一種車牌檢測與識別系統的設計與實現

楊新年，蘇 暢，高冠福，魏喜雯

（黑龍江工業學院 電氣與信息工程學院，黑龍江 雞西 158100）

0 引 言

當前，智能交通系統已被廣泛應用于人們的生活中。其中，車牌檢測識別系統作為智能交通系統的組成部分，在高速公路、小區入口和停車場等場所被頻繁使用[1-2]。因此，設計具有強魯棒性，可適應多種環境的車牌檢測識別系統具有重要意義。目前，車牌檢測識別系統的研究方法多種多樣，但大致流程基本一致。車牌檢測識別系統通常由圖像輸入、車牌定位、字符分割、字符識別和字符輸出5部分組成，主要流程如圖1所示。本文根據該流程設計并實現了一個能夠對復雜環境下車牌進行檢測識別的系統，并取得了較好的效果。

圖1 車牌檢測識別流程

1 車牌定位

在將圖像輸入到車牌檢測識別系統之后，首先確定圖像中車牌的位置，為之后的車牌字符分割和識別提供基礎。目前，車牌定位一般選用邊緣特征定位車牌的算法、利用匹配模板定位車牌位置的算法和利用顏色特征定位車牌的算法等[3-4]。每種算法都存在優缺點，本文綜合考慮后，選擇經過邊緣檢測后進行形態學處理以通過車牌形狀進行定位的方法，若該方法仍無法精準定位，則進一步通過車牌的顏色特征進行定位，以提高車牌定位的準確率。

1.1 圖像預處理

在進行邊緣檢測之前首先進行圖像預處理，此舉使得后續步驟在取得較好處理效果的同時，能夠加快處理速度。圖像預處理包括圖像去噪和灰度化兩部分。

圖像去噪：因原始圖像在拍攝過程中受多種因素的影響會產生噪聲，所以需通過濾波對原始圖像進行降噪處理。本文選用高斯濾波的方法對圖像進行處理。高斯濾波是一種線性平滑濾波方法，可使用該方法對整幅圖像進行加權平均。

灰度化：因原始圖像是彩色圖像，其所占用空間較灰度圖像大，為了提高系統的運行速度，需要將原始圖像轉化為灰度圖像，以提高后續車牌定位準確率和系統識別效率。

1.2 邊緣檢測

對圖像預處理之后，因車牌與周圍環境有明顯的區分度，所以本文采用Canny算子對圖像進行邊緣檢測，以確定車牌可能存在的位置。Canny算子是一種多級檢測算法，適用于不同的場合，其參數可根據不同的要求進行調整，從而達到較好的邊緣檢測效果。

1.3 形態學處理

在進行邊緣檢測之后，提取的邊緣附近仍存在干擾點和不閉合的邊緣區域，通過形態學的膨脹、腐蝕、開運算和閉運算處理，可消除邊緣區域的大部分噪聲點，同時將車牌的邊緣區域閉合，以提高車牌定位的準確率。

1.4 平滑處理

經邊緣檢測和形態學處理之后，基本可提取出車牌區域的大致輪廓，但仍然可能存在孤立的噪聲點，影響車牌輪廓的精準確定，因此可對圖像進行平滑處理，以消除孤立的噪聲點。

1.5 移除小對象

對圖像進行平滑處理之后會存在多個閉合區域，需要刪除其中的非車牌區域。具體方法：獲取這些位置的左上點坐標和右下點坐標，大致計算該區域的面積，將該區域面積與設定面積值進行比較，排除其中的不可能因素，以確定車牌圖像的位置。

1.6 顏色定位

在移除小對象之后，便可大致確定車牌的位置，但若仍存在定位不準的情況，則再次根據車牌的顏色值排除[5]。由于我國的車牌顏色是固定的，因此可根據設定的顏色閾值進行顏色定位，以精準定位車牌位置。

1.7 圖像矯正

因拍攝角度問題，所得到的車牌有可能是傾斜的，不利于后續字符提取、分割和識別[6]。利用仿射變換法可將該部分圖像進行傾斜矯正，以保證二維圖像的平行性及平直性。

2 字符分割

車牌由7個字符構成，包括1個漢字，1個英文字母以及數字或者英文字母（共計5個）。為識別這些字符，首先需要對其分割。常用于字符分割的方法包括基于圖像直方圖的垂直投影法、基于車牌字符固定間隔的車牌尺寸法以及基于輪廓的車牌字符輪廓檢測法等[7-8]。本文根據國家標準設置字符的間隔范圍，然后通過垂直、水平投影相結合的方法進行字符分割。具體步驟如下：

（1）對車牌圖像進行二值化處理；

（2）對圖像進行垂直投影，獲取對應數值；

（3）比對數值，獲取第一個局部最小值的位置，該位置為車牌在水平方向的邊界；

（4）從左至右重復上述步驟，找到單個字符的水平邊界；

（5）在水平方向上通過重復步驟（2）和步驟（3）來確定垂直方向的邊界，直至完成字符分割。

字符分割效果如圖2所示。

圖2 字符分割效果

3 字符識別

為減少計算量，本文采用一對多分類器。根據車牌的實際情況，排在首位的漢字部分使用31個分類器進行識別，排在后面的數字和英文字符使用34個分類器進行識別。訓練之前，首先提取每個字符的特征并將之保存在.dat文件中，方便后續程序讀取。然后對上述分割好的字符圖像提取對應的特征參數并代入分類函數，由此計算、比較得出相應的預測值。

本文基于Python+OpenCV實現車牌檢測識別系統，具體結果如圖3所示。圖3（a）為通過車牌形狀進行車牌定位識別的結果，圖3（b）為通過顏色進行車牌定位識別的結果。優先進行形狀定位，若經過形狀定位后仍無法排除噪聲影響，則使用顏色定位，定位后進行識別。

圖3 系統識別效果

4 結 語

為了能夠解決復雜環境下的車牌檢測和識別問題，文中設計了一個具有較強魯棒性的車牌檢測識別系統，并基于Python+OpenCV實現。其中車牌定位部分通過車牌顏色和車牌形狀相結合的方法精準定位車牌；字符分割通過垂直、水平投影相結合的方法實現；字符識別使用SVM方法完成，在識別后輸出相關信息。經驗證，系統識別取得了較好的效果。