車牌檢測(cè)與識(shí)別系統(tǒng)設(shè)計(jì)

李虎月，郝鵬飛，廖云霞，劉 靖，張順偉，劉立群

(甘肅農(nóng)業(yè)大學(xué) 信息科學(xué)技術(shù)學(xué)院，甘肅 蘭州 730070)

0 引 言

隨著國(guó)內(nèi)交通運(yùn)輸行業(yè)的飛快發(fā)展，相比較于傳統(tǒng)的交通管理系統(tǒng)，智能交通系統(tǒng)的發(fā)展極其重要，它可解決傳統(tǒng)交通運(yùn)輸面臨的一系列問(wèn)題。

而車牌識(shí)別系統(tǒng)在智能交通系統(tǒng)中占有很重要的位置，識(shí)別系統(tǒng)的智能化對(duì)于機(jī)動(dòng)車輛和交通安全的管理有十分大的作用，而車牌照是交通運(yùn)輸車輛管理最為重要的標(biāo)識(shí)。

在如今信息快速發(fā)展的大趨勢(shì)下，利用MATLAB進(jìn)行系統(tǒng)仿真已經(jīng)成為一種趨勢(shì)，它將在各行各業(yè)中發(fā)揮出巨大的作用。

未來(lái)對(duì)車牌的識(shí)別可能會(huì)大力發(fā)展在高速公路上，利用人工智能對(duì)行駛的多輛車能夠同時(shí)實(shí)現(xiàn)車牌的精準(zhǔn)定位和識(shí)別，車牌的準(zhǔn)確識(shí)別也將對(duì)道路的管理起到良好的作用，通過(guò)識(shí)別車牌對(duì)車輛的信息以及駕駛員的相關(guān)信息都可以進(jìn)行采集，道路治安將會(huì)所改善。從20世紀(jì)90年代開始，國(guó)內(nèi)就啟動(dòng)了具有自主知識(shí)產(chǎn)權(quán)的車牌識(shí)別系統(tǒng)的研究。

1 編程語(yǔ)言的特點(diǎn)

在MATLAB內(nèi)部含有許多算法，現(xiàn)在的MATLAB可以實(shí)現(xiàn)600多種數(shù)學(xué)運(yùn)算，而且所有的函數(shù)運(yùn)算都可以解決現(xiàn)實(shí)中的工程問(wèn)題，可以為用戶提供各種各樣需求的計(jì)算[1]。并且在MATLAB中對(duì)圖形化顯示數(shù)組或矩陣是非常強(qiáng)大的，在MATLAB中可以對(duì)數(shù)組或者矩陣的圖像添加注釋，也可以實(shí)現(xiàn)對(duì)數(shù)組或者矩陣圖形的打印和標(biāo)注[2]。MATLAB內(nèi)部的函數(shù)庫(kù)是非常強(qiáng)大的，當(dāng)進(jìn)行復(fù)雜的數(shù)學(xué)運(yùn)算時(shí)，可以直接從MATLAB內(nèi)部函數(shù)庫(kù)中調(diào)用相關(guān)函數(shù)，不僅如此，用戶還可以在計(jì)算中編寫自己的函數(shù)并且存儲(chǔ)到MATLAB的函數(shù)庫(kù)中方便以后使用，也可以通過(guò)代碼實(shí)現(xiàn)用戶之間的資源共享[3]。

2 MATLAB GUI車牌識(shí)別系統(tǒng)的總體設(shè)計(jì)

2.1 總體設(shè)計(jì)分析

首先要分析辨別出車牌的特點(diǎn)，由于在照片采集中會(huì)出現(xiàn)客觀和不確定性等一系列因素，很大程度上影響了車牌識(shí)別的正確率，也正是有了不確定因素的存在，才會(huì)使得車牌識(shí)別工作變得復(fù)雜。系統(tǒng)首先以采集到的圖像為基礎(chǔ)，去定位識(shí)別車牌號(hào)，識(shí)別部分在光照的影響下會(huì)使得采集到的圖像色彩鮮明，車牌識(shí)別由于色彩眾多受到阻礙，故此對(duì)采集到的圖像進(jìn)行預(yù)處理轉(zhuǎn)換，先定位裁剪出車牌區(qū)域并將車牌區(qū)域圖像轉(zhuǎn)換為灰度圖，然后進(jìn)行后續(xù)的字符分割，最后配對(duì)識(shí)別出車牌。這便是基于MATLAB GUI的車牌識(shí)別系統(tǒng)，該方法的具體流程如圖1所示。

圖1 系統(tǒng)總體設(shè)計(jì)

2.2 系統(tǒng)功能模塊規(guī)劃

該系統(tǒng)是由主界面、車牌識(shí)別預(yù)處理界面、定位車牌最終識(shí)別與顯示界面等4個(gè)界面構(gòu)成的。在車牌預(yù)處理界面有：汽車圖像預(yù)處理、車牌區(qū)域定位與切割并轉(zhuǎn)換為灰度車牌圖像[4-5]。首先通過(guò)主界面的車牌識(shí)別系統(tǒng)主按鈕進(jìn)行選擇后進(jìn)入到車牌識(shí)別界面，其次通過(guò)每一個(gè)特定功能按鈕對(duì)圖片進(jìn)行一系列處理操作后將跳轉(zhuǎn)到最終識(shí)別與顯示界面[5]。該系統(tǒng)從一幅車輛圖像中準(zhǔn)確定位出車牌區(qū)域并切割，然后進(jìn)行字符分割、灰度化等，最終實(shí)現(xiàn)車牌識(shí)別[5-6]。基本步驟如圖2所示。

圖2 模塊規(guī)劃圖

3 車牌識(shí)別設(shè)計(jì)結(jié)果

首先讀入圖片，對(duì)讀入的圖片進(jìn)行預(yù)處理，得到灰度圖像，繪制出灰度直方圖，進(jìn)行Robert算子邊緣檢測(cè)、圖像腐蝕、平滑圖像輪廓、擦除小對(duì)象等操作，通過(guò)計(jì)算尋找X和Y方向車牌的區(qū)域完成車牌定位。對(duì)處理后定位出來(lái)的車牌區(qū)域進(jìn)行處理，最終實(shí)現(xiàn)車牌的檢測(cè)并顯示出識(shí)別結(jié)果[6-7]。

對(duì)車牌號(hào)碼為甘AC8G13的車牌照片進(jìn)行系統(tǒng)仿真，系統(tǒng)仿真效果如圖3～圖5所示。

圖3 系統(tǒng)主界面

圖4 汽車圖像讀入處理定位界面(1)

圖5 車牌區(qū)域的處理與車牌識(shí)別界面(1)

通過(guò)對(duì)以上車牌圖片的識(shí)別，車牌識(shí)別結(jié)果明顯，但僅此一次識(shí)別結(jié)果不具有說(shuō)服力，因此對(duì)另一張?zhí)柎a為甘A6U380的車牌圖像進(jìn)行了預(yù)處理、定位、識(shí)別。仿真結(jié)果如圖6和圖7所示。

圖6 汽車圖像讀入處理定位界面(2)

圖7 車牌區(qū)域的處理與車牌識(shí)別界面(2)

4 關(guān)鍵技術(shù)及方法

圖像灰度化：由于最常見的車牌是藍(lán)底白字白邊的車牌，它的顏色的RGB為(0,0,255)、(255,255,255)，從它們的RGB值能看出B通道上數(shù)值相同，但在R、G兩個(gè)通道上數(shù)值相差的就比較大，這樣就方便進(jìn)行灰度化處理。將原圖進(jìn)行灰度化，圖像灰度值H的計(jì)算公式如公式(1)、(2)所示：

H=0.299R+0.587G+0.114B

(1)

(2)

式(1)用的是權(quán)值加重法，式(2)用的是均值法。在本次仿真中將彩色圖像轉(zhuǎn)化為灰度圖像用的函數(shù)rgb2gray()利用的就是權(quán)值法，其優(yōu)點(diǎn)是可以對(duì)圖像的一些區(qū)域進(jìn)行加強(qiáng)，處理后的灰度圖像更加具有針對(duì)性，對(duì)后面的車牌區(qū)域的定位和分割準(zhǔn)確性有所增加。在系統(tǒng)的運(yùn)行中全程過(guò)程可視化，可以利用imshow顯示出灰度圖像，利用imhist繪制出灰度圖像的灰度直方圖與灰度圖像對(duì)比觀察[8-10]。

車牌區(qū)域定位與分割：利用人類對(duì)視覺感知的能力，最佳視覺模型是HSI模型，這個(gè)模型利用色度(hue)、飽和度(saturation)和亮度(intensity)來(lái)表示顏色。亮度表示顏色的明暗程度，主要受光源影響，飽和度表示顏色的深淺，經(jīng)過(guò)均衡化后，灰度范圍變大，相應(yīng)的對(duì)比度變強(qiáng)，可以看到車牌區(qū)域的對(duì)比度增強(qiáng)，字符更為清晰[11-13]。HSI模型中的分量的計(jì)算公式如下：

(3)

(4)

H=

R≠BorG≠B

(5)

其中，S也可以表示為：

S=max(R,G,B)-min(R,G,B)

(6)

式(5)中，H是由RGB的非線性變換得到的。在HSI模型中，HSI三個(gè)分量的相關(guān)性比較低，由于HSI更接近人類對(duì)于顏色的認(rèn)知，所以人眼對(duì)于HSI變化的感知能力要超過(guò)對(duì)RGB的感知能力。而且在HSI空間中，每個(gè)均勻彩色區(qū)域都對(duì)應(yīng)相對(duì)意志的色調(diào)值，這個(gè)值可以用來(lái)指導(dǎo)分割[14-15]。

5 結(jié)束語(yǔ)

主要闡述了利用MATLAB工具通過(guò)對(duì)圖像處理最終實(shí)現(xiàn)對(duì)車牌的識(shí)別，利用MATLAB的圖形用戶界面設(shè)計(jì)簡(jiǎn)單明了的操作界面，利用函數(shù)和算法在存在背景的汽車圖像中實(shí)現(xiàn)對(duì)車牌的定位分割。

利用車牌規(guī)則的特點(diǎn)，對(duì)車牌定位中用到的一些算法，如邊緣檢測(cè)算法，都是容易實(shí)現(xiàn)的，使用也是比較方便的。在這一次的系統(tǒng)設(shè)計(jì)中，車牌識(shí)別結(jié)果顯示明顯，而且操作較為便捷。MATLAB也將在以后的仿真中更進(jìn)一步的發(fā)展，而智能車牌識(shí)別也將是重點(diǎn)研究的方向。