车牌识别 LPR(License Plate RecognitiON)技术作为交通管理自动化的重要手段和车辆检测系统的一个重
要环节,能经过图像抓拍、车牌定位、图像处理、字符分割、字符识别等一系列算法运算,识别出视野范
围内的车辆牌照号码;它运用数字图像处理、模式识别、人工智能技术对采集到的汽车图像进行处理,能
够实时准确地自动识别出车牌的数字、字母及汉字字符,并以计算机可直接运行的数据形式给出识别结果,
使得车辆的电脑化监控和管理成为现实。
车牌识别技术的任务是处理、分析摄取的视频流中复杂背景的车辆图像,定位、分割牌照字符,最后
自动识别牌照上的字符。为了保证汽车车牌识别系统能在各种复杂环境下发挥其应有的作用,识别系统必
须满足以下要求:
(1)鲁棒性:在任何情况下均能可靠正常地工作,且有较高的正确识别率。
(2)实时性:不论在汽车静止还是高速运行情况下,图像的采集识别系统必须在一定时间内识别出车牌
全部字符,达到实时识别。
车牌识别技术的关键在于车牌定位、字符分割和字符识别三部分,其中车牌定位的准确与否直接决定
后面的字符分割和识别效果,是影响整个 LPR 系统识别率的主要因素,是车牌识别技术中最为关键的一步。
目前车牌定位的方法多种多样, 归纳起来主要有基于纹理特征分析的方法、 基于边缘检测的方法、 基于
数学形态学定位、基于小波分析定位以及基于彩色图像定位等,这些方法各有所长。
1、车牌目标区域特点
车牌定位方法的出发点是利用车牌区域的特征来判断牌照,将车牌区域从整幅车辆图像中分割出来。
车牌自身具有许多的固有特征,这些特征对于不同的国家是不同的。从人的视觉角度出发,我国车牌具有
以下可用于定位的特征:
(1)车牌底色一般与车身颜色、字符颜色有较大差异;
(2)车牌有一个连续或由于磨损而不连续的边框;
(3)车牌内字符有多个,基本呈水平排列,在牌照的矩形区域内存在丰富的边缘,呈现规则的纹理特征;
(4)车牌内字符之间的间隔较均匀,字符和牌照底色在灰度值上存在较大的跳变,字符本身和牌照底内
部都有比较均匀的灰度;
(5)不同图像中牌照的具体大小、位置不确定,但其长宽比在一定的变化范围内,存在 1 个最大值和 1
个最小值。
以上几种特征都是概念性的,各项特征单独看来都非车牌图像所独有,但将它们结合起来可以唯一地
确定车牌。在这些特征中,颜色、形状、位置特征最为直观,易于提取。纹理特征比较抽象,必须经过一
定的处理或者转换为其他特征才能得到相应的可供使用的特征指标。通常文字内容特征至少需要经过字符
分割或识别后才可能成为可利用的特征,一般只是用来判断车牌识别正确与否。
2 、常用的车牌定位算法