智能交通网.docx

智能交通网.docx

《智能交通网.docx》由会员分享，可在线阅读，更多相关《智能交通网.docx（15页珍藏版）》请在冰点文库上搜索。

智能交通网

北京理工大学

工程硕士学位论文中期报告

学号:

2320110426

姓名:

李戈

工程领域:

软件工程

兼职导师:

赵磊

学校导师:

李红松

开题时间:

2012年12月3日

研究生院学位办公室制表

二〇一三年六月八日

兼职指导教师审核意见（根据前期工作情况，综合介绍学员的研究能力、工作量、工作态度及论文工作现状和能否达到预期目标等）

李戈同学的论文工作设计和实现了一个用于车辆信息获取的智能交通视频识别系统，工作包括实现虚车牌定位、车牌字符分割以及车牌字符自动识别的功能。

并通过实现原型系统证明完成的功能已经达到了设计要求。

同时进行了性能测试，验证了原型系统符合设计要求。

该生在论文工作期间态度认真，勤奋好学，能够综合运用所学理论和专业知识，体现出灵活运用各学科知识的综合应用能力和独立研究能力。

论文具有一定的实用价值。

论文工作全部由该生本人独立完成。

论文逻辑性强，文字通顺，论述清晰，结构完整，符合研究生论文要求。

同意进行论文答辩和申请学位。

兼职指导教师签字：

年月日

学校指导教师审核意见（重点审核论文工作内容及进展是否符合硕士学位论文的基本要求和开题报告的工作计划）

李戈同学的论文工作目前进展顺利。

该生目前已经完成目标系统的设计，并通过编程和测试完成了原型系统的开发。

得到的原型系统能够完成开题报告中的主要需求，因此按照目前的进度该生应能够完成系统的开发和论文的撰写。

下一步，该生的主要完成目标系统的编码和测试工作。

完成的论文工作与开题报告方案基本相符，研究工作进展比较顺利，技术路线基本可行，符合开题报告的进度安排。

该生在论文工作期间态度认真，作风严谨，工作量达到要求，工作计划切实可行。

论文中期检查通过，同意继续论文工作。

指导教师签字:

年月日

北京理工大学工程硕士学位论文中期检查考核表

姓名

李戈

入学时间

2011年9月

工程领域

软件工程

论文题目

智能交通视频识别系统的设计与实现

项目来源

自拟题目

专家组成员

姓名

职称

工作单位

学术专长

签字

闫达远

教授

北京理工大学

薛静锋

教授

北京理工大学

戴银涛

副教授

北京理工大学

彭图

副教授

北京理工大学

吴克河

教授

华北电力大学

专家组意见

所做内容是否符合开题报告的要求

课题进展是否正常

论文工作可否继续进行

中期检查结果

（）通过，（）基本通过，（）不通过

专家评语：

论文工作内容符合开题报告的要求，课题进展符合计划要求，同意继续论文工作。

专家组组长签字：

年月日

专家组成员不得少于3名，专家应具有高级职称。

附论文中期检查报告正文部分。

北京理工大学工程硕士学位论文中期报告

智能交通视频识别系统的设计与实现

1.绪论

交通是每个人日常生活的重要方面，同时也是整个国家的战略基础之一，它与政治、经济、军事、环境等多个方面息息相关，四通八达的交通是国民经济的重要基础设施。

伴随着新的信息科技在仿真、实时控制、通信网络等领域的长足发展，智能交通系统开始进入人们的视野。

智能交通系统（IntelligentTransportationSystems，ITS）通过在基础设施和交通工具当中广泛应用信息、通信技术来提高交通运输系统的安全性、可管理性、运输效能，同时也能降低能源消耗和对地球环境的负面影响。

智能交通系统包含多个方面，其在最基本的交通管理系统中的应用，主要包含车辆导航、交通信号控制、集装箱货运管理、自动车牌号码识别、测速相机等。

智能交通视频识别系统最主要的就是要完成车牌号码的自动识别。

车牌作为车辆的“身份证”其主要特征就是唯一性，所以只要能够确定车辆的车牌那么就能实现对车辆的识别。

车牌作为车辆的唯一“身份”，只要完成了车牌识别就能够完成车辆的识别，因此智能交通视频识别系统所做的就是要完成车辆车牌的自动识别。

车牌识别系统是一种多技术的融合，是以数字图像处理、模式识别、计算机视觉技术为基础的综合研究。

该系统可以从视频图像中自动定位车牌位置并将字符进行分割通过一定方法识别出分割的字符。

该系统可以分为软硬两个部分，硬件系统主要包含图像采集设备（摄像头、摄像头安装支架、辅助光源等）、图像传输设备（图像采集卡）、图像处理设备（计算机等）。

而软件部分是该识别系统的核心部分，同时也是本课题的主要研究方向。

车牌识别系统的整体处理过程如图1.1所示。

图1.1车牌识别系统流程

1.图像采集模块：

通过摄像机拍摄车辆车牌的前视图或后视图，通过辅助光源来调节拍摄光强，摄像机的拍摄角度通过位置检测装置来进行调整。

2.图像预处理模块：

通过图像采集卡将摄像机拍摄的车牌图像传送到进行软件处理的计算机后，对采集到的图像通过图像平滑、滤波、增强等处理去除噪声光强等对图像的污染，从而进一步得到待处理图片，为下一步处理做准备。

3.车牌定位：

根据车牌颜色、尺寸、固定位置等方面的特征将车牌与车辆分开，并提取出来的过程，是车牌识别系统的关键技术之一，车牌定位是否准确直接关系着车牌识别的结果。

由于采集到的车辆图像中的车牌区域存在着倾斜的角度，所以在定位车牌后还需要对车牌进行倾斜校正。

4.字符分割：

将车牌的中的字符进行分离，从而得到单一字符为字符识别做准备。

5.字符识别：

将分割得到的单字通过模式识别进行确定。

车牌识别系统中的关键技术和难点主要是车牌定位和字符识别。

针对上述问题，本文的软件部分整体框图如图1.2所示。

本文软件采用VisualC++和Matlab混合编程来实现。

VisualC++6.0是Microsoft公司在1998年推出的基于Windows9X和WindowsNT的优秀集成开发环境。

该开发环境提供了良好的可视化编程环境，程序员使用资源编辑器、C++源代码编辑器和内部调试器，可以轻松的创建项目文件。

VisualC++6.0还包含许多有用的组件，通过这些组件的协同工作，就能够轻松地创建源文件、编辑资源，完成对程序的编译、连接以及调试等工作。

MATLAB是一种用作算法开发、数据分析、数据可视化和数值计算的高级技术计算语言，具有交互式环境。

用户使用MATLAB可以比用传统的编程语言，如C、C++、Fortran等，更快解决技术计算问题。

作为全球最大的工程、科学计算的软件平台，MATLAB提供了大量经过各领域专家编写的工具箱，并且具有强大的数值计算和图形显示功能，目前已广泛应用在数学计算、信号处理和通信、数字信号处理、图像处理、自动控制、计算生物学、生物线性代数、动态系统仿真等。

VisualC++和Matlab的接口是通过COM（ComponentObjectModule，组件对象模型）来实现的。

COM是一种通用的对象接口，只要按照这种接口标准，对于任何语言就可以实现调用它。

利用COMBuilder工具将MATLAB源程序编译成二进制COM组件，它实际上是以前编译器C/C++文件的完美扩展，简单高效地解决了以前混合编程中存在的问题。

本文将采用COM组件的方式实现MATLAB和VisualC++的混合编程。

图1.2软件部分整体框图

2.图像预处理

车辆视频图像一般都是由CCD摄像头摄取的，在图像采集和图像传输过程中由于外界环境以及气件的影响，都会造成图像的失真，比如图像的退化、噪声干扰、灰度分布不均匀等。

而这些因素都将会对后面的处理（车牌定位以及字符分割）产生不利的影响，降低识别的精确度。

因此，要在后续处理前，对图像做预处理，增强图像的质量。

2.1图像灰度转换

车辆的视频图像一般都是通过CCD摄像头得到的，而CCD摄像头所摄取的图像为BMP格式的真彩色图像，所需的存储单元为灰度图像的三倍，同时，也降低了系统处理速度。

因此，在对原始车辆视频图像进行处理存储前，要将其转换为灰度图像。

灰度图像的颜色模型为YUV模型，与RGB模型见的关系如式2.1所示。

图2.1（a）车辆原始图像图2.1（b）灰度变换后的车辆图像

图2.1灰度变换效果图

（2.1）

经过灰度变换后得到的图像如图2.1所示。

2.2灰度校正

根据图像不同失真情况以及所需的图像特征不同，可以采用不同的修正方法。

通常使用的灰度校正方法有：

灰度变换，直方图修正和灰度级校正等。

直方图均衡化是一中通过图像直方图来对对比度进行调整的方法。

这种方法通常用来增加图像的局部对比度，尤其是当图像的有用数据的对比度相接近的时候。

直方图均衡化可以使亮度更好的在直方图上分布。

这样就可以在增强局部的对比度的情况下不影响整体的对比度。

直方图均衡化处理的“中心思想”是把图像的灰度直方图从比较集中的某个区间变成在全部灰度区间（0~255）内的均匀分布。

直方图均衡化其实就是对对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。

其处理效果如图2.2-2.5所示。

图2.2原始灰度图像图2.3原始图像直方图

图2.4直方图均衡化后图像图2.5均衡化后直方图

2.3图像平滑

图像平滑是用来突出图像中的宽大区域、低频分量和主干部分或者抑制图像中的噪声和高频分量，使图像的亮度变化平缓，改善图像质量的一种图像处理方法。

本文采用的是邻域平均的形式实现图像的平滑处理。

处理结果如图2.6所示。

图2.6高斯模板平滑结果

2.4中值滤波

图像滤波的目的是为了消除噪声的影响。

噪声的主要来源分为两大部分，一种是由处理系统所带来的外部噪声，另一种则包括由机械运动引起噪声、由光电的基本特性引起的噪声、元器件和系统内部电路所带来的噪声在内的内部噪声。

中值滤波（MedianFilter）是一种非线性平滑滤波器，广泛用于噪声的去除。

其算法原理是，先确定一个奇数像素窗口W，然后将各像素灰度按从大到小的顺序进行排队，将原f（x，y）替换为中间位置的灰度值，成为窗口中心灰度值g（x，y）。

（2.2）

其中，W为窗口大小，f（m-k，y-l）为窗口W的灰度值。

滤波结果如图2.7所示。

图2.7中值滤波效果图

2.5图像的锐化

图像锐化的目的是使模糊的图像变得更加清晰起来。

但是能够进行锐化处理的图像必

须有较高的信噪比，否则锐化后的信噪比反而更低，使得噪声的增加比信号还要多。

一般先去除噪声或减轻噪声后再进行锐化处理。

其处理效果如图2.8所示。

图2.8锐化效果图

3.车牌定位

3.1小波变换

通过快速小波变换对车牌图像进行处理，其算法实现如图3.1所示。

车牌图像增强后经过小波变换处理后的图像如图3.2所示。

车牌图像被分解为多种组合，这种组合被称为小波变换的塔式结构图，如图3.3所示。

图3.1小波变换算法实现图

图3.2小波换后的车牌图像

LL

HL

LH

HH

图3.3小波变换塔式结构

其中，LL为原始图像的近似图；HL为水平方向的高频率信息；LH为竖直方向的高频率信息；HH全部为高频率信息。

将图像分解为低频和高频部分后车牌字符、边缘等变化比较明显的部分就包含在一维小波分解后的高频图像部分中了。

与边缘检测方法相比，小波变换后的图像中虽然还存在着一些噪声干扰，但已经减少了很多。

将变换后的HL和LH图像进行重构，得到的图像如图3.4所示。

从图中可以看出重构后的图像将车牌图像中的细节部分保留了下来。

图3.4重构后的图像

3.2图像二值化

经过边缘处理后的图像，其边缘的灰度与其他部分灰度亮度值明显不同，但要想从中分割出汽车车牌仍然不是很容易，因此要对边缘检测后的图像进行进一步的处理，得到更加明显的车牌轮廓效果。

经过研究决定采用图像二值化的方法来达到这一效果。

同时，图像二值化运算也称为图像阈值分割。

通过对车牌图像的研究分析，发现车辆（前景）的灰度分布是比较均匀的，与背景相比灰度变换不大。

通过多次的实验比对，发现利用全局阈值处理法就可以得到比较好的分割效果。

同时，发现使用有限次迭代的算法可以相对简单易行的得到全局最佳阈值。

其处理效果如图3.5所示。

图3.5全局阈值处理效果图

3.3数学形态学粗定位

本文进行膨胀运算后，再进行腐蚀运算。

其中膨胀运算和腐蚀运算各进行4次。

膨胀是为了将字符区域水平方向合并，腐蚀是为了使运算后的车牌区域大小不变。

然后再进行一次开运算，消除毛刺。

处理结果如图3.6所示。

图3.6形态学处理后的图像

同时，根据我国车牌制定标准可以知道，车辆的车牌是一个长度和宽度存在一个相对比较固定的比例矩形。

因此，可以得到车牌粗定位如图3.7所示。

图3.7粗定位后的车牌

3.4HSI空间的精定位

在经过数学形态学处理后，车牌区域虽然大致被分割处理，但仍然有伪车牌区域，因此还需要根据车牌的特征进行精确定位。

我国的车牌大部分为蓝底车牌，其次为黄色、白色以及黑色。

因此可以根据车牌与车身的颜色差别将车牌区域与伪车牌区域相分离。

我国私家车车牌主要是蓝色的牌照底色，其次还有黄色的客车车牌，以及少量的黑色和白色车牌。

根据大量的实验统计，发现各个颜色的色度、饱和度以及亮度的范围如表3.1所示。

表3.1各色车牌HSI空间的取值范围,“\“表示不予考虑项目

通过粗定位车牌区域进行色彩过滤，将伪车牌区域进行滤除，得到图3.8，即为精确定位后的车牌区域。

图3.8精确定位后的车牌

利用本文提出的车牌定位算法，对206重新张车牌图片进行了定位，实现了99%的图像定位。

4.下一阶段工作安排

1.根据车牌图像的投影效果图完成车牌区域的分割；

2.得到车牌区域图像后，采用与先验知识相结合的投影法完成字符的分割；

3.字符识别。

在进行字符之别之前为了简化程序，需要先对字符进行归一化处理，然后采用神经网络法完成对车牌字符的识别。