車牌號識別算法

   第一部分：車牌識別

1、總體結構     車牌自動識別系統主要分為三大模塊:

     （1）觸發：即前端設備的數據入口處，如測速系統等。

      (2)圖像處理部分：分為圖像采集、車牌定位、字符分割和字符識別四部分。

      (3)無線傳輸系統將所處理得的數據傳送至后端應用系統，如交通違規管理系統，只能停車場系統，安檢系統等。

2、算法部分

      ①前端CCD攝像機：    原始圖像獲取由CCD攝像機及輔助照明裝置組成。獲取圖像質量的好壞直接影響到后端處理和識別的效果. 要獲得比較清晰的圖像, 需要考慮許多影響圖像質量的因素, 主要包括: 攝像頭和圖像卡的選取, 攝像機的位置標定, 汽車的車速, 出入單位的汽車車隊之間的距離, 天氣、光線等情況對攝像機所攝圖像曝光量的影響。    判斷是否有車輛進入觀測區采用圖像差值法來判斷監測區是否有目標進入，即首先將視頻圖像灰度化，然后比較兩幅圖像對應像素點的灰度值，看是否有變化以及變化有多少。圖像差分只能測定監測區中是否有物體經過，但它是否交通車輛，尚未可知。鑒于圖像差分所產生的噪聲、行人、自行車比汽車所占區域小得多，設計尺度濾波器將尺度較小的物體及噪聲濾掉。

       ②車牌定位及預處理左圖為車牌定位的主要算法。完成基本的車牌定位后，還需要對車牌進行一些基本的預處理。包括傾斜矯正與鉚釘和邊框的去除。                                                             

       I、車牌字符的傾斜矯正車牌字符分割的難點在有些車牌是傾的，直接分割效果不好，需要做校正。首先求出車牌的傾斜率，根據此斜率對車牌做旋轉校正。

       II、車牌邊框和鉚釘的去除先驗知識：對于標準車牌，字符間間距為12mm，第2、3個字符間間距為34mm，其中，中間小圓點l0mm寬，小圓點與第2、3個字符間間距分別為12mm。在車牌邊框線的內側，通常有四個鉚釘，他們不同程度地與第2個字符或第6個字符粘連，如果不去除鉚釘，將給第2和第6在字符的識別造成困難。將車牌圖像進行二值化后，圖像僅黑、白二值。白色像素點(灰度值255)取1，黑色像素點(灰度值0)取0，這里采用的是白底黑字模式。對車牌圖像逐行進行從內向外式掃描，當掃描到車牌圖像某一行中，白色像素點的寬度大于某一閥值時(第一個符合條件的行)，則認為是車牌字符的邊沿處，切除這一行以上或以下的所有行。

      ③車牌字符分割右圖為車牌字符分割的主要算法。在此，由于我們的知識有限就不對這些算法做具體介紹了。④字符識別方法字符識別是車牌識別的核心部分。常見的車牌字符識別算法包括六種。我們將他們羅列在右圖中。其中，我們比較感興趣的是基于神經網絡的字符識別算法。下面，我們具體介紹兩種比較簡單且普遍的算法以及基于神經網絡的字符識別算法。

      I、模板匹配車牌字符識別      中國車牌的字符模板分為漢字、英文字母和數字模板，由統計方法構造并保存到數據庫中。模板匹配是將字符模板和標準化了的車牌字符進行匹配來識別字符。

      II、特征匹配車牌字符識別      車牌識別的方法中，可利用的字符特征很多，大致可以分為結構特征、象素分布特征及其他特征。在這里，我們擬重點突破神經網絡法，因為人工神經網絡技術具有非線性描述、大規模并行分布處理能力、高度魯棒性和自學習與聯想等特點，適用于非線性時變大系統的模擬與在線控制。具體步驟如下圖所示：   此外，我們還會嘗試將各種算法結合起來，以揚長避短，如：將遺傳算法與人工神經網絡結合起來，既能利用遺傳算法能并行計算且能快速、全局搜索的優點又能克服神經網絡固有的搜索速度慢且易陷入局部旱熱的缺點等。  由于我們還在大學二年級學習專業基礎課程，對圖像處理的最新算法還不夠了解，我們會在實際操作過程中，選擇一種最優的方案并且結合我們的系統特征提出改進意見。

第二部分：車色以及車標識別

       ①、車身顏色識別顏色特征具有對圖像本身的尺寸、方向、視角等依賴小、魯棒性高等優點，因此在基于內容的圖像索引技術和智能交通系統以及眾多的I業(如造紙、紡織、印刷等)系統中有著極其重要的應用。長期以來，由于各種原因，人們提出了數量眾多的彩色空間模型，主要可分為三類:第一類是基于人類視覺系統(HumanV isionS ystem,H VS)的彩色空間，它包括RGB,H SI,M unsell彩色空間等；第二類是基于特定應用的彩色空間，它包括電視系統中所采納的YUV和YIQ、攝影行業如柯達的YCC、打印系統的CMY (K)彩色空間；第三類是CIE彩色空間(包括CIE XYZ, CIE Lab和CIE Luv等)。這些彩色空間各有優缺點，它們在各自的領域里發揮了重要的作用。我們擬采用RGB彩色空間完成我們的系統。RGB彩色空間在計算機相關領域里應用廣泛，例如用于常見的CRT顯示器等。在RGB彩色空間中，各彩色值用R、G、B三通道值的組合來共同表示，而其相應的通道值是通過圖形采集卡或者CCD傳感器等類似器件中的光感受器來獲得的。其中，各通道值用入射光及其相應光感受器的光敏函數值之和來表示:R= G= B= 其中，S (A)是光譜，R(A)、G(A)和B(A)分別是R,G,B傳感器的靈敏度函數。從上式可以看出，該彩色空間是設備相關的，它與具體捕獲設備的光敏函數相關。然而，由于RGB值易于獲得和在計算機中計算和表示，因此通常可以用來表示其他各彩色空間，即把RGB值轉換為其他彩色空間值。RGB彩色空間的標準色差定義為：           

1）由于不同的彩色對人主觀感受的影響不同，為了更好的表示色差，在本顏色識別子系統中使用經驗色差公式：對于我們擬設計的車身顏色識別系統主要分以下四大步驟完成車身顏色識別

 1．識別區域的選取為了準確識別出車身顏色，識別區域的選取至關重要。

本實驗選取車臉前部靠近排氣扇的部分

      2．顏色直方圖計算對所選區域，計算出現次數最多的顏色。在實際應用中，由于其他彩色空間模型的分量值均可用RGB值來表示，為了計算簡便，在計算顏色直方圖時可僅針對RGB彩色空間模型進行。

      3．色差計算根據相應彩色空間模型的色差計算公式，計算其與  顏色模板間的色差。

      4、顏色識別在得到樣本色與標準色在各個彩色空間模型中的對應色差后，就可以根據其結果進行顏色識別。即選取前一步計算得到的色差中的最小值，作為識別結果。

 ②、車標識別部分毋庸質疑，車牌和車標的自動、實時識別是運動車輛類型精確識別系統中至關重要的兩個部分。目前人們已經提出了眾多的車牌定位算法，主要可以分為兩大類:基于黑白圖像的車牌定位算法和基于彩色圖像的車牌定位算法。基于黑白圖像的車牌定位算法又可以分為多類，如基于特征的車牌定位算法基于自適應能量濾波的車牌定位算法，基于小波變換和形態學處理相結合的車牌定位算法，基于二值投影的車牌定位算法，以及基于遺傳算法的車牌定位算法等。這些車牌定位算法各有優缺點，但他們都可以在一定程度上作為車標定位的參考。車標定位與識別無論在國內還是國外都是一個較為嶄新的領域。由于車標本身固有的特殊性：目標小、相似性大、受尺寸和光照影響大、背景不統一，以及不同汽車公司的車標形狀大小不一致等，使得其精確定位識別成為一個難點。我們將車標識別分為以下幾個主要步驟:

    (l)車牌定位:根據車牌的紋理特征，基于多分辨率分析快速獲取車牌區域 ；

    (2)車頭定位:根據車頭區域能量較高且較為集中的特點，通過OTSU二值化算法 進 行 圖像二值化，然后利用二值投影，并結合車牌位置信息進行車頭快速定位 ；

    (3)中軸定位:在車頭區域內，根據軸對稱性定位車頭中軸；

    (4)車標粗定位:在定位出車頭的基礎上，根據車標與車牌的先驗知識，得到車標經驗搜矩形；

    (5)車標精確定位:在第(4)步的基礎上，利用車標紋理特征進行車標的精確定位。主要包括兩步:一是根據車標區域在垂直方向上具有能量高且相對集中的特點，利用能量增強和自適應形態學濾波進行車標的一次定位；二是利用改進的模板匹配算法進行車標的精確定位。車標識別系統是運動車輛識別系統中的重要組成部分，與車牌識別一樣，它也包括了定位和識別兩項關鍵技術。上圖為車標識別系統結構示意圖，與典型的目標識別系統一樣，它包括了離線的訓練過程和在線的識別過程。在訓練過程中，首先將手工采集得到的車標樣本進行圖像歸一化、尺度歸一化等預處理，然后分別進行模板提取以得到車標標準模板庫。車標標準模板庫中的模板不僅用于車標定位，還用于進行特征提取以得到車標特征模型庫用于車標識別。在定位過程中，除了輸入汽車圖像外，還需輸入車牌的位置信息。這是因為各類車標不具有穩定的紋理特征，且大小、形狀各不相同，所以在復雜的背景下直接利用特征匹配或模板匹配進行車標定位是非常困難的。因此必須利用車牌位置、車輛對稱性等先驗信息進行粗定位，在此基礎上再利用相關圖像處理技術和模板匹配進行精確定位。車標定位以后，車標識別問題就轉化為一個2D形狀的識別問題，這可以通過模板匹配的方法實現。但是在實際采集的圖像中，往往存在光照、噪聲、部分遮擋和形狀相似等問題的影響，常規的模板匹配方法難以達到滿意的識別效果。因此通常還需要一種合適的特征提取和識別方法來輔助進行車標識別，以提高系統的識別率。第三部分：嵌入式按照歷史性、本質性、普遍性要求，嵌入式系統應定義為：“嵌入到對象體系中的專用計算機系統”?！扒度胄浴?、“專用性”與“計算機系統”是嵌入式系統的三個基本要素。對象系統則是指嵌入式系統所嵌入的宿主系統。 嵌入式系統的核心是嵌入式微處理器，

它有4個優點：

     (1) 對實時和多任務有很強的支持能力，能完成多任務并且有較短的中斷響應時間，從而使內部的代碼和實時操作系統的執行時間減少到最低限度；

     (2) 具有功能很強的存儲區保護功能。

     (3) 可擴展的處理器結構，可以迅速地擴展出滿足應用的高性能的嵌入式微處理器；

     (4) 嵌入式微處理器的功耗很低，尤其是用于便攜式的無線及移動的計算和通信設備中靠電池供電的嵌入式系統更是如此，功耗只能為 mW甚至μ W級，這對于能源越來越稀缺昂貴的時代，無疑是十分誘人的。另外，嵌入式實時操作系統提高了系統的可靠性。這些都值得我們去做一個嵌入式車牌識別系統。    考慮到通常車牌以及車標識別算法的運算量大，同時又要滿足實時性要求。因此，我們準備采用32位ARM嵌入式微處理器作為核心單元，以CPLD作為時序控制單元，采用基于ARM 9 S3C 241 C的嵌入式圖像采集處理系統，在內嵌Linux操作系統的草礎上，充分利用了ARM器件體積小、能力強以及功耗低的特點，實現并行數據總線/USB日接口圖像接入、圖像快速處理、圖像信息的本地壓縮存儲和IP化數數據傳輸。該系統可使整個系統簡化電路并且減少占用資源。系統設計構成    整個系統由USB圖像采集子系統，ARM處理子系統和網絡數據傳輸子系統成攝像頭采集現場視頻數據通過U SB傳輸至ARM處理板;ARM處理板內嵌Linux操作系統，采用快速圖像算法對圖像序列進行處理，并根據處理結果采取相應的措施;網絡傳輸子系統可以處理數據上傳監控中心做進一步后續處理，系統結構下圖所示。    ARM圖像處理子系統擬采用S3C 2410處理器，能滿足圖像處理速度的要求；USB圖像接入，可以保證圖像傳輸速度;擴展64M  SD RAM與64M  Flash,大容量的RAM能夠保存多幅圖像，便于圖像的分析與處理;無線網絡接口實現了數據信息的網絡化管理。     當然，以上只是我們的初步設想這些設想都將在我們以后的大量實驗過程中得到論證和優化！

長沙市杰出智能科技有限公司，公司主要經營停車場管理系統、監控系統、防盜系統、樓宇對講、廣播系統、人臉識別門禁控制系統等智能化弱電系統集成工程。