飛凡科技淺析車牌識別原理

車牌識別技術(shù)是指對攝像機所拍攝的車輛圖像或視頻序列，經(jīng)過機器視覺、圖像處理和模式識別等算法處理后自動讀取車牌號碼、車牌類型、車牌顏色等信息的技術(shù)，是人工智能技術(shù)中重要的分支。它的硬件基礎(chǔ)包括觸發(fā)設(shè)備、攝像設(shè)備、照明設(shè)備、圖像采集設(shè)備、識別車牌號碼的處理機，其軟件核心包括車牌定位、字符分割、字符識別等算法。目前已經(jīng)被廣泛應(yīng)用于智能交通系統(tǒng)的各種場合，像公路收費、停車管理、稱重系統(tǒng)、交通誘導(dǎo)、交通執(zhí)法、公路稽查、車輛調(diào)度、車輛檢測等。對于維護(hù)交通安全和城市治安，防止交通堵塞，實現(xiàn)交通全自動化管理有著現(xiàn)實的意義。

車牌識別流程

1、圖像采集

根據(jù)車輛檢測方式的不同，圖像采集一般分為兩種，一種是靜態(tài)模式下的圖像采集，通過車輛觸發(fā)地感線圈、紅外或雷達(dá)等裝置，給相機一個觸發(fā)信號，相機在接收到觸發(fā)信號后會抓拍一張圖像，該方法的優(yōu)點是觸發(fā)率高，性能穩(wěn)定，缺點是需要切割地面鋪設(shè)線圈，施工量大；另一種是視頻模式下的圖像采集，外部不需要任何觸發(fā)信號，相機會實時地記錄視頻流圖像，該方法的優(yōu)點是施工方便，不需要切割地面鋪設(shè)線圈，也不需要安裝車檢器等零部件，但其缺點也十分顯著，由于算法的極限，該方案的觸發(fā)率與識別率較之外設(shè)觸發(fā)都要低一些。北京易泊時代經(jīng)過嚴(yán)格的算法優(yōu)化，這兩種圖像采集模式的識別率和穩(wěn)定性都位居行業(yè)前列。

（易泊地感線圈觸發(fā)模式/視頻觸發(fā)工作模式）

2、預(yù)處理

由于圖像質(zhì)量容易受光照、天氣、相機位置等因素的影響，所以在識別車牌之前需要先對相機和圖像做一些預(yù)處理，以保證得到車牌最清晰的圖像。一般會根據(jù)對現(xiàn)場環(huán)境和已經(jīng)拍攝到的圖像的分析得出結(jié)論，實現(xiàn)相機的自動曝光處理、自動白平衡處理、自動逆光處理、自動過爆處理等，并對圖像進(jìn)行噪聲過濾、對比度增強、圖像縮放等處理。去噪方法有均值濾波、中值濾波和高斯濾波等；增強對比度的方法有對比度線性拉伸、直方圖均衡和同態(tài)濾波器等；圖像縮放的主要方法有最近鄰插值法、雙線性插值法和立方卷積插值等。

（逆光圖像）

（過曝圖像 ）

（有噪聲圖像）

3、車牌定位

從整個圖像中準(zhǔn)確地檢測出車牌區(qū)域，是車牌識別過程的一個重要步驟，如果定位失敗或定位不完整，會直接導(dǎo)致最終識別失敗。由于復(fù)雜的圖像背景，且要考慮不清晰車牌的定位，所以很容易把柵欄，廣告牌等噪聲當(dāng)成車牌，所以如何排除這些偽車牌也是車牌定位的一個難點。為了提高定位的準(zhǔn)確率和提高識別速度，一般的車牌識別系統(tǒng)都會設(shè)計一個外部接口，讓用戶自己根據(jù)現(xiàn)場環(huán)境設(shè)置不同的識別區(qū)域。易泊車牌識別系統(tǒng)針對一些復(fù)雜背景（例如綠化帶、井蓋）的現(xiàn)場，可以進(jìn)行設(shè)定識別區(qū)域的操作。

（基于連通域分析的車牌定位方法流程圖）

4、車牌校正

由于受拍攝角度、鏡頭等因素的影響，圖像中的車牌存在水平傾斜、垂直傾斜或梯形畸變等變形，這給后續(xù)的識別處理帶來了困難。如果在定位到車牌后先進(jìn)行車牌校正處理，這樣做有利于去除車牌邊框等噪聲，更有利于字符識別。目前常用校正方法有：Hough變換法，通過檢測車牌上下、左右邊框直線來計算傾斜角度；旋轉(zhuǎn)投影法，通過按不同角度將圖像在水平軸上進(jìn)行垂直投影，其投影值為0的點數(shù)之和最大時的角度即為垂直傾斜角度，水平角度的計算方法與其相似；主成分分析法，根據(jù)車牌背景與字符交界處的顏色具有固定搭配這一特征、求出顏色對特征點的主成分方向即為車牌的水平傾斜角度；方差最小法，根據(jù)字符在垂直方向投影點的坐標(biāo)方差最小導(dǎo)出垂直傾斜角的閉合表達(dá)式，從而確定垂直傾斜角度；透視變換，利用檢測到的車牌的四個頂點經(jīng)過相關(guān)矩陣變換后實現(xiàn)車牌的畸變校正。易泊時代針對大角度車牌識別仍有很高的識別率。

5、字符分割

定位出車牌區(qū)域后，由于并不知道車牌中總共有幾個字符、字符間的位置關(guān)系、每個字符的寬高等信息，所以，為了保證車牌類型匹配和字符識別正確，字符分割是必不可少的一步。字符分割的主要思路是，基于車牌的二值化結(jié)果或邊緣提取結(jié)果，利用字符的結(jié)構(gòu)特征、字符間的相似性、字符間間隔等信息，一方面把單個字符分別提取出來，也包括粘連和斷裂字符等特殊情況的處理；另一方面把寬、高相似的字符歸為一類從而去除車牌邊框以及一些小的噪聲。一般采用的算法有：連通域分析、投影分析，字符聚類和模板匹配等。污損車牌和光照不均造成的模糊車牌仍是字符分割算法所面對的挑戰(zhàn)，有待更好的算法出現(xiàn)并解決以上問題。

6、字符識別

對分割后的字符的灰度圖像進(jìn)行歸一化處理，特征提取，然后經(jīng)過機器學(xué)習(xí)或與字符數(shù)據(jù)庫模板進(jìn)行匹配，最后選取匹配度最高的結(jié)果作為識別結(jié)果。目前比較流行的字符識別算法有：模板匹配法、人工神經(jīng)網(wǎng)絡(luò)法、支持向量機法和Adaboost分類法等。模板匹配法的優(yōu)點是識別速度快、方法簡單，缺點是對斷裂、污損等情況的處理有一些困難；人工神經(jīng)網(wǎng)絡(luò)法學(xué)習(xí)能力強、適應(yīng)性強、分類能力強但比較耗時；支持向量機法對于未見過的測試樣本具有更好的識別能力且需要較少的訓(xùn)練樣本；Adaboost分類法能側(cè)重于比較重要的訓(xùn)練數(shù)據(jù)，識別速度快、實時性較高。我國車牌由漢字、英文字母和阿拉伯?dāng)?shù)字3種字符組成，且具有統(tǒng)一的樣式，這也是識別過程的方便之處。但由于車牌很容易受外在環(huán)境的影響，出現(xiàn)模糊、斷裂、污損字符的情況，如何提高這類字符和易混淆字符的識別率，也是字符識別的難點之一。易混淆字符包括：0與D、0與Q、2與Z、8與B、5與S、6與G、4與A等。

（污損車牌）

7、車牌識別結(jié)果輸出

將車牌識別結(jié)果以文本格式輸出，包括車牌號，車牌顏色，車牌類型等。

那么有關(guān)車牌識別技術(shù)的判別指標(biāo)，車牌識別技術(shù)的應(yīng)用領(lǐng)域等話題，且聽小編下回詳解！持續(xù)關(guān)注哦！