复杂背景下多车牌识别算法的研究与软件系统实

《复杂背景下多车牌识别算法的研究与软件系统实》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、复杂背景下多车牌识别算法的研究与软件系统实第1章绪论1.1选题背景及意义近年来，随着我国汽车产业制造水平和人民生活水平的提升，国内汽车的数量也在持续地增长，根据国家统计局的数据显示，截止2015年底我国汽车保有量达到了1.72亿辆，而这个数字在2009年底时仅仅是0.63亿。随着这一繁荣景象而来的，还有更多亟待解决的技术问题。比如，随着汽车数量的大幅增加，原有的车辆管理系统的性能也应该随之提高，在多辆车同时出现时，如何快速准确地锁定目标车辆，也是非常值得研究的问题。这些技术问题的解决，将会极大地缓解汽车数量的迅猛增长对管理部门造成的压力。目标车辆锁定，是

2、车辆管理系统的基本核心功能。而车牌识别技术正是目标车辆锁定中的关键技术[1]。事实上，各种场景的车辆管理系统都是先通过车牌识别技术对目标车辆进行锁定，提取车牌号码，然后再进行系统预设的下一步功能，实现自动管理。下面是当前智能车辆管理系统的主要应用场景[2,3,4]：随着汽车数量的增加，除了需要不断地加强城市道路的建设与优化道路交通体系之外。最重要的一点是可以通过实施车辆管理系统，引导车辆在合理路段行驶，对不按照道路交通规则行驶的车辆实时登记处罚，对怀有侥幸心理的驾驶员进行有效的震慑，显著提高城市交通系统的效率。现代犯罪分子使用最多的交通工具就是汽车，车辆

3、被盗事件也时有发生，案件发生后，公安一线民警会调取案发场所附近的监控设备，搜索录像中的嫌疑车辆，此时性能优良的车牌识别系统将大大缩短查找录像的时间，全面提升民警的办案效率。.........1.2国内外研究现状虽然车牌自动识别技术在图像处理领域是一项较早开始的研究，并且也取得了一定的研究成果，但是每年仍然有很多的研究人员投身这一领域，不断地改进这项技术。这是因为，与人的眼睛不同，计算机做不到轻易地分辨不同类型的车牌，对于计算机来说，车牌仅仅是一张RGB彩色图像或者灰度图像。从图像或者视频中检测并识别车牌是有一定难度的，并不是简单地数清汽车的数量那样简单。

4、目前，许多研究人员使用的检测车牌的算法，每一个都有一些局限性。大部分算法仅仅对特定某一类图像可以很好地处理，但是对其他的图像的识别率很低。正是这个原因，这个领域的研究一直在进行，但是依然不够完美。典型的自动车牌识别系统主要由以下三个部分组成：车牌定位，字符分割和字符识别。车牌定位即在原始画面中确定车牌区域在图像中的位置[5]。字符分割即在定位好的车牌上将每一个字符独立地分割开，是字符识别之前的一项非常重要的处理步骤[6]。最后一步，识别从车牌上分割出来的字符，在这一步将图像信息转换为字符信息[7]。大部分车牌识别系统都是以通用的方法作为基础，比如人工神经

5、网络(ANN)[8,9],概率神经网络(PNN)[10],光学字符识别(OCR)[11],BP神经网络[12]，支持向量机(SVM)[13],基于区域的彩色分割[14]和模糊算法[15]，尺度不变特征变换(SIFT)[16]等等。在文献[17]中，使用Soble滤波器，定位到车辆的边缘然后进行进一步的识别。在文献[15]中使用最大平均相关高度(MACH)滤波器和R-theta映射技术，实现了车牌识别，而不受车辆尺度和旋转变化的影响。在文献[18]中，使用了光学字符识别(OCR)技术，它将印刷文本的扫描图像转换为计算机编码文本，文献中提出一种基于反馈神经网

6、络的OCR算法,使用两个非重叠的真实的字符图像数据集作为该算法的训练和测试样本。这两个非重叠图像数据集，用来模拟真实世界中的情景。ANN是广泛应用于模式识别中的智能算法。最经常使用ANN的是多层反馈神经网络，这个算法结构简单，可以将要判断的输入值，分类到预定的目标类别集合中。文献[19]和[20]分别使用特征提取和二进制像素值的方法将被分类的信息输入神经网络，前一个是神经网络常用的方法，在不同的环境下都可以达到理想的结果。然而，特征提取通常具有较高的计算复杂度和多余的干扰特征。文献[21]中，针对难以辨认的车牌字符(比如I和1，B和8，O和D)，增加了一

7、个额外的训练，可以对这些区别不大的字符很好地区分。文献[22]提出的方法中，从弹性网格中进行字符特征的提取，将整个字符串作为研究的对象。文中用这一方法结合SVM，对日本车牌进行了测试。测试的范围内含有数字、日文和代表车牌区域的字符串，识别的准确率分别达到了99.5%，98.6%和97.8%。文献[23]中，提出一种双阶段混合OCR系统提高了识别准确率。首先使用四个统计分类器分别独立地识别输入的字符，然后利用贝叶斯方法融合这些独立的输出。其次，如果第一步识别出的字符属于上面提到的相似字符中的任一字符，接着会进一步进入一个深入识别的阶段。.........第

8、2章相关理论基础2.1区域特征矩描述符众所周知，计算机是不认识图像，只认识数字的