【基于機(jī)器視覺(jué)的車牌單雙號(hào)識(shí)別系統(tǒng)設(shè)計(jì)8900字（論文）】

基于機(jī)器視覺(jué)的車牌單雙號(hào)識(shí)別系統(tǒng)設(shè)計(jì)目錄TOC\o"1-2"\h\u7968第一章緒論 1391.1課題研究背景與意義 2142861.2車牌識(shí)別系統(tǒng)國(guó)內(nèi)外研究成果 3254941.3論文主要研究?jī)?nèi)容 432569第二章車牌識(shí)別系統(tǒng) 5188942.1車牌識(shí)別系統(tǒng)介紹 5251612.2車牌識(shí)別系統(tǒng)應(yīng)用實(shí)例 632278第三章圖像處理識(shí)別 8207693.1圖像預(yù)處理 887323.2濾波處理 8226573.3車牌定位 9251553.4字符分割 108623.5字符識(shí)別 1211829第四章限行檢查 13110504.1限行檢查功能 134754.2一鍵檢查功能 1314803總結(jié) 14第一章緒論在我們現(xiàn)在生活的二十一世紀(jì)，隨著國(guó)民經(jīng)濟(jì)的飛速發(fā)展，人民生活消費(fèi)水平遠(yuǎn)高于上世紀(jì)，汽車的人均占有量也呈爆炸式增長(zhǎng)。根據(jù)公安部公布出的數(shù)據(jù)來(lái)看，截止至2020年底，雖有受到疫情影響，中國(guó)機(jī)動(dòng)車保有量仍高達(dá)3.72億輛，其中汽車占2.82億輛，成為機(jī)動(dòng)車的組成主體。各個(gè)城市的交通系統(tǒng)所承受的如此龐大的交通壓力自然來(lái)自于這日益增長(zhǎng)的汽車量。最近半個(gè)世紀(jì)以來(lái)，機(jī)器視覺(jué)技術(shù)隨著科學(xué)技術(shù)的進(jìn)步不斷發(fā)展創(chuàng)新，也取得了長(zhǎng)足的進(jìn)步。美國(guó)交通部門(mén)于1995年出版發(fā)行了“國(guó)家智能交通系統(tǒng)項(xiàng)目計(jì)劃”，此項(xiàng)計(jì)劃就是智能交通系統(tǒng)的雛形。智能交通系統(tǒng)被廣泛面向交通運(yùn)輸領(lǐng)域，是以現(xiàn)在電子信息技術(shù)為根基的交通體系。是通過(guò)對(duì)信息進(jìn)行采集、處理、發(fā)布和交換等步驟按流程運(yùn)作，實(shí)現(xiàn)交通系統(tǒng)的智能化處理，而交通智能化體系與日常生活中常見(jiàn)應(yīng)用的高度適配性也引領(lǐng)了全球發(fā)達(dá)國(guó)家以及大部分發(fā)展中國(guó)家的交通管控發(fā)展研究熱潮?；A(chǔ)設(shè)施的建設(shè)速度與效率已經(jīng)在飛速發(fā)展的社會(huì)進(jìn)步面前略顯疲乏，城市道路的建設(shè)也匹配不上不上車輛的增長(zhǎng)速度，交通擁堵問(wèn)題也已經(jīng)在制約城市的發(fā)展，而由于擁堵導(dǎo)致的交通事故也造成了大量的人員傷亡以及數(shù)以億計(jì)的財(cái)產(chǎn)損失。而如此龐大的的汽車群體所產(chǎn)生的尾氣污染更是成為人類對(duì)大氣污染的罪魁禍?zhǔn)字唬本?、天津等北方一線城市特色的“霧霾”天氣也不再只是由工廠廢棄導(dǎo)致。雖然近幾年大力推廣電動(dòng)新能源汽車的開(kāi)發(fā)與市售，但始終沒(méi)有重大技術(shù)突破，社會(huì)接受程度還很低，不能對(duì)解決污染問(wèn)題起到關(guān)鍵作用。智能交通系統(tǒng)是結(jié)合了譬如數(shù)據(jù)處理技術(shù)和信息技術(shù)以及傳感器計(jì)算機(jī)技術(shù)等高新技術(shù)的高效便捷的交通運(yùn)管體系，此系統(tǒng)幾乎可以滲透覆蓋到城市的所有角落，基本涵蓋了城市交通的每一個(gè)環(huán)節(jié)，將整個(gè)城市的交通聯(lián)動(dòng)起來(lái)，統(tǒng)一規(guī)劃管理，是當(dāng)前交通管控問(wèn)題的最優(yōu)解。車牌識(shí)別系統(tǒng)作為其中較為基礎(chǔ)的系統(tǒng)環(huán)節(jié)，是采集圖像、預(yù)處理、字符分割、字符識(shí)別等步驟逐步操作構(gòu)成的一個(gè)完整的系統(tǒng)。如圖1.1所示，一個(gè)完整的ITS是由公共交通體系、電子收費(fèi)體系以及交通管理體系等一系列不同系統(tǒng)構(gòu)成的。1.1課題研究背景與意義自從世界上首輛單缸汽油發(fā)動(dòng)機(jī)汽車在十九世紀(jì)80年代由KarlBenz發(fā)明面世到如今汽車年產(chǎn)量超過(guò)九千萬(wàn)臺(tái)以及新能源汽車井噴式發(fā)布的今天，我們生活的時(shí)代也已經(jīng)在人工智能這條路上發(fā)展了很久。信息的智能化處理，已經(jīng)是一些機(jī)械科技公司的必修課，并且扎根在到每個(gè)人的日常生活中。而車輛在人類生活中扮演的角色也是越來(lái)越重要，智能交通管理系統(tǒng)ITS的出現(xiàn)也順應(yīng)了科學(xué)技術(shù)發(fā)展走向。其中汽車牌照識(shí)別(VehicleLicensePlateRecognition，VLPR)正是陸路公共交通信息技術(shù)系統(tǒng)應(yīng)用到陸路公共交通環(huán)節(jié)中的主要研究發(fā)展方向。國(guó)內(nèi)的陸路交通壓力不僅體現(xiàn)在陸路運(yùn)輸環(huán)節(jié)，更是體現(xiàn)在尾氣排放對(duì)于環(huán)境的污染以及城市的道路通行壓力上。國(guó)內(nèi)最早是北京在2008年奧運(yùn)會(huì)期間開(kāi)始實(shí)行單雙號(hào)限行政策，目的一是減輕奧運(yùn)期間大量私家車出行導(dǎo)致的交通負(fù)擔(dān)，其二是減少城市中的汽車尾氣排放，給世界展示最好的中國(guó)首都面貌。至此之后，全國(guó)各大城市陸續(xù)在交通管制中加入限行規(guī)則來(lái)減輕城市交通壓力。車牌識(shí)別系統(tǒng)的實(shí)現(xiàn)需要設(shè)備與計(jì)算機(jī)之間的配合來(lái)實(shí)現(xiàn)。傳統(tǒng)的人力監(jiān)管已經(jīng)逐漸顯露出嚴(yán)重的弊端，不但容易造成人為疏漏，更是占用社會(huì)人力資源。整個(gè)社會(huì)都在向無(wú)人化、智能化系統(tǒng)發(fā)展，交通管控也不例外，其中車輛管控，道路監(jiān)控和公共交通這三大部分正是組成智能交通系統(tǒng)的核心。智能交通系統(tǒng)的出現(xiàn)不單是交通發(fā)展的新向標(biāo)，更是解決社會(huì)快速進(jìn)步伴隨經(jīng)濟(jì)迅速發(fā)張導(dǎo)致和基礎(chǔ)交通設(shè)施搭建不協(xié)調(diào)問(wèn)題的最優(yōu)解。交通擁堵問(wèn)題看是簡(jiǎn)單的小問(wèn)題，但實(shí)際上已經(jīng)制約了各國(guó)社會(huì)發(fā)展的腳步。能夠合理并充分的運(yùn)用車牌識(shí)別技術(shù)來(lái)解決是重中之重，因此世界上很多國(guó)家早已開(kāi)始了車牌識(shí)別相關(guān)研究。不同于美國(guó)的自由隨機(jī)組合，目前我國(guó)國(guó)內(nèi)的車牌位數(shù)為七位，規(guī)則與日本車牌規(guī)則相類似，都是由地名為起始位用漢字來(lái)標(biāo)識(shí)，第二位根據(jù)所在城市級(jí)別按字母排序，剩下五位由0到9共十個(gè)阿拉伯?dāng)?shù)字和除I和O以外24個(gè)英文字母共34個(gè)獨(dú)立字符隨機(jī)組合而成。最常見(jiàn)的為藍(lán)色底色，此外還有白色、黃色或黑色等不同用途特殊底色的車牌。因此，即便國(guó)外的識(shí)別技術(shù)已經(jīng)相對(duì)成熟，我們也不能直接拿來(lái)就用，需要開(kāi)發(fā)正真適用于我國(guó)車牌規(guī)則的車牌識(shí)別系統(tǒng)。本文意在設(shè)計(jì)一種應(yīng)用于停車場(chǎng)或者住宅小區(qū)的出入口的車牌單雙號(hào)識(shí)別系統(tǒng)，基于機(jī)器視覺(jué)技術(shù)并用MATLAB工程軟件進(jìn)行設(shè)計(jì)，響應(yīng)號(hào)召，幫助實(shí)現(xiàn)限行政策，為城市交通壓力的緩解貢獻(xiàn)一份力量。1.2車牌識(shí)別系統(tǒng)國(guó)內(nèi)外研究成果1.2.1國(guó)外研究成果對(duì)于智能交通系統(tǒng)中車牌識(shí)別這一方向的探究，由于社會(huì)性質(zhì)的原因，國(guó)外的工業(yè)發(fā)展起始時(shí)間要早于國(guó)內(nèi)，其中對(duì)于車牌識(shí)別算法的研究大概在二十世紀(jì)后期就已經(jīng)逐步開(kāi)展，時(shí)至今日已經(jīng)獲得了相當(dāng)豐富的處理經(jīng)驗(yàn)，為我們提供了一些汽車牌照識(shí)別系統(tǒng)的范例。在亞洲國(guó)家中，以日本為首的發(fā)達(dá)國(guó)家在此領(lǐng)域已經(jīng)探尋了很多年，也已經(jīng)有了很多已經(jīng)大范圍應(yīng)用到現(xiàn)實(shí)生活中并對(duì)我們研究有幫助的成果。譬如已經(jīng)在日本高速公路收費(fèi)管理系統(tǒng)中發(fā)揮作用的車牌識(shí)別系統(tǒng)LUIS，其對(duì)于車牌的誤識(shí)率和漏識(shí)率基本保持在30%的概率。新加坡作為亞洲的另一個(gè)著名發(fā)達(dá)國(guó)家，其國(guó)內(nèi)的亞選公司所開(kāi)發(fā)的被命名為維康VIS的車牌識(shí)別系統(tǒng)，其對(duì)靜態(tài)車牌的識(shí)別偏差控制在5%左右，已應(yīng)用于香港地區(qū)的車牌規(guī)格識(shí)別系統(tǒng)。另外，在國(guó)際上較為出名的還有以色列Hi-Tech公司推出的See/Car系統(tǒng)，已經(jīng)被很好地利用在車輛出入控制，停車場(chǎng)管理等日常應(yīng)用場(chǎng)景中。其是依靠視覺(jué)相關(guān)傳感器來(lái)捕獲車牌信息從而實(shí)現(xiàn)基于視覺(jué)處理技術(shù)的車牌識(shí)別系統(tǒng)。1.2.2國(guó)內(nèi)研究成果國(guó)內(nèi)研究者取得的科研成果以及設(shè)計(jì)出的產(chǎn)品在數(shù)量已經(jīng)功能性上也是相當(dāng)可觀的，雖然起步相較于國(guó)外較晚。在政府和地方大力支持下，針對(duì)我國(guó)實(shí)際情況的車牌識(shí)別研究大約在上世紀(jì)九十年代開(kāi)展的。我國(guó)現(xiàn)有車牌不僅由含有數(shù)字、英文還有漢字這三種字符進(jìn)行隨機(jī)組合排列，種類也包含有民用類型、軍用類型、警用類型、政府機(jī)關(guān)部門(mén)等多種不同類型。因此我們并不能直接購(gòu)買(mǎi)國(guó)外現(xiàn)成的技術(shù)，而要根據(jù)中國(guó)的特有狀況來(lái)進(jìn)行研究并開(kāi)發(fā)真正適合國(guó)內(nèi)的車牌識(shí)別技術(shù)。國(guó)內(nèi)在1990年左右起始就已經(jīng)慢慢有了相關(guān)車牌識(shí)別系統(tǒng)的若干開(kāi)發(fā)研究。國(guó)內(nèi)目前的主要應(yīng)用實(shí)例有國(guó)家計(jì)委、科技委組織共同開(kāi)發(fā)的SUATS識(shí)別系統(tǒng)；還有已經(jīng)被廣泛應(yīng)用于各地停車場(chǎng)的有成都臻識(shí)科技開(kāi)發(fā)的火眼臻睛車牌識(shí)別系統(tǒng)以及由廈門(mén)宸天自主開(kāi)發(fā)的SupPlateOR車牌識(shí)別系統(tǒng)。此外目前國(guó)內(nèi)關(guān)于車牌識(shí)別的研究也已經(jīng)走進(jìn)了校園中，其中比較完善的由昆明理工大學(xué)與北京世通鑫宇公司開(kāi)發(fā)并投入使用的大門(mén)道閘自動(dòng)識(shí)別系統(tǒng)以及與軟杰智能合作的西北工業(yè)大學(xué)項(xiàng)目等。1.3論文主要研究?jī)?nèi)容本篇論文旨在設(shè)計(jì)出一種可以應(yīng)用于停車場(chǎng)或者住宅小區(qū)的識(shí)別車牌單雙號(hào)并判斷出是否限行的車牌識(shí)別系統(tǒng)，采用mat-lab工程軟件進(jìn)行編寫(xiě)并仿真出結(jié)果達(dá)到論文研究目的。第二章車牌識(shí)別系統(tǒng)2.1車牌識(shí)別系統(tǒng)介紹車牌識(shí)別技術(shù)是一項(xiàng)結(jié)合了車牌圖像檢測(cè)、識(shí)別處理，提取出車牌信息的綜合技術(shù)。它有著很廣泛的應(yīng)用場(chǎng)景，可以安置在我們生活中很多環(huán)境中，需要機(jī)器視覺(jué)技術(shù)、神經(jīng)網(wǎng)絡(luò)技術(shù)、信號(hào)處理和數(shù)字圖像識(shí)別技術(shù)等很多技術(shù)相互協(xié)作來(lái)實(shí)現(xiàn)完整運(yùn)作。對(duì)于車牌識(shí)別操作，目前常用的分別為IC識(shí)別以及圖像識(shí)別法：IC識(shí)別，就是將存有車輛信息的IC識(shí)別卡或者可以供識(shí)別的條碼安裝在車輛前擋風(fēng)玻璃的正上方，通過(guò)識(shí)別監(jiān)控設(shè)備掃描后獲取該車的全部聯(lián)網(wǎng)信息；圖像識(shí)別法為本文所采用研究的車牌識(shí)別方法，這種方法不需要在車輛上設(shè)置任何記錄信息的設(shè)備，將所有車倆信息匯總為一個(gè)可以聯(lián)網(wǎng)的數(shù)據(jù)庫(kù)，依靠設(shè)置在路口、收費(fèi)站或停車場(chǎng)等場(chǎng)景的圖像采集設(shè)備采集車輛整體圖像，經(jīng)過(guò)一系列計(jì)算處理，得到所需要的車牌信息，在放到數(shù)據(jù)庫(kù)中，與庫(kù)中車牌數(shù)據(jù)進(jìn)行比對(duì)，獲取當(dāng)前車輛信息。圖像識(shí)別法會(huì)運(yùn)用到人工神經(jīng)網(wǎng)絡(luò)以及圖像處理等技術(shù)。車牌識(shí)別系統(tǒng)一共有五大步驟，分別為圖像采集、圖像預(yù)處理這兩項(xiàng)識(shí)別前的準(zhǔn)備工作以及車牌定位、字符分割、字符識(shí)別等依靠程序?qū)崿F(xiàn)的技術(shù)操作，最終輸出結(jié)果。首先的圖像采集就是利用視覺(jué)傳感器來(lái)實(shí)現(xiàn)，例如攝像頭，架設(shè)在某一可以采集到完整圖像的固定視角，通過(guò)攝像技術(shù)來(lái)獲取車輛在通過(guò)時(shí)的完整圖像。下一步將采集到的完整圖像導(dǎo)入所編寫(xiě)的程序中，進(jìn)行包括色彩空間轉(zhuǎn)化、圖像腐蝕膨脹和邊緣檢測(cè)等一系列預(yù)處理。目的是排除圖像采集環(huán)節(jié)受到光照影響或被污漬遮蓋等對(duì)車牌表面的影響，這一部是整個(gè)識(shí)別系統(tǒng)的必要準(zhǔn)備工作。由于采集到的圖像包含由大量的場(chǎng)景部分以及車身部分所以需要進(jìn)行車牌定位，因此要將車牌區(qū)域準(zhǔn)確的定位出來(lái)，只有將車牌精準(zhǔn)的定位出來(lái)才能進(jìn)行正確的識(shí)別處理。然后進(jìn)行車牌分割處理，按照車牌規(guī)則，車牌中七個(gè)字符的長(zhǎng)寬大小都是相同的。因此可以將車牌在保證每一個(gè)字符完整性的情況下分割為七個(gè)形狀大小相同的部分，即分割成七個(gè)單獨(dú)的字符圖像，一邊接下來(lái)的識(shí)別處理。其中分割結(jié)果的精準(zhǔn)與否影響著整個(gè)系統(tǒng)的結(jié)果，因此為難點(diǎn)。以上所有步驟都是為了字符識(shí)別做準(zhǔn)備。模板匹配法、神經(jīng)網(wǎng)絡(luò)法以及特征統(tǒng)計(jì)匹配法是實(shí)現(xiàn)字符識(shí)別最常見(jiàn)的三種識(shí)別方法。因?yàn)槲覈?guó)車牌規(guī)范較為統(tǒng)一，經(jīng)過(guò)預(yù)處理后分割的字符都較為精準(zhǔn)，清晰完整，所以更適合應(yīng)用建立識(shí)別數(shù)據(jù)庫(kù)的操作較為簡(jiǎn)單的模板匹配法來(lái)進(jìn)行識(shí)別。最后便是將識(shí)別的結(jié)果進(jìn)行存儲(chǔ)并驗(yàn)證，此步驟代表著一個(gè)完整的系統(tǒng)運(yùn)行周期。五個(gè)步驟環(huán)環(huán)相扣，每一步都影響著接下來(lái)步驟的成功率。2.2車牌識(shí)別系統(tǒng)應(yīng)用實(shí)例車牌在每輛汽車達(dá)到上路標(biāo)準(zhǔn)后就與車輛綁定在了一起，也恰恰是因?yàn)檐嚺剖仟?dú)一無(wú)二的，所以每輛車也都都是唯一的?？梢哉f(shuō)每輛汽車的身份憑證就是掛在車頭以及車尾的車牌號(hào)碼，車牌與相對(duì)應(yīng)汽車之間的匹配關(guān)系時(shí)受到法律保護(hù)的，如果私自更改車輛的車牌號(hào)碼，是要付相應(yīng)的法律責(zé)任的，情節(jié)嚴(yán)重者甚至?xí)艿椒傻闹撇谩Ｈ缃褴嚺谱R(shí)別系統(tǒng)相關(guān)實(shí)用場(chǎng)景的設(shè)計(jì)已經(jīng)非常先進(jìn)，可以在對(duì)車輛行駛過(guò)程中不造成任何影響的情況下對(duì)車輛信息進(jìn)行自動(dòng)記錄并進(jìn)行信息的識(shí)別核驗(yàn)。首先在日常生活中最常見(jiàn)的就是設(shè)置在停車場(chǎng)或者居民住宅小區(qū)的車輛出入管理系統(tǒng)。此場(chǎng)景下多為七座及以下的中小型轎車，車身大小不足以影響到圖像采集設(shè)備的角度問(wèn)題。在私家車進(jìn)出停車場(chǎng)或者進(jìn)出居民住宅小區(qū)的時(shí)侯就會(huì)自動(dòng)激活觸發(fā)安裝在進(jìn)出門(mén)關(guān)卡的車牌識(shí)別系統(tǒng)設(shè)備。這種設(shè)備可以對(duì)車輛進(jìn)行包括車輛自身的顏色、具體外形、車牌信息、進(jìn)出的準(zhǔn)確時(shí)間、車輛進(jìn)出的次數(shù)以及車輛進(jìn)出的數(shù)量進(jìn)行精準(zhǔn)的記錄，并且可以與出口的放行設(shè)備之間形成聯(lián)動(dòng)，對(duì)識(shí)別道德車輛信息與已經(jīng)存在數(shù)據(jù)庫(kù)中的信息進(jìn)行比對(duì)認(rèn)證，從而實(shí)現(xiàn)對(duì)于停車場(chǎng)或居民住宅小區(qū)的車流管控。正常情況下，如果驗(yàn)證通過(guò)系統(tǒng)檢查比對(duì)即可輸出放行指令，抬起道閘，使車輛通過(guò)：如果驗(yàn)證識(shí)別檢查未通過(guò)，則不會(huì)抬起道閘，阻止車輛的行進(jìn)。此項(xiàng)系統(tǒng)可以在一定程度上實(shí)現(xiàn)無(wú)人收費(fèi)、自動(dòng)管理等方案，節(jié)省人力資源，降低成本，也對(duì)車主的財(cái)產(chǎn)安全有一定的保障。其次是設(shè)置在十字路口或者高架橋等公路交織路口用于車牌登錄以及車牌驗(yàn)證的車牌識(shí)別系統(tǒng)。此系統(tǒng)可以鏈接至互聯(lián)網(wǎng)以及公安或車輛管理所的數(shù)據(jù)庫(kù)，每輛汽車路過(guò)裝置是便會(huì)觸發(fā)圖像采集裝置，可以直接將采集到的車牌信息與網(wǎng)絡(luò)數(shù)據(jù)庫(kù)中的信息進(jìn)行匹配驗(yàn)證，如果匹配到有在事故中肇事逃逸被警方通緝或者并未通過(guò)綜合年檢卻依然違法上路的車輛以及其它情況時(shí)，即可將車輛在此路口通過(guò)的時(shí)間，以及行駛動(dòng)向等信息發(fā)送給公安部門(mén)，為公安部門(mén)的執(zhí)法處理提供便利，可以很好的提升效率。由于是通過(guò)機(jī)器進(jìn)行識(shí)別，因此可以做到24小時(shí)不間斷運(yùn)行，再加上識(shí)別率高的優(yōu)點(diǎn)，可以避免一定程度上的人為疏漏和判斷失誤，也可以節(jié)省人力資源。汽車交通成為主力交通的今天，交通擁堵?tīng)顩r可謂是世界第一大難關(guān)，對(duì)于整個(gè)城市的運(yùn)轉(zhuǎn)造成相當(dāng)大的阻撓。司機(jī)在駕駛時(shí)通常會(huì)采用收聽(tīng)交通廣播或者用移動(dòng)網(wǎng)絡(luò)進(jìn)行實(shí)時(shí)導(dǎo)航的方式來(lái)規(guī)避擁堵路段。最后一個(gè)應(yīng)用場(chǎng)景就是高速公路。在高速公路應(yīng)用場(chǎng)景中不僅可以在出入收費(fèi)站實(shí)際應(yīng)用，也可以在高速公路途中進(jìn)行對(duì)超速等違章的車輛進(jìn)行檢測(cè)。我國(guó)高速公路的修建工程完成速度快，完成質(zhì)量也非常高，為人們的出行提供了很多便利，但是每日高速的車流量非常巨大，如何有效地實(shí)施管控措施成了難題。多數(shù)高速為國(guó)家或政府貸款進(jìn)行修建，所以會(huì)按照每輛汽車行駛里程來(lái)進(jìn)行階段式收費(fèi)。因此在高速收費(fèi)站的入口和出口設(shè)置車牌識(shí)別系統(tǒng)裝置，對(duì)每一輛駛?cè)牖蝰偝龈咚俟返能囕v運(yùn)行車牌識(shí)別系統(tǒng)，記錄車輛的信息與通行的時(shí)間信息，根據(jù)收費(fèi)規(guī)則，收取適當(dāng)?shù)母咚俟吠ㄐ匈M(fèi)用。國(guó)內(nèi)目前比較常見(jiàn)的收費(fèi)方式有人工收費(fèi)以及ETC自動(dòng)扣費(fèi)，人工收費(fèi)步驟繁瑣需要一定的付費(fèi)收費(fèi)時(shí)間，是造成高速公路收費(fèi)站擁堵的主要原因；而ETC設(shè)備是通過(guò)微波天線或者車載電子標(biāo)簽來(lái)進(jìn)行識(shí)別，其設(shè)備的安裝價(jià)格相對(duì)較為昂貴，普遍為一個(gè)ETC通道搭配四個(gè)人為收費(fèi)窗口。增設(shè)車牌識(shí)別系統(tǒng)，可以更高效的對(duì)車輛信息進(jìn)行識(shí)別，再搭配各大銀行的同車扣款功能進(jìn)行自動(dòng)繳費(fèi)，不僅可以避免人為窗口經(jīng)常出現(xiàn)的逃票、強(qiáng)行闖關(guān)的情況發(fā)生，更可以減少人力成本，很好的提高收費(fèi)站車輛的通過(guò)效率，加快城市節(jié)奏。而設(shè)置在高速路段中，可以與雷達(dá)測(cè)速系統(tǒng)進(jìn)行系統(tǒng)配合，將探頭與識(shí)別裝置設(shè)置在高速路段的隱蔽位置，監(jiān)測(cè)超速車輛并搭配車牌識(shí)別獲取該車輛的準(zhǔn)確信息，為交通警察提供車輛違法信息，使其在收費(fèi)站出口禁行，再對(duì)其實(shí)施處罰。此系統(tǒng)可以以防止司機(jī)在高速公路上存在僥幸心里，違法超速，降低超速釀成嚴(yán)重車禍的幾率。車牌系統(tǒng)已經(jīng)在很對(duì)使用場(chǎng)景下發(fā)揮了其優(yōu)點(diǎn)，便民便公。但是它的劣勢(shì)在于適配研發(fā)以及設(shè)備安裝成本過(guò)高，需要大量的資金以及高性能加算機(jī)運(yùn)行設(shè)計(jì)軟件來(lái)加以輔佐。降低成本，使其真正投入到日常使用中，并將此系統(tǒng)簡(jiǎn)化為更為便捷的純軟件化系統(tǒng)是目前研究人員的研究方向。第三章圖像處理識(shí)別運(yùn)用Mat-labappdesigner（版本2018b）進(jìn)行程序設(shè)計(jì)并設(shè)計(jì)可操作圖形用戶界面（GraphicalUserInterface，簡(jiǎn)稱GUI）。3.1圖像預(yù)處理3.1.1車牌圖像的采集在整個(gè)車牌識(shí)別系統(tǒng)中獲取車輛圖像最常見(jiàn)的方式是運(yùn)用CMOS相機(jī)或者CCD相機(jī)采集得到圖象信息。本文選用CMOS相機(jī)，因?yàn)槠湎噍^于CCD相機(jī)功耗更低且可采集高幀率圖片，集成性也更強(qiáng)。圖像支持.jpg、.bmp、.png以上三種格式。將圖像文件導(dǎo)入程序中后，運(yùn)用imresize函數(shù)重構(gòu)圖像大小。本文選用車牌為山西省（晉）以及北京市（京）車牌，同樣遵循天津市車牌現(xiàn)行規(guī)則。3.2濾波處理濾波是圖像處理的重要部分，是修正或增強(qiáng)圖像的技術(shù)。輸出圖像的任一個(gè)像素值，都是通過(guò)輸入圖像對(duì)應(yīng)像素鄰域內(nèi)的像素值利用一定算法得到的。線性濾波是利用鄰域內(nèi)像素值線性組合算法得到的，而中值濾波是一種非線性濾波技術(shù)，其原理是對(duì)像素鄰域內(nèi)的灰度進(jìn)行排序處理，再對(duì)中心像素的灰度進(jìn)行確定。中值濾波處理能夠有效的濾除掉在鄰域內(nèi)灰度值差值過(guò)大導(dǎo)致的脈沖噪聲，特別是在濾除掉噪聲的同時(shí)，還能保護(hù)信號(hào)的邊緣，使之不像線性濾波技術(shù)一樣容易被模糊?；谄渌惴ê?jiǎn)單且容易操作的特點(diǎn)，也對(duì)硬件的實(shí)現(xiàn)有一定幫助。想要實(shí)現(xiàn)中值濾波需要以下兩個(gè)步驟：1：將圖象中的某個(gè)采樣窗口中奇數(shù)個(gè)數(shù)據(jù)去除后再重新進(jìn)行排序。2：取排序后的中間值來(lái)取代要處理的數(shù)據(jù)。部分程序設(shè)計(jì)如下：app.picdata(:,:,1)=medfilt2(app.picdata(:,:,1));app.picdata(:,:,2)=medfilt2(app.picdata(:,:,2));app.picdata(:,:,3)=medfilt2(app.picdata(:,:,3));imshow(app.picdata,'Parent',app.UIAxes)app.UIAxes.Title.String='濾波圖像';3.3車牌定位3.3.1通道轉(zhuǎn)換與過(guò)濾經(jīng)常用在車牌定位中的顏色空間有RGB色采空間、YUV色采空間和HSV色采空間共三種。其中RGB模型對(duì)光照變化的感知更為靈敏，容易受到光照變化的影響而導(dǎo)致表達(dá)出不均勻的顏色；YUV色彩空間雖不像RGB色彩空間那樣容易受到光照變化的影響，但這對(duì)外界環(huán)境的變化的感知效果很差，對(duì)接下來(lái)需要進(jìn)行的步驟識(shí)別有必然的影響。而相較于以上兩種模型，HSV色彩空間有著類似于人類視力的特點(diǎn)，其對(duì)于顏色的感知情況相對(duì)較均勻，會(huì)更加適配于本系統(tǒng)進(jìn)行處理，有利于車牌定位處理的實(shí)現(xiàn)。本程序首先運(yùn)用unit8(number)函數(shù)將RGB色彩空間轉(zhuǎn)至HSV色彩空間。將大于255的部分全數(shù)強(qiáng)迫置為255，而小于255的部分則保持原樣不進(jìn)行更改。圖3.3為HSV的圖象空間，其中H（Hue）代表色相，他的度量單位是角度，由RED部分起始計(jì)量，紅色、綠色和藍(lán)色的度數(shù)分別為0°、120°、240°。它們相對(duì)應(yīng)的補(bǔ)色黃色、青色和紫色的度數(shù)分別為60°、180°、300°。S(saturation)代表色彩的飽和程度，表示為色彩的鮮艷程度。V(brightness)代表明度，是指眼睛對(duì)光源或物體表面的明暗水平的感知，也指顏色的明暗水平。然后將HSV空間圖像，低于50高于204的置為0，實(shí)現(xiàn)通道過(guò)濾。部分程序書(shū)記如下：hv=uint8(rgb2hsv(app.picdata)*255);imgH=ones(size(app.picdata(:,:,1)));imgS=ones(size(app.picdata(:,:,1)));imgV=ones(size(app.picdata(:,:,1)));imgH(find(hv(:,:,1)<50))=0;imgH(find(hv(:,:,1)>204))=0;imgS(find(hv(:,:,2)<80))=0;imgS(find(hv(:,:,2)>244))=0;imgV(find(hv(:,:,3)<40))=0;imgV(find(hv(:,:,3)>220))=0;3.3.2膨脹處理進(jìn)行形態(tài)學(xué)處理，首先運(yùn)用imfill函數(shù)來(lái)填充圖像區(qū)域和“空洞”，之后再運(yùn)用Imdilate函數(shù)來(lái)對(duì)圖像進(jìn)行膨脹處理，將邊緣擴(kuò)大、加粗，為下一步圖像處理做準(zhǔn)備。膨脹處理步驟可分為如下四步：第一步，取得源圖象每行像素的寬度。第二步建立一幅大小與源圖像相同，全部像素置黑的目標(biāo)圖象。第三步為避免越界，不處置最左側(cè)、最右側(cè)、最上側(cè)以及最下側(cè)的像素，從第2行、第2列起始搜檢源圖像中的像素點(diǎn)，如若當(dāng)前點(diǎn)對(duì)應(yīng)結(jié)構(gòu)元素中為白色的那些點(diǎn)中只要有一個(gè)點(diǎn)是白色，則將所選圖象中的當(dāng)前像素點(diǎn)置為白。第四步循環(huán)實(shí)行第三個(gè)步調(diào)，直至將源圖象全部處理完畢。部分程序設(shè)計(jì)如下：se=strel('disk',2);mypic=imdilate(mypic,SE)3.3.3連通域處理在車牌圖像中，字母和數(shù)字這種連續(xù)無(wú)斷裂的字符所組成的連通的區(qū)域就被稱為連通區(qū)域，簡(jiǎn)稱為連通域。膨脹處理后運(yùn)用regionprops(全稱getthepropertiesofregion)函數(shù)來(lái)判別圖像區(qū)域?qū)傩浴ＭǔＳ脕?lái)統(tǒng)計(jì)被標(biāo)記的區(qū)域內(nèi)的面積分布情況，顯示區(qū)域總數(shù)。L=bwlabel(BW,n)函數(shù)用來(lái)找出這個(gè)二值圖像中的連通區(qū)域，對(duì)于不同的符合當(dāng)前篩選條件的連通區(qū)域(4連通，8連通)分別用不同的標(biāo)號(hào)加以區(qū)分，將結(jié)果數(shù)據(jù)保存在L這個(gè)矩陣?yán)铩Ｍㄟ^(guò)連通域的長(zhǎng)度寬度之比來(lái)判斷鎖定圖像中車牌的位置。我國(guó)國(guó)內(nèi)車牌的規(guī)格為440毫米×140毫米，長(zhǎng)寬比例具體為22：7，但由于采集到的圖像可能出現(xiàn)一定的角度偏差，因此需要擴(kuò)大長(zhǎng)寬比的定位范圍，根據(jù)對(duì)采集到的車牌圖片進(jìn)行測(cè)量，將長(zhǎng)寬比范圍定在大于2小于8的范圍，即2<長(zhǎng)寬比<8。3.3.4裁剪車牌區(qū)域運(yùn)用imcrop函數(shù)進(jìn)行圖像裁剪，將長(zhǎng)寬比大于2小于8的連通域從圖像中裁剪出來(lái)。3.4字符分割由于本系統(tǒng)設(shè)計(jì)為識(shí)別單雙號(hào)限行，因此只需識(shí)別車牌的尾號(hào)，將尾號(hào)從車牌的七個(gè)字符中分割出來(lái)即可。3.4.1灰度化與二值化灰度圖(GrayScaleImage)是對(duì)圖像進(jìn)行灰度化處理得到的圖像結(jié)果，將灰度值映射到一個(gè)新的數(shù)值范圍，又稱灰階圖。在MATLAB中使用一個(gè)灰度級(jí)系統(tǒng)調(diào)色板（R=G=B）來(lái)顯示灰度圖像。默認(rèn)情況下，在24為顏色系統(tǒng)中，調(diào)色板包括256個(gè)灰度級(jí)，在其他系統(tǒng)包含64個(gè)或32個(gè)灰度級(jí)，其基本調(diào)用格式為imshow(I)。在這里是利用rgb2gray函數(shù)來(lái)將RGB圖像轉(zhuǎn)換為灰度圖像。車牌二值化基于亮度閾值從灰度圖、索引圖象或RGB圖像創(chuàng)建二進(jìn)制圖像。程序中利用im2bw函數(shù)進(jìn)行二值化操作，即將灰度圖轉(zhuǎn)換為二值圖像。再利用imclearborder函數(shù)將與圖像邊界相連接的像素全部清除掉。部分程序設(shè)計(jì)如下：graypic=rgb2gray(app.cropplate);level=graythresh(graypic);bwpic=im2bw(graypic,level);pic_blc=bwpic;pic_cln=imclearborder(pic_blc);[rr,cc]=size(pic_cln);wjppic=zeros(size(pic_cln));bw=bwlabel(pic_cln,8);3.4.2連通域處理判斷字符長(zhǎng)寬以及中心點(diǎn)在車牌的位置，先為連通域編號(hào)賦值，在獲取其邊界值與中心值，去除靠左的連通域以及長(zhǎng)度過(guò)長(zhǎng)的連通域，將其面積賦值為0，并將面積進(jìn)行降序排序，按照中心點(diǎn)X坐標(biāo)進(jìn)行升序排序?？蜻x出車牌中聯(lián)通的字符區(qū)域，獲取漢字的位置，最后將尾號(hào)分割出來(lái)。部分程序設(shè)計(jì)如下：sortarray(object,1)=object;sortarray(object,2:5)=stats(object).BoundingBox;cen=stats(object).Centroid;leftimg=imcrop(pic_cln,leftrect);app.pic_cln=pic_cln;app.endpic=imcrop(pic_cln,app.platerect(7,:));imshow(app.endpic,'Parent',app.UIAxes)app.UIAxes.Title.String='車牌尾號(hào)';3.5字符識(shí)別由于只需識(shí)別車牌的尾號(hào)，僅為一個(gè)數(shù)字，因此本文采用模板匹配法，模板匹配法比較簡(jiǎn)單，程序?qū)崿F(xiàn)也相對(duì)其他方法來(lái)說(shuō)也更加便捷，難點(diǎn)在于需要耐心的建立好用于匹配的數(shù)據(jù)庫(kù)。模板匹配法對(duì)于車牌中有缺損字符的情況有一定的抗干擾能力，并且對(duì)車牌小面積污漬遮蓋的情況有更高的識(shí)別效率。模板匹配法需要先建立一個(gè)可以實(shí)現(xiàn)自動(dòng)識(shí)別的代碼表，它是將每一個(gè)獨(dú)立出來(lái)的字符與模板庫(kù)中已存在的字符之間建立相呼應(yīng)的聯(lián)系。當(dāng)完成字符切割處理后，提取出所需要識(shí)別的特征，并將其與添加在模板中的特征字符進(jìn)行逐一比對(duì)，選擇出與庫(kù)中數(shù)據(jù)相差值最小的單位結(jié)果。首先利用char函數(shù)建立自動(dòng)識(shí)別字符代碼表，生成28*28的圖片，將信息按列存儲(chǔ)并形成比對(duì)序列。再對(duì)數(shù)字和字母進(jìn)行處理，部分程序設(shè)計(jì)如下：tcode3=char(['0':'9''A':'Z']);rc=28;tmppic=imcrop(app.pic_cln,app.platerect(7,:));bw=imresize(tmppic,[rcrc]);bw=im2uint8(bw);xu