車牌識別處理中的關鍵技術及核心算法研究

廖作斌

(泉州師范學院)

0 引言

作為圖像模式識別的一個典型案例，車牌識別算法和相對應的系統(tǒng)雖然發(fā)展有一定時間了，國外會比國內(nèi)早些，但是截止目前為止，真正達到適用程度的系統(tǒng)仍很少，識別率和識別速度都有待進一步提高，而且最為關鍵的是，業(yè)內(nèi)好的車牌識別算法往往都包含著利益關系，雖然在這一方面，優(yōu)秀的車牌識別算法比比皆是，但是基于這些算法實現(xiàn)車牌識別的卻少之又少，換句話說，就是理論上可以實現(xiàn)，但是實際開發(fā)又需另外考慮.目前，車牌識別已經(jīng)有了一些自動化系統(tǒng).但是，這并不能完美解決國內(nèi)的車牌識別，主要由于我國標準車牌是由漢字、英文字母和數(shù)字組成，漢字的識別與字母和數(shù)字的識別有很大的不同，在漢字的識別上要別字符復雜得多.而且在算法上各家公司都有自己獨自的算法，從側面可以看出在這一方面相當?shù)牟唤y(tǒng)一，所以研究這一方面的算法對于實現(xiàn)各類智能化系統(tǒng)是相當必要的.

1 關鍵技術

選擇好的開發(fā)工具或技術對于開發(fā)一個實用的系統(tǒng)至關重要.一旦運用一些關鍵性技術，可以使系統(tǒng)開發(fā)者更有余力去關注算法本身，而不必過多關心如何去具體實現(xiàn)，而且可以使設計出的算法更加方便以及實用.

下面給出了車牌識別系統(tǒng)的關鍵技術組成，如圖1所示.

圖1 車牌識別系統(tǒng)關鍵技術組成

1.1 圖像處理利器——OpenCV

實現(xiàn)數(shù)字圖像處理系統(tǒng)，OpenCV無疑就是巨人的肩膀.OpenCV的全稱是:Open Source Computer Vision Library，是1999年由 intel公司開發(fā)的圖像處理和計算機視覺開放源碼庫，現(xiàn)在由Willow Garage實驗室提供支持.它支持多平臺，包括 windows，linux，max，并且他完全開源.OpenCV提供了C++，C，Python接口(即將支持 java 接口)，目前最新版本為2.4.3.

1.2 界面開發(fā)工具——Codejock

由Codejock公司設計開發(fā)，該公司成立于1998年，致力于開發(fā)“用戶界面”的控件產(chǎn)品和開發(fā)工具，能有效節(jié)約用戶的開發(fā)時間和開發(fā)成本，讓軟件界面更加精彩.Codejock是目前VC/VB和.NET開發(fā)環(huán)境下最好的界面開發(fā)組件之一.

1.3 輕量級數(shù)據(jù)庫——SQLite

被稱為如羽毛般輕的數(shù)據(jù)庫.Sqlite是一種輕量級開源數(shù)據(jù)庫，具有很多不錯的特點.如:支持事件，不需要配置，不需要管理員，也不需要安裝.本身編譯成一個動態(tài)鏈接庫，沒有界面化管理，故可配合Navicat Premium進行數(shù)據(jù)庫可視化管理.

目前已經(jīng)在很多嵌入式產(chǎn)品中使用了它，它占用資源非常的低，在嵌入式設備中，可能只需要幾百K的內(nèi)存就夠了.它能夠支持Windows/Linux/Unix等等主流的操作系統(tǒng)，同時能夠跟很多程序語言相結合，比如C#、PHP、Java等，還有ODBC接口，同樣比起Mysql、PostgreSQL這兩款世界著名的開源數(shù)據(jù)庫管理系統(tǒng)來講，它的處理速度比他們都快.

1.4 XML 解析——XERCES

Xerces是由Apache組織所推動的一項XML文檔解析開源項目，她是一個開放源代碼的XML語法分析器.利用XERCES，配合SQLite使用，便于封裝數(shù)據(jù)庫.

2 圖像處理核心算法

車牌識別本質上是建立在一系列數(shù)字圖像處理上，這部分也是一個車牌識別系統(tǒng)的核心.

2.1 圖像灰度化與二值化

2.1.1 圖像構成

彩色圖像其實是由三通道組成，在數(shù)據(jù)部分由倒向的RGB組成，即BGRBGRBGR……假如直接使用彩色圖像進行操作，將使數(shù)據(jù)操作量十分的龐大，故需要對圖像進行二值化.

2.1.2 圖像處理

二值化前需先將圖片轉化為灰度圖像，即單通道圖像，灰度圖像和二值化圖像有非常大的區(qū)別，灰度圖像圖像數(shù)據(jù)有明亮之分，而二值化圖像像素數(shù)據(jù)僅有0或255兩種.opencv中提供了將圖像轉為灰度圖像的函數(shù)cvCvtColor();

在二值化圖像前首先需先理解一個關鍵詞:閾值.閾值又可稱為臨界值，這個值需自己設定.

二值化如字面意思其實就是將一副灰度圖像轉化為僅有黑白兩種顏色的圖像，即圖像數(shù)據(jù)僅有0或255兩種.可用如下數(shù)學表達式表示，R即為閾值.

所以閾值的選擇至關重要，opencv中有提供canny算子的函數(shù)(邊緣檢測)，但是閾值需自己提供.

2.1.3 自適應閾值方法

AdaptiveThreshold(T，m_gray_image)小閾值用于邊緣控制連接，采用自適應閾值方法，原理如下:

(1)傳入原圖像灰度值最大值和最小值的平均值t.

(2)將圖像分為兩部分，大于t的累加進Allt1，小于等于t的累加進Allt2中.并計算分別占有的像素點accountt1和accountt2.

(3)取 Allt1/accountt1，放入t1，即求平均值.

(4)取Allt2/accountt2，放入t2，即求平均值.(5)取t1和t2的平均值tnew.

(6)若tnew的值等于t，tnew即為所要的小閾值，返回;否則將tnew賦值給t進行遞歸，執(zhí)行第二步.

2.2 車牌定位

為了確定出車牌的上下邊界，有種簡易的方法，就是求圖中的矩形框，但是往往圖片中存在各種各樣的噪聲.所以不能單純的求矩形框，可以求出上下邊界，再求左右邊界.

2.2.1 水平細化

(1)首先需要將圖像進行水平細化.將圖像細化，即將圖像中的右邊點減去他的左邊點，找出隔壁的點和前一點的差值，即如果兩點之間相差的對比度高，即該點的圖像較清晰.

2.2.2 繪制水平方向直方圖

繪制水平方向直方圖以便于觀察，直方圖繪制思想是new一副高度跟源圖像相同的單通道黑色圖像，然后一行一行的掃描，如果每行將前num_h［j］的值賦為白色，這樣就形成了一副簡單的直方圖.

2.2.3 確定車牌長寬

搜索車牌區(qū)域，從上向下掃描，每次掃描20個像素點，找出像素點最大值的起始處.這樣子就可以獲得車牌的高度，而寬度為plate_w =imgTest－ ＞width*WITH_X–1.

2.2.4 確定具體起始點

拿一個車牌大小的矩形區(qū)域從左往右滑動，什么時候圈住的數(shù)據(jù)量最大的時候，就代表找到的車牌的左邊界;此時，車牌左邊界的橫坐標是k.

2.2.5 車牌歸一化

車牌識別后大小是不相同的，需用OpenCV提供的函數(shù)進行歸一化.

2.2.6 字符分割

定位后的圖像應該是由一個漢字和6個字符組成，字符包括漢字和數(shù)字.識別時必須根據(jù)每個字符的特征進行匹配，故要完成識別，需先完成字符分割.

算法如下:

(1)從上到下對圖像逐行掃描，當碰到第一個255的值(即黑色像素點)時，記錄它.然后從下到上對圖像逐行掃描，當碰到第一個255的值時，再次記錄.這樣就得到大致的高度.

(2)在這個高度范圍之內(nèi)自左向右逐列掃描，當碰到第一個255的值時，就認為是字符分割的起始位置，然后繼續(xù)掃描，直到某一列沒有黑色像素點，則掃描結束.

3 模式匹配核心算法

3.1 模式識別介紹

車牌識別系統(tǒng)的最后一步就是字符識別，關于識別，有兩種做法，一種是神經(jīng)網(wǎng)絡識別，一種是模板匹配算法，前者雖然識別率高，但是耗時長，后者效率高，識別率也不錯.推薦采用后者，模板匹配流程如圖2所示.

圖2 模板匹配過程

3.2 車牌特征值

3.2.1 車牌特征值提取

車牌識別系統(tǒng)中的特征值可采用33個特征點存儲，其中前25個為將圖像分割成25塊，然后將圖像每塊中黑點數(shù)作為他的特征值存取，后8個特征值是橫縱向8條直接所穿過的黑點數(shù).

由于車牌的字符沒有標準化的圖像可以比較，故需用大量的圖片來選取出最合適的字符圖像.

3.2.2 車牌特征值存儲

得到字符特征后需要字符特征值進行存取，可采用SQLite+XML進行存儲，例如:

圖3 XML特征值串

3.3 字符識別

字符識別是建立在字符分割并細化后，先提取細化后的字符存在結構體中備用.

然后通過數(shù)據(jù)庫接口查詢數(shù)據(jù)庫中所有的字符，并將字符屬性存入XML作為返回值返回到主函數(shù)中進行對比.對比的方法有很多，可采用如下3種方法.

(1)豪斯多夫最小距離判定，小小的改進了下，算法如下:①設定LEN(X)=0，表示X字符模塊初始化;②從上到下，逐行掃描待檢測字符圖像像素，如果是255，記錄為p(x，y);否則繼續(xù)掃描.③在模板圖像上，以p(x，y)為中心的5×5領域內(nèi)，搜索255，尋找與p(x，y)最近的點，并且計算p(x，y)和該點的距離，此距離是待識別圖像和模板圖像在該點的最小距離.如果在5×5領域內(nèi)未搜索到，則認為是20.

④將距離進行累加進LEN(X).

⑤判斷圖像是否掃描結束，如沒結束，轉2.

⑥取LEN(X)在所有字符中的最小值，對應的模板就是要識別的結果.

(2)方差判定，公式如下:

取方差最小值所對應得模板即是要識別的結果.

(3)取差值.

但是由于前兩種方法的時間效率太低，所以最后采用的是第三種方法.

4 結論

該文針對目前我國車牌識別系統(tǒng)存在的問題，研究并提出了一系列在車牌識別處理中的關鍵技術以及核心算法，利用這些關鍵技術和核心算法開發(fā)的車牌自動識別系統(tǒng)較普通的車牌識別系統(tǒng)具有更好的識別率，能夠為將來的智能化交通體系的建立提供一定的借鑒和參考.

［1］沈晶，等.VC++數(shù)字圖像處理典型案例詳解［M］.北京:機械工業(yè)出版社，2012.

［2］Bradski G.Kaehler A.于仕琪，劉瑞禎 譯.學習 OpenCV［M］.北京:清華大學出版社，2009.47.

［3］于仕琪，劉瑞禎.OpenCV教程［M］.北京:北京航空航天大學出版社，2007.89.

［4］馮偉興，等.Visual C++數(shù)字圖像模式識別技術詳解［M］.北京:機械工業(yè)出版社，2010.136.

［5］謝鳳英，趙丹培.Visual C++數(shù)字圖像處理［M］.北京:電子工業(yè)出版社，2011.145.

［6］劉海波，沈晶，郭聳.Visual C++數(shù)字圖像處理技術詳解［M］.北京:機械工業(yè)出版社，2010.12.