淺談車牌定位技術(shù)

任艷焱，崔容容

（赤峰學(xué)院 計(jì)算機(jī)科學(xué)與技術(shù)系，內(nèi)蒙古 赤峰 024000）

淺談車牌定位技術(shù)

任艷焱，崔容容

（赤峰學(xué)院 計(jì)算機(jī)科學(xué)與技術(shù)系，內(nèi)蒙古 赤峰 024000）

車牌定位是指通過計(jì)算機(jī)視覺、圖像處理與模式識(shí)別等方法從車輛圖像中提取車牌字符信息.從而確定車輛身份的技術(shù).本文通過車牌的紋理和顏色特征，淺述目前國內(nèi)的幾種車牌定位的方法.

LPR；圖像處理；模式識(shí)別；車牌定位

1 緒論

隨著各國公路建設(shè)的迅速發(fā)展和汽車數(shù)量的不斷增加，交通管理的任務(wù)日趨繁重，利用計(jì)算機(jī)汽車車牌識(shí)別技術(shù)(License Plate Recognition,LPR)自動(dòng)識(shí)別汽車牌號(hào)在現(xiàn)代交通監(jiān)控具有非常重要的作用.車牌自動(dòng)識(shí)別系統(tǒng)是計(jì)算機(jī)模式識(shí)別技術(shù)的一個(gè)重要應(yīng)用，主要包括車牌定位和車牌字符識(shí)別兩部分.

LPR系統(tǒng)是模式識(shí)別技術(shù)的一個(gè)極具實(shí)用價(jià)值的應(yīng)用，其許多技術(shù)來自模式識(shí)別技術(shù)研究的成果.

本文先從模式識(shí)別這個(gè)層面上展開論述，從基本原理和基本概念出發(fā)，從而引入LPR的基本概念和一般方法，接下來按順序論述相關(guān)的方法.

2 基本概念

2.1 數(shù)字圖像處理的原理和基本概念

數(shù)字圖像處理是在以電子計(jì)算機(jī)為中心，包括各種輸入、輸出及顯示設(shè)備在內(nèi)的數(shù)字圖像處理系統(tǒng)上進(jìn)行的，是將連續(xù)的模擬圖像變成離散的數(shù)字圖像后，用建立在特定的物理模型和數(shù)學(xué)模型基礎(chǔ)上編制的程序（軟件）控制，運(yùn)行并實(shí)現(xiàn)種種要求的處理.

為了利用數(shù)字計(jì)算機(jī)來處理圖像，首先必須把連續(xù)的圖像變換成離散的數(shù)字圖像.一幅圖像可以定義為一個(gè)二維函數(shù)f(x,y)，這里x和y是空間坐標(biāo)，而在任何一對(duì)空間坐標(biāo)(x,y)上的幅值f稱為該點(diǎn)圖像的強(qiáng)度或灰度.當(dāng)x，y和幅值f為離散的數(shù)值時(shí)，稱該位圖像數(shù)字圖像.數(shù)字圖像處理是指借用數(shù)字計(jì)算機(jī)處理數(shù)字圖像.圖像處理就是對(duì)給定的圖像進(jìn)行某些變換，從而得到清晰圖像的過程.

2.2 模式識(shí)別的原理和基本概念

2.2.1 什么是模式識(shí)別

從字面上就可以看出，模式識(shí)別(pattern recognition)是研究如何對(duì)模式進(jìn)行識(shí)別的一門學(xué)科.把事物的關(guān)鍵特征抽取出來，以不同的特征組合代表不同的事物，并且用適當(dāng)?shù)男问奖硎境鰜恚@樣就有可能使計(jì)算機(jī)具有識(shí)別能力，使它能區(qū)分不同的事物.像這樣用事物的特征所構(gòu)成的數(shù)據(jù)結(jié)構(gòu)就稱為相應(yīng)事物的模式，或者說模式是對(duì)事物定量的或結(jié)構(gòu)的描述.

模式的表示形式與識(shí)別方法有關(guān).在統(tǒng)計(jì)模式識(shí)別中，模式通常用n維特征空間的特征向量來表示.

2.2.2 模式識(shí)別的方法

模式識(shí)別的方法主要有統(tǒng)計(jì)模式識(shí)別方法、結(jié)構(gòu)模式識(shí)別及人工神經(jīng)網(wǎng)絡(luò)三大類.統(tǒng)計(jì)模式識(shí)別方法其要點(diǎn)是提取待識(shí)別模式的一組統(tǒng)計(jì)特征，然后按照一定準(zhǔn)則所確定的決策函數(shù)進(jìn)行分類判決.結(jié)構(gòu)模式識(shí)別的要點(diǎn)是把待識(shí)別模式看作是由若干較簡(jiǎn)單的子模式構(gòu)成的集合，每個(gè)子模式再分為若干基元，這樣，任何一個(gè)模式都可以用一組基元及一定的組合關(guān)系來描述.人工神經(jīng)網(wǎng)絡(luò)是大量處理單元（人工神經(jīng)元、處理元件、電子元件、光電元件等）經(jīng)廣泛互連而成的人工網(wǎng)絡(luò)，用來模擬腦神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能.

在車牌識(shí)別領(lǐng)域，車牌定位主要使用統(tǒng)計(jì)模式識(shí)別技術(shù)，車牌分割及識(shí)別則使用統(tǒng)計(jì)模式識(shí)別技術(shù)或人工神經(jīng)網(wǎng)絡(luò)技術(shù).

2.3 LPR系統(tǒng)的工作原理

一個(gè)典型的LPR系統(tǒng)由車輛檢測(cè)、圖像采集、車輛識(shí)別等部分構(gòu)成.其系統(tǒng)構(gòu)成如圖1所示.

其中，車輛檢測(cè)一般使用車輛傳感器，它可以檢測(cè)當(dāng)前是否有車輛通過.采集圖像部分包括照明光源和CCD攝像機(jī)，以攝取清晰的車輛圖像.車牌識(shí)別部分由計(jì)算機(jī)或DSP處理器以及LPR軟件組成，可完成對(duì)車牌的識(shí)別.

LPR系統(tǒng)的工作流程是：當(dāng)車輛通過時(shí)，車輛檢測(cè)裝置受到觸發(fā)，從而啟動(dòng)圖像采集設(shè)備；圖像采集設(shè)備采集車輛的正面或圖像尾部圖像，并進(jìn)入車牌識(shí)別；車牌識(shí)別部分進(jìn)行車牌識(shí)別并將識(shí)別結(jié)果送至監(jiān)控中心或收費(fèi)處等場(chǎng)所[1]. LPR技術(shù)的核心要求是必須準(zhǔn)確快速地識(shí)別出車牌.在車牌識(shí)別過程當(dāng)中車輛檢測(cè)、圖像采集、車牌識(shí)別都是很重要的環(huán)節(jié)，其中的關(guān)鍵技術(shù)為：

（1）車牌區(qū)域的定位；（2）車牌中字符的分割與識(shí)別.

車牌區(qū)域定位的目的是從自然背景中準(zhǔn)確可靠地分割出車牌區(qū)域，屬于圖像分割的范疇.通常采用的車牌定位流程是：輸入——預(yù)處理——分割——輸出.

字符的分割與識(shí)別是指先將車牌區(qū)域分割成單個(gè)的字符區(qū)域，然后進(jìn)行識(shí)別.其難點(diǎn)是模糊、斷裂字符的分割與識(shí)別.

3 車牌定位技術(shù)的發(fā)展現(xiàn)狀

3.1 車牌定位的研究及應(yīng)用現(xiàn)狀

汽車車牌識(shí)別屬于人工智能、模式識(shí)別、智能控制和數(shù)字圖像處理等領(lǐng)域，是一門涉及數(shù)學(xué)、計(jì)算機(jī)科學(xué)、自動(dòng)化技術(shù)和電子工程技術(shù)的邊緣學(xué)科.

3.2 車牌定位先驗(yàn)知識(shí)

圖像為汽車正面圖像或尾部圖像，圖像中汽車車型各異、車牌大小不一.有下列四點(diǎn)車牌特點(diǎn)：

（1）汽車牌照在圖像中是一個(gè)近似長方形或近似平行四邊形.

（2）汽車牌照的大小在圖像中相對(duì)穩(wěn)定.

（3）汽車牌照在圖像中有一定程度的傾斜，但是傾斜角度在一定的范圍以內(nèi).

（4）汽車前身牌照中文字有統(tǒng)一的大小，水平排列成行.牌照的顏色分為黑底白字、藍(lán)底白字、黃底黑字、白底紅字等不同規(guī)格[2].

3.3 圖像預(yù)處理技術(shù)及分割技術(shù)的發(fā)展現(xiàn)狀

預(yù)處理的作用是突出圖像中的有用信息.常用的預(yù)處理方法有：

（1）邊緣檢測(cè)，直接從灰度圖像或彩色圖像得到邊緣圖像；

（2）Tog-Hat變換對(duì)應(yīng)于灰度圖像的數(shù)學(xué)形態(tài)學(xué)運(yùn)算法，以減少輸入圖像中的噪聲和低頻分量；

（3）二值化法對(duì)應(yīng)于自適應(yīng)邊界搜索分割法，以獲得清晰的字符邊界；

（4）模糊規(guī)則與閾值法相結(jié)合的粗分割閾值法簡(jiǎn)便、快速、易行，模糊規(guī)則可以處理那些模棱兩可的數(shù)據(jù)，模糊規(guī)則可由實(shí)例圖像獲得.

4 目前車牌定位識(shí)別的常用方法、特點(diǎn)以及適用范圍

4.1 車牌目標(biāo)區(qū)域特點(diǎn)

從人的視覺特點(diǎn)出發(fā)，車牌目標(biāo)區(qū)域具有如下特點(diǎn)：（1）車牌底色往往與車身顏色、字符顏色有較大差異；（2）車牌有一個(gè)連續(xù)或由于磨損而不連續(xù)的邊框，車牌內(nèi)字符有多個(gè)，其呈水平排列，所以在牌照的矩形區(qū)或內(nèi)存在較豐富的邊緣，呈現(xiàn)出規(guī)則的紋理特征；（3）車牌內(nèi)字符之間的間隔比較均勻，字符和牌底色在灰度值上存在跳變，而字符本身與牌照底部都有較均勻灰度；（4）不同圖像中牌照的具體大小、位置不確定，但其長度比變化有一定范圍，存在一個(gè)最大和最小長寬比.根據(jù)這些特點(diǎn)，可以在灰度圖像的基礎(chǔ)上提取相應(yīng)的特征[3].

4.2 車牌定位方法

總體來說，車牌定位方法就是圖像處理技術(shù)、車牌特征以及小波分析，神經(jīng)網(wǎng)絡(luò)等新工具的有效結(jié)合.一個(gè)車牌定位系統(tǒng)通常包括圖像預(yù)處理、車牌搜索、車牌的定位與分割三個(gè)部分.圖像預(yù)處理就是要獲得有用的圖像邊緣將其二值化；車牌搜索則是搜索整幅圖像以得到有可能包含車牌的若干感興趣區(qū)域；車牌定位則是在感興趣區(qū)域中剔除假車牌，提取到真正的車牌.整個(gè)車牌的提取過程如圖2所示.

目前車牌定位的方法可以分類兩大類：一類是基于黑白圖像車牌定位方法，另一類是基于彩色圖像的車牌定位方法.

4.2.1 基于黑白圖像的車牌定位方法

黑白圖像對(duì)于人的視覺來說，是以灰度等級(jí)來體現(xiàn)圖像深淺度.

4.2.1.1 基于特征的車牌定位法

車輛牌照內(nèi)有多個(gè)基本成水平排列的字符，字符和牌照底在灰度值上存在跳變，因而車牌這個(gè)矩形區(qū)域（包括邊緣）內(nèi)有豐富的邊緣存在，呈現(xiàn)出規(guī)則的紋理特征.在傳統(tǒng)的基于灰度分割技術(shù)的基礎(chǔ)上，這些特征為車牌定位方法的研究提供了切實(shí)可行的依據(jù).

基于車牌文字變化特點(diǎn)的自動(dòng)掃描識(shí)別算法是利用汽車牌照中文筆劃彎化頻率比較穩(wěn)定的特點(diǎn)，即筆劃間隔的像素是穩(wěn)定在某一個(gè)范圍內(nèi)，筆劃數(shù)也存在下限的特點(diǎn).設(shè)定閾值，通過掃描確定上下邊界位置和左右邊界位置.這樣在己縮小的范圍內(nèi)再用上述方法進(jìn)行遞歸檢測(cè)，直到牌照位置比較穩(wěn)定為止.這種方法在攝入角度、距離、光線都有很大調(diào)整的情況下，能夠快速準(zhǔn)確定位、分割車牌.而基于特征的車輛牌照定位算法是利用一階微分算子對(duì)原始圖像的邊緣進(jìn)行預(yù)處理，并在此基礎(chǔ)上運(yùn)用數(shù)學(xué)形態(tài)學(xué)的閉運(yùn)算獲得車牌的后選區(qū)，然后采用投影的方法剔除假車牌，定位真車牌.這種方法的算法復(fù)雜化低，減少了噪聲的干擾，能夠滿足實(shí)時(shí)定位的要求.針對(duì)車牌特點(diǎn)設(shè)計(jì)的一個(gè)變換函數(shù)突出其特點(diǎn)從而進(jìn)行車牌的提取的方法采用最大方差法來進(jìn)行二值化的閾值選取，并對(duì)二值化后的圖像進(jìn)行水平掃描，找相對(duì)小的而且掃描線彎化劇烈的區(qū)域作為候選區(qū)域，再以適當(dāng)?shù)淖兓蚀_定車牌的位置.基于字符串的車輛牌照分割方法則是針對(duì)牌照字符串沿水平方向排列的規(guī)則紋理，采用了一種線性濾波器，來確定車牌區(qū)域；采取平均值的辦法選取閾值，進(jìn)行二值化；然后利用投影的方法進(jìn)行精確定位.這種方法能夠在對(duì)牌照的字符、牌照位置及其大小、顏色和車輛的背景等做最小限定的條件下，對(duì)牌照中字符串進(jìn)行增強(qiáng)，實(shí)現(xiàn)復(fù)雜背景中車輛牌照的自動(dòng)分割.另外圖像的頻域信息有助于鑒別牌照區(qū)域，還有車牌紋理或形狀特征的定位方法，且很好的實(shí)現(xiàn)了車牌區(qū)域的檢測(cè).

4.2.1.2 運(yùn)用形態(tài)學(xué)、小波分析、遺傳算法等數(shù)學(xué)工具的車牌定位方法

在圖像處理中，對(duì)一些復(fù)雜圖像應(yīng)用某些數(shù)學(xué)工具不僅可以加快處理速度而且可以改善和優(yōu)化處理結(jié)果.車牌識(shí)別的核心問題在于識(shí)別汽牌照上的文字目標(biāo).而其關(guān)鍵又在于文字目標(biāo)所在區(qū)域的定位.己有的區(qū)域定位算法，比較完善的如機(jī)動(dòng)車輛自動(dòng)識(shí)別收費(fèi)系統(tǒng)LPR中所提出的一種基于局部閾值的二值化法與自適應(yīng)形態(tài)算法.此算法對(duì)于文字區(qū)域水平且其周圍干擾區(qū)域較少的情況下定位比較準(zhǔn)確，在二值化法中所得結(jié)果的各種尺寸的干擾區(qū)域都被保留下來，對(duì)于傾斜度的正確估計(jì)十分不利.還有的是利用牌照邊框?yàn)橐换叶戎蹈叱霰尘盎叶鹊钠叫兴倪呅危ㄟ^邊緣提取，再利用Hough變換檢測(cè)出平行造成參數(shù)空間峰值的點(diǎn)擴(kuò)散、甚至消失，這些都影響直線識(shí)別的準(zhǔn)確性.經(jīng)檢驗(yàn)，它只在文字區(qū)域集中于某一范圍且水平時(shí)比較準(zhǔn)確，使用范圍狹窄.另外，一些傳統(tǒng)的定位技術(shù)在復(fù)雜背景、圖像變形、噪聲污損嚴(yán)重的情況下，也無法有效的識(shí)別.為此，一些學(xué)者們從一些數(shù)學(xué)工具著手利用數(shù)學(xué)形態(tài)學(xué)、小波分析、遺傳算法等方法對(duì)一定傳統(tǒng)定位方法進(jìn)行了改進(jìn).此外，國外車牌定位的研究中也采用了一些新工具和新技術(shù)，如人工神經(jīng)網(wǎng)絡(luò)、數(shù)學(xué)形態(tài)學(xué)、Hough變換、信號(hào)處理等方法.

4.2.1.3 基于黑白圖像的其它定位方法

車牌定位是圖像處理中的實(shí)際問題.方法多種多樣，它可以是以前方法的改進(jìn)，也可以是獨(dú)辟蹊徑的創(chuàng)新，也可以是新老方法的結(jié)合.基于掃描行的車牌提取方法，指出掃描行經(jīng)過車牌區(qū)域會(huì)產(chǎn)生有規(guī)律的起伏，在此結(jié)論的啟發(fā)下，有人提出了利用掃描行離差數(shù)據(jù)、有效谷峰點(diǎn)特征及先驗(yàn)知識(shí)來初步定位車牌區(qū)域，并提出了利用邊緣檢測(cè)和Hough變換進(jìn)行了傾斜車牌校正的算法及車牌上下界精確定位算法。而通過對(duì)以往車牌識(shí)別系統(tǒng)的定位方法進(jìn)行分析，總結(jié)提出了一種基于線模板的二值圖像角檢測(cè)算法，將包含車牌的彩色圖像轉(zhuǎn)化為二值圖像，再經(jīng)過形態(tài)濾波器濾波后，利用快速角檢測(cè)法尋找圖像各角點(diǎn)，最后定出車牌位置，這種算法簡(jiǎn)單、快捷、穩(wěn)健[4].

4.3 基于彩色圖像的車牌定位

長由于汽車牌照具有與牌號(hào)、車身、背景不同的底色，因此考慮顏色來研究車牌的定位方法應(yīng)該說是車牌識(shí)別領(lǐng)域的一種新思路.

近年來，國內(nèi)提出了一種彩色分割及多級(jí)混合集成分類器的車牌自動(dòng)識(shí)別方法.這種方法的主要思想是通過三層MLPN網(wǎng)絡(luò)將具有均勻色度空間的彩色圖像進(jìn)行色彩分割，再利用投影法分割出潛在的各種底色的車牌區(qū)域.過程如圖3所示，預(yù)處理是將RGB三原色模式彩色圖像轉(zhuǎn)化為HSI模式彩色圖像，在這個(gè)過程之前要進(jìn)行圖像的抽取，以減少計(jì)算量；過程之后要進(jìn)行彩色飽和度的處理，以減少光照條件對(duì)圖像分割產(chǎn)生的影響.系統(tǒng)經(jīng)過學(xué)習(xí)與訓(xùn)練，并利用投影法及先驗(yàn)知識(shí)，能夠很好地分割顏色，得出合理的車牌區(qū)域.不過這種方法在車牌區(qū)域顏色與附近顏色非常相似時(shí)，車牌的定位錯(cuò)誤會(huì)有所增加.針對(duì)彩色汽車圖像牌照定位方法提出了彩色邊緣檢測(cè)算子ColorPrewitt和彩色邊緣檢測(cè)與區(qū)域生長相結(jié)合的牌照定位算法ColorLP.這種方法的主要思想是通過邊緣檢測(cè)算子ColorPrewitt對(duì)彩色圖像的邊緣檢測(cè)，增強(qiáng)牌照區(qū)域，并借助數(shù)學(xué)形態(tài)學(xué)膨脹技術(shù)實(shí)現(xiàn)區(qū)域的連通，采用區(qū)域生長方法標(biāo)記候選區(qū)域，最后利用車牌的先驗(yàn)知識(shí)，剔除虛假車牌區(qū)，確定真正的車牌區(qū).其中所提出的面向彩色車輛牌照定位的彩色圖像邊緣檢測(cè)ColorPrewitt可直接用于紅綠藍(lán)（RGB）顏色空間上，以增強(qiáng)縱向紋理特征，有利于利用牌照上字符的空間頻率特性來進(jìn)行牌照定位，其算子Pc簡(jiǎn)單描述如下：

其中，e(i1,j1;i2,j2)定義為像素點(diǎn)e(i1,j1),e(i2,j2)之間的彩色值歐式距離：

可見ColorPrewitt算法簡(jiǎn)單，檢測(cè)出的牌照區(qū)域易于與背景剝離，因此用這種方法定位準(zhǔn)確率高，適用于不同的光照，且通用性較好[5].

5 結(jié)論

以上在分析國內(nèi)車牌特點(diǎn)的基礎(chǔ)上，對(duì)近年來國內(nèi)外出現(xiàn)的現(xiàn)有的車牌定位方法進(jìn)行了綜述.車牌定位是車牌識(shí)別中最為關(guān)鍵、最難解的一步.然而，由于車牌背景的復(fù)雜性與車牌特征的多樣性，迄今為止，仍沒有一個(gè)完全通用的智能化車牌定位方法.大多數(shù)定位方法局限于某個(gè)側(cè)面問題的解決，如牌照的傾斜、光照的干擾、噪聲的影響等，離實(shí)際應(yīng)用沿有很大的距離.這些問題都亟待解決.

〔1〕張引，潘云鶴.彩色汽車圖像牌照定位新方法，中國圖形圖像學(xué)報(bào)，2001（4）：1-2.

〔2〕牛欣，沈蘭蓀.汽車牌照識(shí)別技術(shù)的研究.測(cè)控技術(shù)，1999（12）：14-15.

〔3〕吳維聰.計(jì)算機(jī)圖像處理.上海科學(xué)技術(shù)出版社，1989.22-23.

〔4〕李金宗.模式識(shí)別導(dǎo)論.高等教育出版社，1994.20.

〔5〕郭捷,等.基于顏色和紋理分析的車牌分析的車牌定位方法.中國圖形圖像學(xué)報(bào)，2002,7(5)：17-18.

TP391.4

A

1673-260X（2010）09-0028-03