用字符局部相似度誤差過濾的方法識別污損車牌

摘 要:介紹了綜合利用神經網絡和局部相似度誤差過濾的方法，實現對部分污損的車牌進行快速自動識別，討論了該方法的優缺點和工程應用方法。

關鍵詞:車牌識別局部相似度誤差過濾神經網絡

中圖分類號:TP3文獻標識碼:A文章編號:1674-098X(2011)09(a)-0113-01

1引言

車牌識別系統是采用先進的圖像處理、模式識別[1]和人工智能技術，通過對圖像數據的采集和分析，獲取有用信息，從而達到高智能化管理。

神經網絡技術作為人工智能方面的主要技術之一，在車牌識別領域得到了很好的應用，但面對車牌污損的問題，其很容易被“蒙騙”。對此文獻[2]雖也有過探討，但其基于點陣的思路有其局限性且對誤差的剔除不夠徹底。基于核方法[3～4]的識別技術，原理上可以解決不同情況車牌的識別結果分離問題，但由于車牌污損的多樣性和隨機性，找到合適的核函數很困難。

為此本文提出了一個全新的進行局部相似度誤差過濾的方案，可以很好地解決字符信息不完整的識別問題。

2局部相似度誤差過濾的原理及其運算

局部相似度誤差過濾是基于人類對部分信息缺失的字符的識別邏輯和實驗數據中的粗大誤差處理的思想融合而來。人類在識別字符信息的時候即便是部分遮擋了也可以根據表現出來的局部特征得到答案，其邏輯就是“具備此顯而易見特征的可能是什么字符”，其本質上是在局部屬于模板匹配中的判定未知模式與哪個參考模式是最佳匹配[5]的問題，在整個字符的識別上屬于聚類方法中的混合值向量的相似性問題[5]。

2.1 局部相似度

在運算上，相似度[6]的問題可以先用神經網絡對待識別的局部進行識別，然后用識別結果對應的標準模板與待識別樣本再進行一次距離計算[7]:

(式1)

不同字符可以采取不同的分類方式，比如數字“1”可以僅僅采用左、中、右三部分:(如圖1圖2）

對于比較復雜的字符，就需要如圖1中9個區域進行。

2.2 誤差濾除和結果判定

按聚類方法中的混合值向量的相似性問題[5]的方法，每個區域的結果經規格化處理后作為待識別字符的一維(區間尺度0～1)，所有區域的值序列構成了待識別字符的值向量xi，參考模式的值向量xj為各元素都為1的向量，按混合值向量的相似性函數的定義[5]:

其中sq(xi，xj)是xi和xj的第q個坐標的相似度，wq是加權系數，這里wq=1，且:

sq接近0的認為其為嚴重不符合區域或者污損區域，為了剔除污損區域對相似性計算的影響，允許人為地將的sq最小的一到兩個坐標點的wq置為0，即該點不參與相似性計算，以此濾除粗大誤差。

工程中，這部分可用二值化來進行，因為此階段僅關注相似性序列的總體符合程度。

3局部相似度誤差過濾的實測結果:

圖3給出了對車牌中數字“3”的上部進行部分遮擋而不進行局部相似度誤差過濾的識別結果，最后一位“3”被誤判成了“6”，而進行局部相似度誤差過濾后可以得到正確的識別結果。如圖3

經大量實踐驗證，該方法可以有效地提高車牌識別的識別率，可使識別率達到95%以上。

4局部相似度誤差過濾的優缺點及工程應用方法

從以上介紹可以看出，該方法在原理上屬于模板匹配[8]，但同時引入了神經網絡識別技術和聚類分析中的理念以及實驗誤差分析領域的粗大誤差處理的方法。神經網絡的引入目的是快速確定某一個區域的特征的大概符合性;聚類中混合值向量相似性分析的引入是為了便于對區域相似性序列進行總體相似性計算;粗大誤差的引入是為了消除污損區域對結果的影響。

和所有的模板匹配方法一樣，其明顯的缺點是計算量大。為此，考慮到大多數車牌都是非污損的車牌，工程上只有在正常識別相似度達不到標準時，才進行更進一步的局部相似度誤差過濾處理。

具體到停車場和高速公路收費的應用中，一般只對每個車輛抓拍1～2個圖片，時間比較充裕。

5應用的前景展望

該技術除了在車牌識別領域可以很好的使用外，其思想可以延伸到車型識別甚至車輛無人駕駛領域的動態物體識別和目標鎖定上，與其他傳感器的信息配合可以組建多傳感器的綜合識別和目標跟蹤、鎖定和控制系統[9]。對于這些復雜的應用，由于實時性的要求，必然需要分布式的跨系統的綜合解決方案。

參考文獻

[1]溫熙森.模式識別與狀態監控[M].科學出版社.

[2]孫喜梅.“仿人類視覺的不確定條件下車牌識別研究”[D].湖南:中南大學，2009.

[3]徐勇.張大鵬.楊健.模式識別中的核方法及其應用[M].國防工業出版社P046

[4]牟少敏.核方法的研究及其應用[M]，北京:北京交通大學，2008.

[5]李晶皎.王愛俠.張廣源.譯.模式識別(第三版)[M].電子工業出版社

[6]孫即祥.姚偉.滕書華.模式識別[M].國防工業出版社，P23.

[7]楊淑瑩.模式識別與智能計算—MATLAB技術實現[M].電子工業出版社，P50.

[8]李弼程，邵美珍，黃潔.模式識別原理與應用[M].西安電子科技大學出版社 P257.

[9]何友.多傳感器信息融合及應用[M].北京:電子工業出版社，2007.