基于顏色直方圖的車牌識別技術初探

[摘要]圖像識別技術是有著廣泛分布而且重要的應用，無論是在計算機視角、醫學圖像處理，還是工業領域，而其中的代表車牌識別系統則是引用最廣的一個分支。文章基于顏色直方圖的車牌識別系統的部分關鍵技術進行研究，依次從車牌圖像的預處理、車牌定位以及字符識別展開了分析。

[關鍵詞]HSV；直方圖；車牌識別

[DOI]1013939/jcnkizgsc201720151

1前言

在交通管理、車輛監控等應用方面，車牌識別系統廣泛地應用在停車場車輛管理、監控違章車輛，而識別車牌的準確性和速度會影響到采集車牌信息的具體效率。車牌識別需要從包含了較多無用信息量的圖像中提取出車牌區域，并能對其進行相應字符區域的分割，根據字符特征進行識別。現階段車牌識別的正確率仍受到許多因素的干擾，為了算法能達到一個比較高的效率來滿足自動監控的實時性，為了配合智能交通系統的飛速發展，就需要對各個環節進行深入研究和改進，車牌識別技術仍是具有重要意義的研究課題。本文討論特征匹配中的統計方法結合人工神經網絡算法，運用圖像的顏色直方圖來實現實時識別過程。

2基于HSV顏色模式的預處理過程

車牌識別系統一般包括圖像采集、車牌定位、車牌字符分割和字符識別四個部分。本文不討論采集部分的實現。圖像采集以直接添加形式呈現，即將相關識別圖片直接添加入系統。在對圖片進行添加后，需要對圖片中的信息進行處理，尤其是彩色圖片中包含信息量大。而在實時系統中，顏色檢索是一種普遍被應用的方法，指的是給定一個查詢圖像，需要從圖像塊中找到與之顏色類似的圖像，即為圖像顏色直方圖。

常用到的顏色模型有RGB和HSV種模型，早期圖像的檢索方法中多使用RGB模式，其原理是用三原色亮度值疊加，因其疊加會產生復合色，由于光照亮度會影響其三原色的亮度值，因此該模型受光照條件影響，在光照條件復雜的車牌識別環境中去除光照影響是非常困難的。為了消除RGB模式的此項弊端，可以考慮使用HSV顏色模式，這個模式用色度（H）、飽和度（S）和亮度（V）3個分量，單獨一個分量V表示了亮度信息，而另外兩個分量H和S包含了圖像的彩色信息，改變其值從某種純色中獲得不同色調的顏色。HSV顏色模型在車牌識別中優勢是如果不考慮亮度分量，可以排除光照條件的影響，采用另外兩個分量就能區分開不同的顏色區域?；诓杉膱D像多采用RGB模型，且HSV模型在處理效率方面更加出色，所以可以考慮在應用時將RGB模型轉換為HSV模型。轉化過程采取參考文獻[1]中的辦法，其中RGB空間中的向量（r，g，b）轉化為

除了選擇相應的顏色空間外，顏色直方圖的量化也是預處理階段關心的一個問題。顏色直方圖是高位向量數組，需要很大的計算時間，如何量化減少其包含向量個數，量化要求保證差別較大的顏色不能分在同一級，又要保證直方圖不能過大。直方圖距離表示為歐拉距離，此表示的特點是不關心不同級別的直方圖分量，而僅僅關注兩個直方圖的同一量化級，可在其距離中加入不同權值。

根據一般車牌的牌底顏色，要在顏色空間中定位車牌，首先就必須在圖像中找出顏色的區域。根據參考文獻3的建議，其中灰度值255用來標識藍色區域，灰度值200用來標識黃色區域，灰度值150用來標識白色區域，灰度值100用來標識黑色區域，灰度值0用來標識與牌底顏色無關的圖像背景。

3字符分割和識別的研究現狀

字符分割也分為車牌預處理和分割兩部分，先通過對提取出來的車牌部位進行進一步加工去邊框，垂直、水平投影處理成合適的圖片，然后將預處理的圖片分割出來即完成了字符分割功能，在字符識別部分中，模板匹配法是一種特征匹配方法，主要是通過判定測試字符與模板字符間的相似度，將相似性最大的樣本作為輸入字符的所屬類別為結果。如車牌中出現的字符，包括31個省份的簡稱，24個大寫字母以及10個數字可保存為一個識別庫。在識別的時候，以現有樣本和已經提取出來的測試字符作為兩個參數進行比對，得出一個誤差值，取其誤差最小值作為識別結果。此方法原理簡單，但是忽略大量細節，當字符角度出現變化，或者圖片出現污漬等情況，此識別法容易出現錯誤。模板匹配原理直觀簡單，已經得到了普遍的應用。而神經網絡法與模板匹配相比，容錯性高。其原理是識別字符的特征提取用來訓練神經網絡的分類器，通過已經有過大量訓練的分類器將字符識別出來。這個過程需要大量樣本，復雜度高，分類器的訓成需要耗費較長時間，實時系統中難以應用。

本文對基于顏色直方圖的車牌識別系統的部分關鍵技術進行研究，依次從車牌圖像的預處理、車牌定位以及字符識別展開了分析，字符分割為進一步研究內容。

參考文獻：

[1] Smith J R，Chang S FTools and Techniques for Color Image Retrieval[A].In∶SethiIk，Jain，RC，edStorage & Retrieval for Image an Video Databases IV，IS&T/SPIE Proceeding[C].SPIE∶1996，2670，426-437

[2] 吳大勇，魏平，侯朝楨，等一種車牌圖像中的字符快速分割與識別方法[J].計算機工程與應用，2002，38（3）：232-233

[3] 王洪建基于HSV顏色空間的一種車牌定位和分割方法[J].儀器儀表學報，2005，26（8）：371-372

[4] 付煒，趙正則，王大江基于水平灰度跳邊和垂直投影的車牌定位方法[J].電子測量技術，2008，31（3）：61-65

[5] 遲曉君，孟慶春基于投影特征值的車牌字符分割算法[J].計算機應用研究，2006，23（7）：256-257

[基金項目]2015年海南省教育廳教改項目（項目編號：Hnjg2015-56）；2016年海南省教育廳教改項目（項目編號：Hnjg2016-45）；海南熱帶海洋學院2016年校級教育教學改革項目（項目編號：RDJGb2016-37）。

[作者簡介]吳淑婷（1985—），女，黎族，海南屯昌人，碩士，講師。研究方向：軟件工程。