车牌表面信息识别系统的分析

高群惠汪国强

（黑龙江大学，黑龙江哈尔滨150000）

摘要：在我国经济的飞速发展的条件下，机动车的持有量也不断地在增长，违章违法车辆的数目也与日俱增，如何能够准确识别违法车辆的车牌信息成为了解决这一问题的必要手段。本文介绍了采用图像处理的技术，利用二值化，灰度化处理等算法，最大程度的还原车牌信息，并对未来这一技术的发展做了展望。

关键词：车牌识别；违法车辆；图像处理；还原信息

1.前言

车牌识别技术是现代智能交通系统的重要组成部分，应用十分广泛。车牌识别技术是基于计算机视觉处理、数字图像处理、模式识别等技术，对摄像机拍摄的车辆图像或视频图像进行处理和分析，得到每辆车的车牌号，完成识别过程。为了保障道路交通安全和道路的畅通，识别车辆车牌已经被应用到了各种交通场所。但是识别系统极易受到天气的影响，如雨雪天，雾天阴天等光线不足情况下，会导致识别准确率降低。因此，对于城市交通发展来说，利用图像处理技术对车牌信息识别具有重要的发展意义。

2.车牌识别技术的发展现状

上世纪八十年代左右，国外对于车辆的车牌识别技术已经有了初步的发展，但是早期的车牌识别技术只局限于最基础的图像处理技术，并不能广泛应用于道路交通。如今，国外这一技术已经取得一体、完善的发展，被用于与各大国际机场、高速公路与收费站等。但是国外的这一技术还不能完全应用于我国，主要因为我国车牌照与国外存在很大差异，并且引进这一技术成本昂贵。我国从九十年代中后期开始着手研究这一领域，现在已经取得了很大的进步。

3.车牌识别系统概述

车牌识别系统的主要采集的硬件设备为：高速摄像机、采集器、控制器械、照明系统组成，本文接下来主要介绍识别系统的软件设备和流程。车牌系统的完整识别流程大致是提取原始图像、对图像进行灰度化处理、降噪处理、对灰度化后的图像进行二值化处理、进行车牌区域定位、对车牌的信息进行分割识别、最后输出识别后的图像。车牌识别技术主要应用了数字图像处理技术、计算机识别系统等技术，通过监控摄像头抓拍到的车辆图像进一步确定车牌的位置，通过车牌定位与检测、车牌字符分割、车牌字符识别这三个主要操作步骤来准确识别出车牌表面的信息。随着科技的不断发展，车牌识别系统被广泛应用于各大交通场合，对于车牌识别的准确度也大大提升，所以，车牌识别系统是整个道路交通智能系统的核心。

3.1车牌定位与检测

对于整个车牌识别的系统来说，车牌定位与检测是最复杂也是最基础的一步，合适算法的选取以及算法的准确率是车牌识别技术的关键。这一步骤需要在比较短的时间内确定车牌在车辆上的位置，同时因为车牌的具体位置的识别常常会受到天气条件，以及抓拍角度和位置等影响，所以车牌的定位与检测对于算法选择的鲁棒性和稳定性的选择要求极高。

车牌定位与检测首先通过预处理操作，为了便于处理图像，通常将彩色的车牌进行灰度化处理，来达到增强关键区域的目的。预处理完成后，对车辆上疑似车牌的区域进行粗定位，通过比较长度和宽度进一步辨别出车牌位置。最后对候选车牌区域进行检测、分类识别，排除非车牌的区域。

3.2车牌字符分割

车牌的位置定位完成后，为了提取出车牌上的有效信息，并保证车牌上提取的字符准确清晰，需要通过字符分割算法来进行。牌照字符分割是把车辆牌照所在区域切割成一个个小区域，类似于字符块的处理。经过前一阶段的灰度化处理之后，得到的是一张只有黑色和白色的车牌照图像。

为了便于后续过程的识别，字符分割是极其重要的关键步骤。常见的切割方法分为水平切分和垂直切分两种。但是最近几年开始流行一种利用改进的Otsu算法处理来分割图像，主要采用垂直切分和水平切分相结合的方法。先将车牌进行垂直投影，由于车牌中间存在空白，不存在波峰，将字符分离开。计算出字符相隔的距离，由车牌特点可得到结论，距离最大值是第二个到第三个字符之间。同理，对车牌进行水平投影，去掉没有峰值的空白区域，以此来得到完整的车牌字符。

3.3车牌字符识别

车牌字符识别是整个系统检测的最后一步，现在常用的字符识别方法主要有以下两种：模板匹配算法和分类器。

首先来介绍模板匹配算法的字符识别方法。模板匹配就是将标准的模板与刚刚已经测得的样本进行比对分析，找出彼此之间是否与共同点和不同点。对于解决分类这一问题，模板匹配利用比较未知样本与标准模板之间的距离，离标准模板的距离越近对应的类别标准模板越相似，反之亦然。从未知样本当中找到距离最近的一个样本作为匹配结果，随后完成整个分类过程。

分类器的识别方法目前应用比较广泛，大规模应用于高速公路抓拍，识别准确率也极高。主要的工作原理为提取样本的特征，选择合适的分类算法，可以实现字符的自动分类。在复杂的环境下，模板识别率最高的为SVM分类器算法，此算法提取后的字符，边缘清晰准确，细节保存完整。SVM分类器算法，是一个二分类的算法。完成车牌的信息识别通过构建多个SVM分类器来实现。针对线性不可分的问题，SVM算法通过把低位输入空间映射到高维的特征空间当中，使得全部线性都变得可分，SVM算法的高分类性能主要被大面积应用于样本字符较少的情况。

4.总结与展望

未来，随着我国城市化的快速发展，交通压力将越来越大，智能交通管理将成为未来交通发展的主要方向。作为智能交通管理系统的重要核心，车牌识别系统将得到进一步的支持和发展。专家预测，车牌识别技术将在未来得到更广泛的应用。届时，车牌识别系统行业也将面临重大洗牌，只有拥有独立核心技术和产品质量标准的公司才能在发展竞争中占据主导力量，这也是车牌识别技术快速发展的必由之路。

虽然目前车牌识别技术已经被广泛大面积应用于城市道路交通，但是在车牌识别系统的识别速度、识别准确性以及识别车辆数目等方面还有着很大的发展空间。比如对于车牌采集的硬件设备还可以进一步的提高；可以采用更加快速准确的算法来提取车牌表面的字符；在更加恶劣的极端天气下也可以保证识别车牌的准确度等。现有的车牌识别技术只能一次识别一辆过往车辆，相信以后随着技术的不断提高，利用更加先进合理化的算法，可以一次性识别多辆车辆。在未来的车牌识别系统中，相信还会出现功能更加多样，识别更加快速的发展。

参考文献

[1]杨秀杰,李芳.自适应不同条件的车牌检测算法[J].计算机应用研究:1-5[2017-06-21].

[2]王虹.路径识别要“精确”——高速公路多义性路径识别技术及应用探讨[J].中国交通信息化,2018(09):26-30.

[3]袁义强.基于车牌识别的违章车辆智能检测[D].南京邮电大学,2017.

[4]赖道亮,赵平,钟昆,牛新征.面向车牌字符分割的图像预处理方法研究[J].计算机测量与控制,2018,26(09):250-254.

作者简介：高群惠（1996.01—），男，黑龙江省大庆市人，哈尔滨市南岗区黑龙江大学，电子与通信工程专业2018级，在读硕士，研究方向为图像处理技术；

汪国强（1963.09-），男，黑龙江省哈尔滨市人，黑龙江大学电子工程学院副院长，在职教授，研究方向为图像处理技术及信号检测方向等。