《车牌识别若干问题研究.ppt》由会员分享，可在线阅读，更多相关《车牌识别若干问题研究.ppt（29页珍藏版）》请在三一文库上搜索。
1、一、概况 二、车牌定位 三、字符分割 四、字符识别 五、总结,一、概要,意义 国内外研究现状 车牌介绍,1、意义,车牌识别系统(License Plate Recognition,简称LPR) 车辆牌照的自动识别是计算机视觉与模式识别技术在智能交通领域结合应用的重要研究课题之一，是实现交通管理智能化的重要环节，是智能交通系统的核心。它在高速公路、城市道路、收费站和小区管理等项目管理中占有极其重要的重要地位。,2、研究现状,以色列Hi-Tech公司（See/Car System系列） 德国西门子公司（ARTEM7S系统） 香港Asia Vision Technology公司（VECON产 品）
2、汉王公司的“汉王眼” 亚洲视觉科技有限公司 清华大学人工智能国家重点实验室 上海交通大学的计算机科学与工程系,3、车牌介绍,来源：公安部标准GA36-2007中华人民共和国机动车号牌 车辆牌照有四种类型：民用蓝底白字白框牌照、民用黄底黑字黑框牌照、军警用白底黑字黑框或红字黑框牌照和涉外机构黑底白字白框牌照。,车牌特征：纹理特征、颜色特征、几何特征,二、车牌定位,1、介绍 2、基于形态学的车牌定位 3、基于模板匹配车牌定位 4、对比,1、介绍,目的：在一幅或者一帧图像精确定位出车牌位置 常用的定位算法：,基于灰度信息,基于彩色信息,车牌定位,基于纹理,基于频域,边缘,区域,模板匹配,2、基于模板
3、的车牌定位,流程,灰度图像,原图像,灰度拉伸图像,差分图像,差分图像水平投影,定位后的车牌,3、基于形态学的车牌定位,流程 色彩转换：,基于形态学的车牌定位,灰度拉伸： 设原图像f(i,j)灰度值范围为0,255，灰度拉伸后的图像g(i,j)的灰度值范围为a,b,fi,j和gi,j之间的变换关系为： 水平差分： 也是一种边缘检测算法。由于字符笔画以竖直方向为主,水平差分可以突出字符，减少水平方向干扰区域对车牌区域的影响。水平差分的算子模板为： -1 1,基于形态学的车牌定位,形态学处理： 开运算：先腐蚀再膨胀，可消除噪声 闭运算：先膨胀再腐蚀，可填补空洞，连接有效 目标区域 区域筛选： 车牌大
4、小：440*140 （3.1：1） 对形态学处理后二值图像进行连通域分析，统计，剔除 宽高比小于 k的块,基于形态学的车牌定位,色彩判定： 将车牌候选区域的颜色由RGB空间转换到HSI空间。H为色度（Hue），S饱和度（Saturation），I为亮度（Intensity）。,（a）原图像,（b）灰度图像,（c）灰度拉伸图像,（d）水平差分图像,（e）差分图像二值化,（f）滤波,（g）X方向形态学处理,（h）Y方向形态学处理,(i)块筛选,车牌区域定位,对比,基于模板匹配的方法简单，但是模板大小固定，适应性较差，在背景干扰大的情况下，差分投影图像易出现多峰情况，无法正确定位出车牌。 基于形态学
5、的方法算法在背景干扰大的情况下也有较高的准确率，同时可以进行多车牌定位。但是算法相对复杂，在DSP上实现耗时较长。,三、字符分割,目的：从定位后的车牌中把字符逐个分离开 传统方法：基于垂直投影的分割 基于连通域的分割,四、字符识别,字符识别的实质就是对字形进行识别。 常用的方法： 模板匹配 神经网络(BP) 支持向量机(SVM),模板匹配,模板匹配,标准模板： 提取出来的模板：,结果分析,就模板而言，存在一些相似的字符(如 8 B , 0 D)容易出错，故需要进行二次识别。 但是在实际处理过程中，光照、“脏”车牌等影响，导致二值化的字符不好，也需要对字符进行二次识别。,0(Q) 0(D) S(5) T(7),二次识别： 易识别错的字符对有：0 D Q; 8 B;T 7 Z; 5 S 举例：,模板匹配结果,五、总结,1、实现了一个完整的车牌识别系统 2、通过对原有算法的改进可实现复杂场景下多车牌的定位； 3、通过加入二次识别，提高正确识别率。 完整的车牌识别系统所包含的任何一个环节（定位、分割、识别）都会影响识别结果。每个方面还有很大的进步空间，需要在今后的工作中不断完善。,谢谢你的阅读,知识就是财富 丰富你的人生,谢谢你的阅读,知识就是财富 丰富你的人生,