圖像處理技術(shù)在車輛超高自動檢測系統(tǒng)中的應(yīng)用

西藏大學(xué)工學(xué)院 楚彭子

西藏大學(xué)經(jīng)濟(jì)與管理學(xué)院 李青霞

西藏大學(xué)工學(xué)院 曹大命 平措塔杰

1.前言

車輛超限是交通管理中存在的重要問題，隨著交管部門對車輛超限管理力度的增大，車輛超限現(xiàn)象得到較好的遏制，而傳統(tǒng)的檢測手段多見于車輛迫停處理，車輛占道影響了交通通暢。隨著科學(xué)技術(shù)的快速發(fā)展，使車輛超高自動檢測與記錄技術(shù)成為可能，在一定程度上提高了交管部門的工作效率。

2.系統(tǒng)設(shè)計

系統(tǒng)硬件設(shè)計基于單片機(jī)開發(fā)板，圖1為該車輛超高自動檢測系統(tǒng)的硬件框圖。當(dāng)車輛經(jīng)過車輛高度檢測系統(tǒng)時，通過紅外感應(yīng)和單片機(jī)的運(yùn)行，判定車輛高度是否超限，在超出限制高度的情況下，對車牌進(jìn)行抓拍，并通過單片機(jī)與后臺pc的數(shù)據(jù)傳輸功能將圖片存儲至固定路徑，進(jìn)而通過圖像處理平臺識別車牌并記錄，以便工作人員隨時查閱。而對于嚴(yán)重超高車輛，發(fā)出警報通知交管人員以便進(jìn)行攔截。圖2為系統(tǒng)的軟件主要控制流程，通過軟硬件的結(jié)合實(shí)現(xiàn)該系統(tǒng)的超高檢測、顯示及數(shù)據(jù)記錄等功能。

圖1 硬件結(jié)構(gòu)大樣圖

3.車牌識別

車牌識別的實(shí)現(xiàn)由后臺PC擔(dān)任，它包括車輛檢測、圖像采集、圖像預(yù)處理、車牌定位、字符分割、字符識別等單元。這里使用MATLAB軟件平臺來實(shí)現(xiàn)，當(dāng)車輛觸發(fā)圖像采集單元，系統(tǒng)獲取當(dāng)前視頻圖像，牌照識別單元對圖像進(jìn)行處理，定位出牌照位置，再將牌照中的字符分割出來進(jìn)行識別，然后組成牌照號碼輸出。

3.1 車牌二值子圖的獲取

輸入的彩色圖像包含顏色信息，占用了較多的存儲空間，且處理時會降低系統(tǒng)的執(zhí)行速度，因此對圖像進(jìn)行識別等處理時，常將彩色圖像轉(zhuǎn)換為灰度圖像，以加快處理速度，進(jìn)而提取背景圖像、增強(qiáng)處理、圖像二值化、邊緣檢測、濾波等處理。然而自然環(huán)境下，汽車圖像背景復(fù)雜，光照不均勻，在自然背景中準(zhǔn)確地確定牌照區(qū)域是整個圖像識別過程中的關(guān)鍵。首先對采集到的圖像進(jìn)行大范圍搜索，找到符合汽車牌照特征的若干區(qū)域作為候選區(qū)，然后對這些侯選區(qū)域做進(jìn)一步分析、評判，最后選定一個最佳區(qū)域作為牌照區(qū)域，將其從圖像中分割出來，同時要考慮車牌傾斜問題。算法流程如下：

首先，對二值圖像進(jìn)行區(qū)域提取，計算并比較區(qū)域特征參數(shù)，提取車牌區(qū)域。其次，計算包含所標(biāo)記區(qū)域的最小寬和高，并根據(jù)先前知識，提取并顯示更接近的車牌二子值圖。最后，通過計算車牌旋轉(zhuǎn)角度解決車牌傾斜問題。由于車牌傾斜導(dǎo)致投影效果峰谷不明顯，需車牌矯正處理。采取線性擬合方法，計算出車牌上邊或下邊圖像值為1的點(diǎn)擬合直線與水平X軸的夾角。用MATLAB函數(shù)的旋轉(zhuǎn)車牌圖象函數(shù)Imrotate，計算車牌旋轉(zhuǎn)角度和經(jīng)旋轉(zhuǎn)、二值化后的車牌二值子圖(如圖3、4所示)。

圖2 軟件控制流程

圖3 原始圖

3.2 字符分割與識別

完成牌照區(qū)域的定位后，再將牌照區(qū)域分割為單個字符。一般采用垂直投影法。由于字符在垂直方向上的投影必然在字符間或字符內(nèi)的間隙處取得局部最小值，并且該位置應(yīng)滿足牌照的字符書寫格式、字符、尺寸限制等條件。利用垂直投影法實(shí)現(xiàn)復(fù)雜環(huán)境下汽車圖像中的字符分割效果較好。通過分析計算字符的水平投影和垂直投影，可獲得車牌字符高度、字符頂行與尾行、字符寬度、每個字符的中心位置，以方便提取分割字符。然后計算車牌垂直投影，去掉車牌垂直邊框。獲取車牌及字符平均寬度。最后計算車牌每個字符的中心位置和最大字符寬度，進(jìn)而輸出分割字符。通過MATLAB程序算法分割出來的字符，如圖5所示。通過數(shù)據(jù)庫的建立以及樣本與數(shù)據(jù)庫中圖片差計算誤差，找到誤差最小的圖片依次識別，最終輸出識別結(jié)果，如圖6所示。

圖4 Roberts算子邊緣檢測圖

圖5 分割出來的字符

圖6 分割出來的字符

4.結(jié)語

從MATLAB編程運(yùn)行結(jié)果看，這里采用的圖像識別算法對車牌的定位識別是很有效的。通過對多個車牌進(jìn)行試驗(yàn)，正確率高，與采用C++語言相比，工作量和開發(fā)周期都減少了很多。且該系統(tǒng)具有對車輛超高檢測不停車等優(yōu)點(diǎn)，這有利于減少在公路上攔截車輛造成的交通阻塞問題，提高了道路交通流量和經(jīng)濟(jì)效益。但實(shí)際應(yīng)用中，牌照識別的識別率與牌照質(zhì)量及圖像拍攝質(zhì)量密切相關(guān)，同時也會受到其他因素，需不斷完善識別系統(tǒng)及其算法。

[1]劉智勇,梁義濤.基于雙通信模式的分布式車輛超限監(jiān)控系統(tǒng)設(shè)計研究[J].河南科學(xué),2010,28(5):596-599.

[2]張引.彩色汽車圖像牌照定位方法[J].中國圖像圖形學(xué)報,2001,6(2):374-377.

[3]李文舉,張旗.基于邊緣顏色對車牌定位方法研究[J].計算機(jī)學(xué)報,2009,27(4):204-208.

[4]左奇.交通圖像檢測與處理方法研究[D].西安:西北工業(yè)大學(xué),2003.

[5]吳波.基于數(shù)字圖像處理的車牌定位與字符分隔[D].大連:大連理工大學(xué),2008.

[6]Bill.Green.Implement the Canny Edge Detection Algorithm.IEEE/ASME,2005,699-704.