车牌、领事馆车牌、粤澳车牌、粤
港车牌、双层黄牌、单/双层武警、单/双层军牌、农用车牌、个性化车牌、民航车牌、厂内车牌等 。 对于车牌识别算法 ， 支持的车牌类型越多 ， 各个类型间的干扰就越多 ， 识别问题也就越多 ， 所以一个好的算法必然要做好以上问题的权衡处理 。
三．车牌识别技术的应用
1.车辆出入管理
在小区、商场、收费的停车场和公路出入口安装车牌识别系统 ， 用来记录车辆号码、车辆颜色、车辆类型、出入时间等信息 ， 可以实现自动计时收费、自动放行等处理 ， 减少了通行时间、避免车道拥堵 。
2.道路违章处理
在十字路口安装车牌识别系统 ， 可以监测闯红灯车辆并识别其车牌信息；在道路上的测
速监测点安装车牌识别系统 ， 用来抓拍违章车辆并识别车牌信息；使用手持车牌识别系统 ， 可以随时对乱停车车辆、违章车辆进行拍照并识别车牌信息 。 得到车牌信息后 ， 就可以很容易的进行违章处理 ， 既节省了人力又提高了效率 。
3.道路监测
在多个路段安装车牌识别系统 ， 通过识别车牌信息来统计此时此地的交通拥堵情况；对于丢失或肇事逃逸等车辆 ， 可以将其车牌号码输入到应用系统中 ， 系统将会把该车牌号码与安装了车牌识别系统的路口的实时车辆识别结果进行比对 ， 一旦匹配成功就会报警 。
【停车场管理系统中车牌识别软件算法的原理、文字识别技术】近年来 ， 随着硬件和软件技术的不断创新和快速发展 ， 车牌识别技术水平也在不断地提高 ， 其应用也越来越广泛 ， 相信在未来的智能交通领域 ， 车牌识别系统将发挥出越来越重要的作用 ， 使得我们的出行变得更高效、更方便、更安全 。
推荐阅读
- 百亿富豪遇“麻烦”，相中老牌百货，举牌后遭警示，恐添变数？
- 美国用“核试验”来恫吓中国“核裁军”，那是赤裸裸的核讹诈
- 颠覆未来战场？美军成功测试新武器，但中国早用来砍树了
- 中韩季中杯A组巡礼，综合数据T1和FPX更好，大概率会携手小组出线
- “神童”将加入NBA发展联盟？未来的中国男篮，强敌恐不止日本！
- 加利亚尼：我心中有一大遗憾，那就是2016年没签下泽林斯基
- 中美关系直击要点！外交部长王毅记者会核心内容精炼 提及中美关系、病毒源头、香港事务等问题
- 疫情想借疫情敲诈中国是白日做梦！王毅这些话掷地有声
- 短版上衣是时尚穿搭中绝对不可少的一部分，10种造型让你充满魅力
- 岂有此理，6000华人宣誓加入美国，扬言中国无权取消他们国籍