热点推荐词:

常见问题

基于车牌颜色特征的车牌识别系统

文字:[大][中][小] 手机页面二维码 2019/3/12     浏览次数:    
  基于车牌颜色特征的车牌识别系统
  摘要:<正>介绍了一种基于LabVIEW平台的、通过车牌颜色特征定位的车牌识别方法。本方法在LabVIEW平台利用车牌颜色特征和RGB、HSI等色彩模型特点,进行车牌定位;根据车牌的规定型号,采取比例法实现车牌字符分割;利用LabVIEW的OCR技术识别车牌。通过对车牌图库中的大量车牌进行识别测试,验证了所研发的车牌识别系统软件能够提高识别精度,降低识别成本。
  车牌识别是计算机视觉与模式识别技术在交通管理领域的重要应用,属于智能交通管理系统的关键技术。它通过车牌定位、图像特征处理并提取、字符识别等技术识别牌号的相关信息。
  市场的车辆牌照识别系统多基于车辆探测器获取汽车牌照的静态或准静态图像,再对其进行图像处理实现车牌识别。
  车牌的识别及检测已有众多相关方法和算法;但是车牌识别系统大多存在部分缺陷,在不同外部环境会凸显其局限性。
  因而本文对提高车牌识别精度,降低系统成本等方面进行了相关的研究。本文采取了针对颜色特征提取车牌信息、比例法分割字符的方法,提高了系统准确性,方法简单有效,能够降低系统开发成本。本文配备相应的LabVIEW算法,通过实验并对结果分析,论证了方法可行性。
  车牌定位识别系统概述车牌识别系统包括图像处理、字符识别等信息处理技术。
  车牌识别技术要求将非静止状态汽车牌照从复杂背景中提取并识别,通过车牌特征提取、图像处理、字符识别等步骤,识别颜色、牌号等。图2.1是本文所展示的定位识别系统简略流程图。
  车牌颜色特征的提取按国家规定,车牌底色有黄底、白底、蓝底、黑底,字符有白色和黑色。车牌的形状为44cm×14cm长方形,因此能够通过车牌颜色和形状等特征信息实现车牌定位,主要方法是依靠车牌颜色分割、阈值法和边缘检测获取车牌位置。

  正常情况下拍摄的图片多为RGB格式存储,本文将模型转换成HSI或HSV模型,借助LabVIEW的视觉运动工具包编程实现定位算法,ColorThreshold(颜色阈值)中的ColorModel提供有RGB、HSI、HSV、四种模型。在此基础上扫描模型区域,检查像素范围,采用直方图统计分析重置颜色阈值,调整红色(色相)、绿色(饱和度)和蓝色(亮度值/强度)直方图中的蓝色和红色限,直至所有感兴趣的粒子突出显示,以获得车牌大致位置,如图2.2和图2.3所示。

  对获得的车牌区域图像进行相应的形态学处理。通过形态学运算方法提取图像中的对比度特征,进行车牌检测。在各个Morphlogy形态列表中分别选择一个函数,若有相关需要,可自行设置功能参数,如结构元素、连接或像素框架;在PartideFilter的ParticleFilterlist输入每个过滤条件的参数范围(图2.4);删除不适合所选测量的最小值和最大值范围内的范围的粒子,保持粒子适合所选测量的最小值和最大值所限定的范围,过滤图像。
  总过程见图2.5。
  车牌校正车牌照片与正面视角往往存在一定的角度,角度偏差在中并没有完全解决,所以要对上文初步获取的图像进行校正。常见的校正方法有:基于主元分析的倾斜校正法、基于K-L展开的倾斜校正法、基于Radon变换的倾斜校正法、基于Hough变换的倾斜校正法等等。
  本文选用用Hough变换来处理图像,插入程序,确定车牌号码边缘直线。Hough变换的基本原理有两部分,第一部分是寻找图像边缘点,使用(r,theta)来表示一条直线,r=xcosθ+ycosθ,将前景目标边缘点坐标(X0,Y0)代入方程,对应出参数r-θ平面上的一条曲线;第二部分关于量化统计,将每个假设的图像边缘点代入不同的θ值,θ为离散角度且有180个取值,计算出相应r并对其量化,若在一个小格内,在相应的参数累加单元中加1,统计每个累加单元的取值,大于某个已设定好的阈值,则保留,该点(该组)的参数为图像边缘线的拟合参数。
  操作中首先将初步获得图像二值化、灰度化处理;再插入MATLAB实现Hough变换的函数。在MATLAB中检测边缘线的Hough变换算法如图2.6。
  车牌倾斜多在一定范围内,可将车牌区域分解为上下及左右边框,分别进行识别矫正。先找出图像车牌的上下边框及其倾斜角,进行水平矫正,进而进行垂直矫正(图2.7初步矫正结果比对)。在计算机视觉和自动目标识别系统中,变换应用于边缘检测,处理背景噪声较强,提取稳定,精度高,同时MATLAB自带Hough变换相关函数,减少了步骤的复杂性,这步对车牌定位提取有较大影响。
  车牌字符分割由于车牌自身的污锈、拍摄时光照不均匀以及其他一些外界干扰因素,使车牌图像中存在字符粘连、断裂现象,给字符分割带来一定的难度。常用的字符分割方法有投影法、比例法、轮廓分析和区域生长等。
  国家对车牌规定为:单个字符宽45mm,高90mm,总长440mm,宽140mm,第一二个字符间距为12mm、二三字符间距为34mm,其后相邻字符间距均为12mm。
  本文所采用比例分割法,主要内容有四步:
  ⑴对车牌图像扫描,计算二值化处理后图像的像素和,选取一较小像素及阈值,找到最左端和最右端,切割出最小范围;⑵根据车牌标准,找到第一个字符,并确定其最左端位置,然后按字符间距比来确定其余字符最左端位置;⑶按第一点再分别找出各个字符的最右端;⑷分割各字符。
  图3.1为LabVIEW平台上的VI分割部分,图3.2为分割算法部分。
  识别图像分割结束需对字符进行识别及信息管理,本文采用识别技术。信息管理包括车牌查询、录入,收费及信息统计。
  识别的视觉开发模块中内置了OCR识别,可以在连接数据库后直接进入OCR函数界面识别。OCR函数内部集成的识别模块采用的是模板匹配技术,为了实现字符的识别,要进行大量的匹配训练。
  主要步骤为:识别前,对字符进行训练,目的为使该程序能识别其他图像中同样字符;创建两个ABC字符集,打开OCRSession,加载字符集文件,建立自动识别代码,读取分割出来各个字符;分先后两次识别汉字和字母数字字符,最后返回识别出的字符(图4.1,4.2)。
  识别技术是较为成熟的计算机识别技术,而且方便快捷,大大节省了车牌识别系统的成本,在一定程度上提高了识别的准确率。
  数据库与信息管理识别输入的车牌号信息、和数据库中的信息进行比对为车牌查询。查询信息匹配,则获取时间并在库中添加时间记录;若不匹配,则在数据库中搜索相似车牌进行人工比对;若仍不匹配,则录入外来车辆,根据来者要求另行处理。录入即进入车牌录入界面,输入录入的车牌号及车主信息等,自动添加新信息。
  收费分为计时收费和不记时收费。计费程序含多处字符串、数值转化,如时间字符串转化为数值方可进行计算。计时收费根据车牌号查询其出入时间信息,选择最近一次入车时间,与出车时间进行运算,求出所需支付的费用。不计时收费为提前选定停车时间收取费用,超出选定时间则额外计费。计费算时间差需搜索日期字符串中的“/”,将日月作差转化为小时,加上时间之差,两者之和乘以收费标准即为收费额。
  数据库除总表外,每个车牌号独立拥有一张表,记录其出入、收费记录,总表仅显示最后一次出(入)记录。数据查询、更新、删除等条件中部分内容可直接打字输入,也可通过下拉列表选择相应项。主界面如图4.3所示。
  数据库图库中的大量车牌,可缩短识别时间并达到一定的识别精度。通过与数据库的连接,查询车辆信息实现计费功能,能够快速有效地管理车辆出入。
  结束语

  本文研究了一种基于颜色识别和OCR的车牌定位方法,根据车牌底色的特征进行检测定位,且按固定结构特征对车牌进行分割。根据对算法的运行,精确度可达到95%以上(对张图各个进行定位)。与现有算法的相比,在精确度上有提高,在成本上有所降低,有相对的优势;后续将着重减小计算量,进一步提升运算速度。


本文由 安徽车牌识别系统 整理编辑。

返回上一步
打印此页
在线咨询
在线客服:
133 3565 4420

请扫描二维码访问手机站

[向上]