車(chē)牌識(shí)別系統(tǒng)的研究背景意義及國(guó)內(nèi)外研究現(xiàn)狀

1、車(chē)牌識(shí)別系統(tǒng)的研究背景意義及國(guó)內(nèi)外研究現(xiàn)狀1車(chē)牌識(shí)別系統(tǒng)的背景1.1 車(chē)牌識(shí)別系統(tǒng)的背景及研究意義1.2 車(chē)牌識(shí)別系統(tǒng)簡(jiǎn)介2 車(chē)牌識(shí)別系統(tǒng)的國(guó)內(nèi)外現(xiàn)狀3車(chē)牌識(shí)別難點(diǎn)1車(chē)牌識(shí)別系統(tǒng)的背景1.1 車(chē)牌識(shí)別系統(tǒng)的背景及研究意義隨著經(jīng)濟(jì)社會(huì)的迅猛發(fā)展，人們的生活水平的提高，機(jī)動(dòng)車(chē)輛的數(shù)量也越來(lái)越多。為了提高車(chē)輛的管理效率，緩解公路上的交通壓力，我們必須找到一種解決方案。而作為汽車(chē)“身份證”的汽車(chē)車(chē)牌，是在公眾場(chǎng)合能夠唯一確定汽車(chē)身份的憑證。我們可以以此為依據(jù)，設(shè)計(jì)一種車(chē)牌識(shí)別系統(tǒng)監(jiān)控各個(gè)車(chē)輛的情況。為此，我國(guó)交通管理部門(mén)對(duì)汽車(chē)車(chē)牌的管理非常重視并制定了一套嚴(yán)格的管理法規(guī)。其中對(duì)汽車(chē)車(chē)牌的制作、安裝、維

2、護(hù)都要求由制定部門(mén)統(tǒng)一進(jìn)行管理。在此基礎(chǔ)上，如果研制出一種能在公眾場(chǎng)合迅速準(zhǔn)確地對(duì)汽車(chē)牌照進(jìn)行自動(dòng)定位識(shí)別的系統(tǒng)(CPR)，那么這將是一件非常有意義的工作，并將極大地提高汽車(chē)的安全管理水平及管理效率。車(chē)輛牌照定位與識(shí)別是計(jì)算機(jī)視覺(jué)與模式識(shí)別技術(shù)在智能交通領(lǐng)域應(yīng)用的重要研究課題之一, 該技術(shù)應(yīng)用范圍非常廣泛, 其中包括: (1) 交通流量檢測(cè)； (2)交通控制與誘導(dǎo)；(3) 機(jī)場(chǎng)、港口等出入口車(chē)輛管理；(4) 小區(qū)車(chē)輛管理；(5) 闖紅燈等違章車(chē)輛監(jiān)控；(6) 不停車(chē)自動(dòng)收費(fèi)；(7) 道口檢查站車(chē)輛監(jiān)控；(8) 公共停車(chē)場(chǎng)安全防盜管理；(9) 計(jì)算出行時(shí)間；(10) 車(chē)輛安全防盜、查堵指定車(chē)輛等

3、。其潛在市場(chǎng)應(yīng)用價(jià)值極大，有能力產(chǎn)生巨大的社會(huì)效益和經(jīng)濟(jì)效益。 如圖1所示，LPR1的部分應(yīng)用：圖1 LPR在收費(fèi)口、道路監(jiān)控和停車(chē)管理中的應(yīng)用近些年,計(jì)算機(jī)的飛速發(fā)展和數(shù)字圖像技術(shù)的日趨成熟，為傳統(tǒng)的交通管理帶來(lái)重大轉(zhuǎn)變。先進(jìn)的計(jì)算機(jī)處理技術(shù)，不但可以將人力從繁瑣的人工觀察、檢測(cè)中解放出來(lái)，而且能夠大大提高其精確度，汽車(chē)牌照自動(dòng)識(shí)別系統(tǒng)就是在這樣的背景與目的下進(jìn)行開(kāi)發(fā)的。汽車(chē)牌照自動(dòng)識(shí)別系統(tǒng)(VLPRS)是對(duì)由公路上配置的攝像頭拍攝的照片進(jìn)行數(shù)字圖像處理與分析，綜合應(yīng)用大量的圖像處理最新成果和數(shù)學(xué)形態(tài)學(xué)方法對(duì)汽車(chē)圖像進(jìn)行平滑、二值化、模糊處理、邊緣檢測(cè)、圖像分割、開(kāi)運(yùn)算、閉運(yùn)算、區(qū)域標(biāo)識(shí)等多

4、種手段以提取車(chē)牌區(qū)域,進(jìn)而達(dá)到對(duì)汽車(chē)牌照的精確定位并最終完成對(duì)汽車(chē)牌照的識(shí)別。 從20世紀(jì)80年代，國(guó)內(nèi)外的研究人員就開(kāi)始了對(duì)車(chē)牌識(shí)別系統(tǒng)的研究。在車(chē)牌識(shí)別的過(guò)程中，雖然運(yùn)用了很多的技術(shù)方法，但由于外界環(huán)境光線變化、光路中有灰塵、季節(jié)環(huán)境變化及車(chē)牌本身被污染而模糊等條件的影響,使得車(chē)牌識(shí)別系統(tǒng)一直處于實(shí)驗(yàn)室階段，得不到很好的應(yīng)用；而且，很多的方法都需要大量的數(shù)值計(jì)算，不能很好地滿足實(shí)時(shí)性要求。為了解決圖像惡化的問(wèn)題，目前采取的辦法是采用主動(dòng)紅外照明攝像或使用特殊的傳感器來(lái)提高圖像的質(zhì)量。雖然提高了識(shí)別率,但是，這同時(shí)也造成了系統(tǒng)的投資成本過(guò)大，應(yīng)用領(lǐng)域變窄，不能普遍推廣應(yīng)用。車(chē)輛牌照定位與識(shí)別

5、是計(jì)算機(jī)視覺(jué)與模式識(shí)別技術(shù)在智能交通領(lǐng)域應(yīng)用的重要研究課題之一, 該技術(shù)應(yīng)用范圍非常廣泛。國(guó)外汽車(chē)牌照識(shí)別系統(tǒng)研究工作已有一定進(jìn)展, 但并不盡合我國(guó)國(guó)情。我國(guó)汽車(chē)牌照的規(guī)范懸掛位置不唯一，并且由于環(huán)境、道路或人為因素造成汽車(chē)牌照污染嚴(yán)重, 這種情況下國(guó)外發(fā)達(dá)國(guó)家不允許上路, 而在我國(guó)仍可上路行駛等。由于我國(guó)汽車(chē)車(chē)牌識(shí)別的特殊性, 采用任何一種單一識(shí)別技術(shù)均難以奏效。目前正在研制的無(wú)源型汽車(chē)牌照智能識(shí)別系統(tǒng)綜合利用了車(chē)輛檢測(cè)技術(shù)、計(jì)算機(jī)視覺(jué)(Computer Vision) 技術(shù)、圖象處理技術(shù)、人工智能技術(shù)和人工神經(jīng)網(wǎng)絡(luò)技術(shù)等, 是一個(gè)比較有發(fā)展前途的車(chē)牌識(shí)別系統(tǒng)。 1.2 車(chē)牌識(shí)別系統(tǒng)簡(jiǎn)介汽車(chē)

6、牌照自動(dòng)識(shí)別技術(shù)可應(yīng)用于道路交通流監(jiān)控、交通事故現(xiàn)場(chǎng)勘測(cè)、交通違章自動(dòng)記錄、高速公路自動(dòng)收費(fèi)系統(tǒng)、停車(chē)場(chǎng)自動(dòng)安全管理、智能園區(qū)管理等方面，在現(xiàn)代交通監(jiān)控和管理系統(tǒng)占有很重要的地位。同時(shí)，汽車(chē)牌照識(shí)別的方法還可應(yīng)用到其它識(shí)別領(lǐng)域，因此汽車(chē)牌照的識(shí)別問(wèn)題己成為現(xiàn)代交通工程領(lǐng)域中研究的重點(diǎn)和熱點(diǎn)問(wèn)題之一。最為常見(jiàn)的車(chē)牌識(shí)別系統(tǒng)結(jié)構(gòu)如圖2：圖2 車(chē)牌識(shí)別系統(tǒng)結(jié)構(gòu)圖汽車(chē)牌照識(shí)別系統(tǒng)的基本工作原理為:根據(jù)采集到的序列圖像對(duì)圖像中的車(chē)輛牌照進(jìn)行搜索、檢測(cè)、定位，并分割出包含牌照字符的矩形區(qū)域，然后對(duì)牌照字符進(jìn)行二值化，并將其分割為單個(gè)字符，歸一化后輸入字符識(shí)別系統(tǒng)進(jìn)行識(shí)別。近年來(lái)，汽車(chē)牌照智能識(shí)別的技術(shù)發(fā)展

7、很快，就其識(shí)別基礎(chǔ)，主要可分為間接法和直接法兩種:間接法是基于IC卡鑒別(REID)或基于條碼的識(shí)別。直接法是基于圖像的汽車(chē)牌照識(shí)別。1、間接法:指通過(guò)識(shí)別安裝在汽車(chē)上的IC卡或條形碼中所存儲(chǔ)的車(chē)牌的信息來(lái)識(shí)別車(chē)牌及相關(guān)信息。IC卡技術(shù)識(shí)別準(zhǔn)確度高，運(yùn)行可靠，可以全天候作業(yè)，但它整套裝置價(jià)格昂貴，硬件設(shè)備十分復(fù)雜，不適用于異地作業(yè);條形碼技術(shù)具有識(shí)別速度快、準(zhǔn)確度高、可靠性強(qiáng)以及成本較低等優(yōu)點(diǎn)，但是對(duì)于掃描器要求很高。此外，二者都需要制定出全國(guó)統(tǒng)一的標(biāo)準(zhǔn)，并且無(wú)法核對(duì)車(chē)、條形碼是否相符，也是技術(shù)上存在的缺點(diǎn)，這給近期在短時(shí)間內(nèi)推廣造成困難。2、直接法:基于圖像的車(chē)牌識(shí)別技術(shù)屬于直接法，是一種無(wú)

8、源型汽車(chē)牌照智能識(shí)別方法，能夠在無(wú)任何專(zhuān)用發(fā)送車(chē)牌信號(hào)的車(chē)載發(fā)射設(shè)備情況下，對(duì)運(yùn)動(dòng)狀態(tài)車(chē)輛或靜止?fàn)顟B(tài)車(chē)輛的車(chē)牌號(hào)碼進(jìn)行非接觸性信息采集并實(shí)時(shí)智能識(shí)別。與間接法識(shí)別系統(tǒng)相比，首先，這種系統(tǒng)節(jié)省了設(shè)備安置及大量資金，從而提高了經(jīng)濟(jì)效益;其次，由于采用了先進(jìn)的計(jì)算機(jī)應(yīng)用技術(shù)，所以可提高識(shí)別速度，較好地解決實(shí)時(shí)性問(wèn)題;再次，它是根據(jù)圖像進(jìn)行識(shí)別，所以通過(guò)人的參與可以解決系統(tǒng)中的識(shí)別錯(cuò)誤，而其他方法是難以與人交互的。直接法一般有圖像處理技術(shù)，傳統(tǒng)模式識(shí)別技術(shù)及人工神經(jīng)網(wǎng)絡(luò)技術(shù)。 圖像處理技術(shù):運(yùn)用圖像處理技術(shù)解決汽車(chē)牌照識(shí)別的研究最早始于80年代，但國(guó)內(nèi)外都只是就車(chē)牌識(shí)別中的某一個(gè)具體問(wèn)題進(jìn)行討論，并且

9、通常僅采用簡(jiǎn)單的圖像處理技術(shù)來(lái)解決，并沒(méi)有形成完整的系統(tǒng)體系，識(shí)別過(guò)程是使用工業(yè)電視攝像機(jī)拍下汽車(chē)的工前方圖像，然后交給計(jì)算機(jī)進(jìn)行簡(jiǎn)單的處理，并且最終仍需要人工干預(yù)，例如車(chē)輛牌照中省份漢字的識(shí)別問(wèn)題，1985年有人利用常見(jiàn)的圖像處理技木方法提出漢字識(shí)別的分類(lèi)是在抽取漢字特征的基礎(chǔ)上進(jìn)行的，根據(jù)漢字的投影直方圖選取浮動(dòng)閉值，抽取漢字在豎直方向的峰值，利用樹(shù)形查表法進(jìn)行漢字的粗分類(lèi);然后根據(jù)漢字在水平方向的投影直方圖，選取適當(dāng)閉值，進(jìn)行量化處理后，形成一個(gè)變長(zhǎng)鏈碼，再用動(dòng)態(tài)規(guī)劃法，求出與標(biāo)準(zhǔn)模式鏈碼的最小距離，實(shí)現(xiàn)細(xì)分來(lái)完成漢字省名的自動(dòng)識(shí)別。 傳統(tǒng)模式識(shí)別技術(shù)。傳統(tǒng)模式識(shí)別技術(shù)指結(jié)構(gòu)特征法，統(tǒng)計(jì)

10、特征法等。90年代，由于計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展，開(kāi)始出現(xiàn)汽車(chē)牌照識(shí)別的系統(tǒng)化研究。1990年AS.Johnson等運(yùn)用計(jì)算機(jī)視覺(jué)技術(shù)和圖像處理技術(shù)實(shí)現(xiàn)了車(chē)輛牌照的自動(dòng)識(shí)別系統(tǒng)。該系統(tǒng)分為圖像分割、特征提取和模板構(gòu)造、字符識(shí)別等三個(gè)部分。利用不同閩值對(duì)應(yīng)的直方圖不同，經(jīng)過(guò)大量統(tǒng)計(jì)實(shí)驗(yàn)確定出車(chē)牌位置的圖像直方圖的閩值范圍，從而根據(jù)特定閩值對(duì)應(yīng)的直方圖分割出車(chē)牌，再利用預(yù)先設(shè)置的標(biāo)準(zhǔn)字符模板進(jìn)行模式匹配識(shí)別出字符。 人工神經(jīng)網(wǎng)絡(luò)技術(shù)2。近幾年來(lái)，計(jì)算機(jī)及相關(guān)技術(shù)發(fā)達(dá)的一些國(guó)家開(kāi)始探討用人工神經(jīng)網(wǎng)絡(luò)技術(shù)解決車(chē)牌自動(dòng)識(shí)別問(wèn)題，例如1994年M.M.M.FANHY等就成功地運(yùn)用了BAM神經(jīng)網(wǎng)絡(luò)方法對(duì)車(chē)牌上的

11、字符進(jìn)行自動(dòng)識(shí)別，BAM神經(jīng)網(wǎng)絡(luò)是由相同神經(jīng)元構(gòu)成的雙向聯(lián)想式單層網(wǎng)絡(luò)，每一個(gè)字符模板對(duì)應(yīng)著唯一個(gè)BAM矩陣，通過(guò)與車(chē)牌上的字符比較，識(shí)別出正確的車(chē)牌號(hào)碼。近年來(lái)，基于圖像的車(chē)牌識(shí)別系統(tǒng)的研制引起了許多學(xué)者的廣泛興趣，但車(chē)牌識(shí)別由于要適應(yīng)各種復(fù)雜背景以及不同光照條件影響，使車(chē)牌分割及識(shí)別增加了難度，目前雖然國(guó)內(nèi)外都有一些實(shí)用的車(chē)牌識(shí)別系統(tǒng)面市。但是，這些系統(tǒng)的應(yīng)用都存在一定的約束，至今車(chē)牌自動(dòng)識(shí)別技術(shù)尚未達(dá)到很完善的程度。2 車(chē)牌識(shí)別系統(tǒng)的國(guó)內(nèi)外現(xiàn)狀車(chē)牌自動(dòng)識(shí)別技術(shù)的研究國(guó)外起步地較早。早在20世紀(jì)80年代，便有一些零零散散的圖像處理方法用于車(chē)牌自動(dòng)識(shí)別的某些具體應(yīng)用。在這個(gè)階段，車(chē)牌自動(dòng)識(shí)別

12、技術(shù)的研究還沒(méi)有形成完整的系統(tǒng)體系，一般采用簡(jiǎn)單的圖像處理方法來(lái)解決某些具體問(wèn)題，并且最終結(jié)果通常需要人工干預(yù)。進(jìn)入20世紀(jì)90年代后，車(chē)牌自動(dòng)識(shí)別的系統(tǒng)化研究開(kāi)始起步。典型的如A.S.Johnson等提出車(chē)輛牌照的自動(dòng)識(shí)別系統(tǒng)分圖像分割(Image Segment)、特征提取(Feature Extraction)和模板構(gòu)造(Template Formation)、字符識(shí)別(CharacterRecognition)等三個(gè)部分，完成車(chē)牌的自動(dòng)識(shí)別。R.A.Lotufo使用視覺(jué)字符識(shí)別技術(shù)(Optical Character Recognition Technology)分析所獲得的圖像，首先

13、在二值化圖像中找到車(chē)牌，然后用邊界跟蹤技術(shù)提取字符特征，再利用統(tǒng)計(jì)最鄰近分類(lèi)器(Statistical Nearest Neighbor Classifying System)與字符庫(kù)中的字符比較，得出一個(gè)或幾個(gè)車(chē)牌候選號(hào)碼，再對(duì)這些號(hào)碼進(jìn)行核實(shí)檢查，確定是否為該車(chē)牌號(hào)碼，最終確定車(chē)牌號(hào)碼。這個(gè)時(shí)期的應(yīng)用在識(shí)別正確率方面有所突破，但還沒(méi)有考慮識(shí)別實(shí)時(shí)性的要求，識(shí)別速度有待進(jìn)一步提高。 由于我國(guó)的車(chē)牌格式和國(guó)外有較大的差異，所以對(duì)于國(guó)外的車(chē)牌識(shí)別系統(tǒng)的研究技術(shù)，我們只能進(jìn)行參考，不能進(jìn)行直接應(yīng)用。雖然我國(guó)車(chē)牌的識(shí)別需要識(shí)別漢字，但是對(duì)于英文字母和數(shù)字的識(shí)別，我們可以借鑒國(guó)外的研究技術(shù)。從80年代

14、中期開(kāi)始，ARGUS英國(guó)Alphatech公司就開(kāi)始了名為RAUS的車(chē)牌自動(dòng)識(shí)別系統(tǒng)的研制。ARGUS的車(chē)牌識(shí)別系統(tǒng)的識(shí)別時(shí)間約為100毫秒，通過(guò)ARGUS的車(chē)速可高達(dá)每小時(shí)100英里。還有Hi-Tech公司的See/Car system,新加坡Optasia公司的VLPRS等。另外日本、加拿大、德國(guó)等發(fā)達(dá)國(guó)家都有適用于本國(guó)的車(chē)牌識(shí)別系統(tǒng)。國(guó)內(nèi)在90年代也開(kāi)始了自己的車(chē)牌識(shí)別系統(tǒng)的研究。目前比較成熟的產(chǎn)品有中科院自動(dòng)化研究所漢王公司的漢王眼，香港亞洲視覺(jué)科技有限公司的慧光車(chē)牌號(hào)碼識(shí)別系統(tǒng)等等。另外西安交通大學(xué)的圖像處理和識(shí)別實(shí)驗(yàn)室、上海交通大學(xué)的計(jì)算機(jī)科學(xué)和工程系、清華大學(xué)人工智能?chē)?guó)家重點(diǎn)實(shí)驗(yàn)

15、室、浙江大學(xué)自動(dòng)化系等都做過(guò)類(lèi)似的研究。雖然這些車(chē)牌識(shí)別系統(tǒng)的識(shí)別率大多都比較高，如95%，甚至97%、98%，但是這些車(chē)牌識(shí)別系統(tǒng)的識(shí)別檢測(cè)結(jié)果大多數(shù)是在簡(jiǎn)單受限制的場(chǎng)景下取得的，在實(shí)際的交通場(chǎng)合以及更加復(fù)雜的背景環(huán)境的情況下，這些車(chē)牌識(shí)別系統(tǒng)的識(shí)別率一般都達(dá)不到90%，甚至更低。3車(chē)牌識(shí)別難點(diǎn)在復(fù)雜環(huán)境下的車(chē)牌識(shí)別率較低的主要原因有： 我國(guó)汽車(chē)牌照自身特征的復(fù)雜性1) 漢字、字母、數(shù)字混合。我國(guó)的車(chē)牌不單單有英文字母和阿拉伯?dāng)?shù)字，還有漢字。由于漢字的復(fù)雜性，在識(shí)別方面難度遠(yuǎn)遠(yuǎn)大于字母和數(shù)字。2) 顏色種類(lèi)多。國(guó)外的車(chē)牌顏色種類(lèi)相對(duì)于國(guó)內(nèi)較少一些，我國(guó)的車(chē)牌顏色種類(lèi)較多。大致可以分為四種：黃

16、底黑字，藍(lán)底白字，白底黑字和黑字白字。3) 人為因素復(fù)雜。由于環(huán)境、道路或者人為因素造成車(chē)牌有嚴(yán)重污漬、車(chē)牌模糊不清或者車(chē)牌偏斜角度很大的車(chē)輛，在我國(guó)都可以上路行駛。在國(guó)外，這種情況是絕對(duì)不行的。4) 車(chē)牌格式多。我國(guó)的車(chē)牌格式很多，包括：民用車(chē)牌、公安警察車(chē)牌、武警車(chē)牌、軍車(chē)車(chē)牌、外交車(chē)牌、特種車(chē)牌、消防車(chē)牌等。5) 懸掛方式多樣化。我國(guó)汽車(chē)車(chē)牌的懸掛方式不唯一，由于不同汽車(chē)公司出產(chǎn)的汽車(chē)型號(hào)和外形各有不同，導(dǎo)致了車(chē)牌的懸掛位置不唯一。 外部環(huán)境影響1) 外部光照條件各不相同，白天和晚上的光照各不相同。光照對(duì)采集的圖像質(zhì)量產(chǎn)生很大的影響。不同的光照角度對(duì)車(chē)牌光照的不均勻影響也很大。不同的氣候條件、背景光照環(huán)境、車(chē)牌