车牌自动识别系统能将输入的汽车图像通过识别过程,输出为几个字节的字符串,无论在存储空间的占用上还是在管理数据库上都有无可比拟的优越性,在停车场、交通部门的违章监测、路桥收费上有广阔的应用前景。整个车牌识别系统可分为以下的环节(如图1所示)。
在车牌识别的问题上,人们提出了多种方法。包括在车牌定位上使用基于彩色分割或区域生长法等技术;在字符识别上使用基于模板的匹配算法或基于统计的匹配算法等技术。但这些技术往往由于图像的噪声或车牌位置的倾斜等原因造成了图像提取的模糊不清或者定位不准确等问题,使系统的识别率并不很高。作者提出以下的方法设计车牌自动识别系统:对于输入的二值图像采用Hough变换的方法确定出车牌在照片中的位置,然后利用垂直投影法分割出各个不同字符,再通过Fourier变换进行特征提取以及BP神经网络进行训练、匹配,从而得到输出结果。
车牌定位
作为图像的特征,图像的边缘和区域有重要的意义,因此对边缘的检测对于图像的分析和识别也是至关重要的。在车牌的图像当中,车牌是一个具有一定长宽比的矩形,可以采用已知形状的曲线检测(Hough变换)的方法来确定车牌的位置。Hough变换是把图像平面中的点按照待求曲线的函数关系映射到参数空间,然后寻找最大凝聚点,由此最大点确定曲线位置。车牌由四条直线组成,上下平行,左右平行,在此,先把它简化为一条直线的位置检测,再根据平行特性找出四条相关的直线,从而找出车牌的位置。
直线y=kx+b可以映射为参数空间b=-xk+y,但是这情况下不能检测x=c的曲线,因此,使用极坐标的形式表达
r=xcosθ+ycosθ
式中r是直线离原点的法线距离,θ是该法线对x轴的角度,可见直线的Hough变换在极坐标下是一个点,而一点的Hough变换是一正弦曲线。计算Hough变换的方法是将r-θ域量化为许多小格(见图2),对于每一个(x0,y0)点代入的量化值,算出各个r,所得值(经量化)落在某个小格内,便使得该小格的计数累加器加1,当全部(x,y)点变换后,对小格进行检验,有大的计数值的小格对应于共线点,其(r,θ)可用做直线拟合参数。有小的计数值的各小格一般反映非共线点,丢弃不用。为了检测的准确性,理论上r,θ量化得越细越好,但同时计算量要相应增大,所以要兼顾这两个方面的因素来选取量化值。
表格形式的Hough空间
经过对整幅图像的扫描以后,图2的表格充满各种各样的值(假定图像256*256,其值的范围是0~256,可以设定一个值为T(其值<256,如30),把表格中所有大于T的值选出来,其对应的r以及θ就是像素长度大于T的直线的参数。得到了图形中所有的像素大于T的直线后,下一步就是要从这些直线中提取出四条构成车牌四条边的直线。根据矩形对边平行的特点,假定车牌完全没有倾斜,在图2的表中,在θ=0一列里,最接近的两个值所对应的!(设为ra ,rb)就对应了左右两条矩形边(因为车牌的左右两边是大致等长)。同理,在=π/2的一列里,最接近的两个值对应的r(设为rc,rd)就对应了上下两条矩形边。于是矩形四条边的位置是由参数(ra,0)、(ra,0)、(rc,π/2)、(rd,π/2)确定了。假如考虑到车牌的倾斜,那么左右边就不是在π/2+a处了,可能是在π/2+a的附近,于是可从π/2+a开始搜索,直至满足两个r值大致相等的情况(例如在a=θ处)。相应的上下边自然在π/2+a处了。假如在π/2+a处找不到合适的r值,就是说车牌相邻边不严格垂直,可在π/2+a附近进行搜索。还有一种情况就是图像中出现除车牌外的其他矩形,可采取车牌的长宽比固定的这一特性进行排除,如车牌完全没有倾斜且严格垂直的情况,表格内θ=0,r=ra对应的值和θ=π/2,r=rc( 对应的值之比应该在一个比较固定的范围内。
上海祁舜道闸专业服务：上海道闸车牌识别系统，车牌自动识别系统，无人值守停车管理系统，智慧停车场管理，智能人行通道，道闸，智能道闸，智能车位引导系统，停车场无感支付系统，门禁安装 ，人行通道翼闸、三辊闸、速通闸等，上海地区可上面测量，免费设计安装。
官网：www.qishunzn.com
热线：15900830396（微信同号）
电话：021-56161178
地址：上海市宝山区美丹路222号640室（美兰湖地铁站）
邮箱：qishunjianzhu@126.com
业务部：罗先生 15902126928
业务部：刘女士 15221009051
业务QQ：2207171446
