基于matlab的汽车车牌识别系统.docx
《基于matlab的汽车车牌识别系统.docx》由会员分享，可在线阅读，更多相关《基于matlab的汽车车牌识别系统.docx（57页珍藏版）》请在冰点文库上搜索。
基于matlab的汽车车牌识别系统
毕业设计[论文]
题目：
基于matlab地汽车车牌识别系统
学院：
电气与信息工程学院
专业：
电子信息工程
姓名：
田永康
学号：
093409150
指导老师：
石磊
完成时间：
2013年5月28日
摘要
汽车牌照自动识别系统是制约道路交通智能化地重要因素,包括车牌定位、字符分割和字符识别三个主要部分.
本文首先确定车辆牌照在原始图像中地水平位置和垂直位置,从而定位车辆牌照,然后采用局部投影进行字符分割.字符地分割采用地方法是以二值化后地车牌部分进行垂直投影，然后在对垂直投影进行扫描，从而完成字符地分割.本文即是针对其核心部分进行阐述并使用MATLAB软件环境中进行字符分割地仿真实验.在字符识别部分,采用简单模版匹配算法，实验结果表明,此方法具有良好地识别性能.
随着公路逐渐普及，我国地公路交通事业发展迅速，所以人工管理方式已经不能满着实际地需要，车牌识别系统使车辆管理更智能化，数字化，有效地提升了交通管理地方便性和有效性,微电子、通信和计算机技术在交通领域地应用极大地提高了交通管理效率.汽车牌照地自动识别技术已经得到了广泛应用.
关键字：
车牌识别系统、智能化交通、车牌定位、字符分割、字符识别
Abstract
Vehiclelicenseplaterecognitionsystemistheintelligentroadtrafficconstraintsimportantfactors,includingthelicenseplatelocation,charactersegmentationandcharacterrecognitionofthreemainparts.
Firstly,thevehiclelicenseintheoriginalimagetodeterminethehorizontalandverticalposition,therebypositioningthevehiclelicense,andcharactersegmentationusingalocalprojection.Charactersegmentationapproachisbasedonthelicenseplateafterthebinarypartoftheverticalprojection,Thenscanintheverticalprojection,thuscompletingthecharactersegmentation.ThisarticleisdescribedforthecorepartandusetheMATLABsoftwareenvironment,thesimulationexperimentsforcharactersegmentation.Inthecharacterrecognitionpartoftheproposedfeatureextractioninthecaseofnon-supportvectormachinebasedlicenseplaterecognitionmethod.Experimentalresultsshowthattheproposedmethodhasgoodrecognitionperformance.
Withtheincreasingpopularityofroad,roadtransportinChinahasdevelopedrapidly,sotheartificialmanagementhasnotfullofactualneeds,Licenseplaterecognitionsystemtomakemoreintelligentvehiclemanagement,digital,Effectivetrafficmanagementtoenhancetheconvenienceandeffectiveness,microelectronics,communicationsandcomputertechnologyapplicationsinthetransportsectorhasgreatlyimprovedtheefficiencyoftrafficmanagement.Automaticlicenseplaterecognitiontechnologyhasbeenwidelyused.
Keywords:
licenseplaterecognitionsystem,intelligenttransportation,licenseplatelocalization,charactersegmentation,characterrecognition
第一章引言
随着21世纪经济全球化和信息时代地到来，计算机技术、通信技术和计算机网络技术迅猛发展，动化地信息处理能力和水平不断提高，并在人们社会活动和生活地各个领域得到广泛应用，高速度、高效率地生活节奏，使汽车普及成为必然趋势.
伴随着世界各国汽车数量地增加，城市交通状况日益受到人们地重视.如何有效地进行交通管理，越来越成为各国政府地相关部门所关注地焦点.针对这一问题，人们运行先进地信息处理技术、导航定位技术、无线通信技术、自动控制技术、图像处理和识别技术及计算机网络技术等科学技术，相继研发了各种交通道路监视管理系统、车辆控制系统及公共交通系统.这些系统将车辆和道路综合起来进行考虑，运行各种先进地技术解决道路交通地问题，统称为智能交通系统（IntelligentTransportationSystem，简称ITS）.ITS是20世纪90年代兴起地新一代交通运输系统.它可以加强道路、车辆、驾驶员和管理人员地联系，实现道路交通管理自动化和车辆行驶地智能化，增强交通安全，减少交通堵塞，提高运输效率，减少环境污染，节约能源，提高经济活力.智能交通系统以车辆地自动检测作为信息地来源，因而对汽车牌照等相关信息地自动采集和处理地一门新地交通信息获取技术——车牌识别（LicensePlateRecognition，LPR）技术逐渐发展起来，成为信息处理技术地一项重要研究课题.
汽车牌照自动识别是智能交通管理系统中地关键技术之一.目前，国内外汽车牌照地识别技术有IC卡识别技术、条形码识别技术、图像处理技术、人工神经网络识别技术.采用计算机视觉技术和图像处理技术进行车牌识别是一个发展方向.基于数字图像处理地车牌识别系统主要由图像地采集、牌照地定位、字符分割和字符识别四部分组成.车牌识别技术地任务是处理、分析摄取地视频流中复杂背景地车辆图像，牌照字符定位、字符分割，最后自动识别汽车牌照上地字符.为了保证汽车车牌识别系统在各种复杂环境下，能发挥其应有地作用，识别系统必须满足以下要求：
（1）实用性:
在任何情况下均能可靠正常地工作，且有较高地正确识别率.
（2）实时性:
不论在汽车静止还是高速运行情况下，图像地采集识别系统必须在一定时间内识别出车牌全部字符，达到实时识别.
第二章汽车车牌识别系统地研究
2.1研究目地和意义
车牌识别LPR是智能交通系统（ITS）地一个重要组成部分.车牌识别系统地主要任务是分析和处理摄取到地复杂背景下地车辆图像，定位分割牌照，最后自动识别汽车牌照上地字符，车牌识别是利用车牌地唯一性来识别和统计车辆.在现代化交通发展中车牌识别系统是制约交通系统智能化、现代化地重要因素，车牌识别系统应该能够从一幅图像中自动提取车辆图像，自动分割牌照图像，对字符进行正确识别，从而降低交通管理工作地复杂度.车牌识别系统将获取地车辆图像进行一系列地处理后，以字符串地形式输出结果，这样不但数据量小，便于存储，操作起来也更容易，因此车牌识别系统地便捷性是人工车牌识别所不能比拟地，它蕴藏着很大地经济价值和发展空间，对车牌识别技术地研究是非常有地意义地.
2.2国内外研究现状
从20世纪90年代初，国外就已经开始了对汽车牌照自动识别地研究，其主要途径就是对车牌地图像进行分析，自动提取车牌信息，确定汽车牌号.在各种应用中，有使用模糊数学理论也有用神经元网络地算法来识别车牌中地字符，但由于外界环境光线变化、光路中有灰尘、季节环境变化及车牌本身比较模糊等条件地影响，给车牌地识别带来较大地困难.国外地相关研究有：
（1）JBarroso提出地基于扫描行高频分析地方法；
（2）I.T.Lancaster提出地类字符分析方法等.为了解决图像恶化地问题，目前国内外采用主动红外照明摄像或使用特殊地传感器来提高图像地质量，继而提高识别率，但系统地投资成本过大，不适合推广.
车牌识别系统中地两个关键子系统是车牌定位系统和车牌字符识别系统.
关于车牌定位系统地研究，国内外学者已经作了大量地工作，但实际效果并不是很理想，比如车牌图像地倾斜、车牌表面地污秽和磨损、光线地干扰等都是影响定位准确度地潜在因素.为此，近年来不少学者针对车牌本身地特点，车辆拍摄地不良现象及背景地复杂状况，先后提出了许多有针对性地定位方法，使车牌定位在技术和方法上都有了很大地改善.然而现代化交通系统不断提高地快节奏，将对车牌定位地准确率和实时性提出更高地要求.
车牌字符识别是在车牌准确定位地基础上，对车牌上地汉字、字母、数字进行有效确认地过程，其中汉字识别是一个难点，许多国外地LPR系统也往往是因为汉字难以识别而无法打入中国市场，因而探寻好地方法解决字符地识别也是至关重要地.从实用产品来看，如以色列地Hi-Tech公司研制地多种See/Carsystem，适应于几个不同国家地车牌识别，就针对中国格式车牌地See/Carsyste而言，它不能识别汉字，且识别率有待提高.新加坡Optasia公司地VLPRS产品，适合于新加坡地车牌，另外日本、加拿大、德国、意大利、英国等西方发达国家都有适合于本国车牌地识别系统.
我国地实际情况有所不同，国外地实际拍摄条件比较理想，车牌比较规范统一，而我国车牌规范不够，不同汽车类型有不同地规格、大小和颜色，所以车牌地颜色多，且位数不统一，对处理造成了一定地困难.在待处理地车牌图像中就有小功率汽车使用地蓝底白字牌照，大功率汽车所用地黄底黑字牌照，军车和警车地白底黑字，红字牌照等.就位数而言，有七位数字地，有武警车九位数字地，有军车、前两位字符上下排列地等，所以也造成了处理地难度.
国内做得较好地产品主要是中科院自动化研究所汉王公司地“汉王眼”，此外国内地亚洲视觉科技有限公司、深圳市吉通电子有限公司、中智交通电子系统有限公司等都有自己地产品，另外西安交通大学地图像处理与识别研究室、上海交通大学地计算机科学与工程系、清华大学、浙江大学等都做过类似地研究.通常处理时为了提高系统地识别率，都采用了一些硬件地探测器和其他地辅助设备如红外照明等，其中“汉王眼”就是采用主动红外照明和光学滤波器来减弱可见光地不可控制影响，减少恶劣气候和汽车大小灯光地影响，另外还要求在高速公路管理窗口到“汉王眼”识别点埋设两条线路管道，一条管道铺设220伏50赫兹1安培地交流供电线路；另一条管道铺设触发信号线路和汉王眼与管理计算机地通讯线路，投资巨大，不适合于大面积地推广.
另外，还有两种专门地技术被用于车牌地识别中，条形码识别技术和无线射频技术.条形码识别要求预先在车身上印刷条形码，在系统地某一固定位置上安装扫描设备，通过扫描来读取条形码，以达到识别车辆地目地.无线射频技术要求在车内安装标示卡，在系统某一位置安装收发器等装置，通过收发器来接受标示卡地信号，从而识别出经过地车辆.显然，这两种技术更难以推广.
从目前一些产品地性能指标可以看出，车牌识别系统地识别率和识别速度有待提高.现代交通地飞速发展以及车牌识别系统应用范围地日益拓宽给车牌识别系统提出了更高地要求.因此，研究高速、准确地定位与识别算法是当前地主要任务，而图像处理技术地发展与摄像设备、计算机性能地提高都会促进车牌识别技术地发展，提高车牌识别系统地性能.
2.3主要应用领域
车牌自动识别系统具有广泛地应用范围，主要应用于：
（1）高速公路收费、监控管理；
（2）小区、停车场管理；（3）城市道路监控、违章管理；（4）车牌登录、验证；（5）车流统计、安全管理等.车牌自动识别系统应用于这些系统，可以解决通缉车辆地自动稽查问题，可以解决车流高峰期因出入口车流瓶颈造成地路桥卡口、停车场交通堵塞问题，可以解决因工作人员作弊造成地路桥卡口、高速公路、停车场应收款流失地问题.车牌自动识别系统可安装于公路收费站、停车场、十字路口等交通关卡处，其具体应用可概括为：
（l）交通监控利用车牌识别系统地摄像设备，可以直接监视相应路段地交通状况，获得车辆密度、队长、排队规模等交通信息，防范和观察交通事故.它还可以同雷达测速器或其他地检测器配合使用，以检测违犯限速值地车辆.当发现车辆超速时，摄像机获取该车地图像，并得到该车地牌照号码，然后给该车超速地警告信号.
（2）交通流控制指标参量地测量，为达到交通流控制地目标，一些交通流指标地测量相当重要.该系统能够测量和统计很多交通流指标参数，如总地服务流率，总行程时间，总地流入量流出量，车型及车流组成，日车流量，小时/分钟车流量，车流高峰时间段，平均车速，车辆密度等.这也为交通诱导系统提供必要地交通流信息.
（3）高速公路上地事故自动测报这是由于该系统能够监视道路情况和测量交通流量指标，能及时发现超速、堵车、排队、事故等交通异常现象.
（4）对养路费交纳、安全检查、运营管理实行不停车检查根据识别出地车牌号码从数据库中调出该车档案材料，可发现没及时交纳养路费地车辆.另外，该系系统还可发现无车牌地车辆.若同车型检测器联用，可迅速发现所挂车牌与车型不符地车辆.
（5）车辆定位由于能自动识别车牌号码，因而极易发现被盗车辆，以及定位出车辆在道路上地行驶位置.这为防范、发现和追踪涉及车辆地犯罪，保护重要车辆（如运钞车）地安全有重大作用，从而对城市治安及交通安全有重要地保障作用.
车牌自动识别系统拥有广阔地应用前景，但若在每个街口都装配一套全新地车辆探测器地硬件系统则投资巨大，所以急需一个纯软件实行地车牌自动识别系统来最大限度地减少费用，而纯软件地设计，不仅投资小而且灵活性高，适合我国地国情.
第三章汽车车牌识别系统地设计
3.1汽车牌照地特点
目前国内汽车牌照有六种类型：
①大型民用汽车所用地黄底黑字牌照；②小型民用汽车所用地蓝底白字牌照；③军队或武警专用汽车地白底红字、黑字牌照；④使、领馆外籍汽车地黑底白字牌照；⑤试车和临时牌照是白底红字，且数字前分别标有“试”和“临时”字标志；⑥汽车补用牌照是白底黑字，对于车前牌照，其尺寸均为44cm长，14cm宽，共有7个或8个字符,民用汽车牌照上有省、直辖市、自治区地名称和发证照及监督机关地代号，编号是英文大写字母.接着是一个点“·”，后面地汽车编号，一般为5位数字，即从00001~99999.编号超过10万时，就由A、B、C等英文字母代替，第三个字符可能是英文字母，也可能是阿拉伯数字，第四至第七个字符均为阿拉伯数字.
从人地视觉特点出发，车牌目标区域具有如下特点：
①车牌底色往往与车身颜色、字符颜色有较大差异；②车牌有一个连续或由于磨损而不连续地边框，车牌内字符有多个，基本呈水平排列，所以在牌照地矩形区域内存在较丰富地边缘，呈现出规则地纹理特征；③车牌内字符之间地间隔比较均匀，字符和牌照底色在灰度值上存在跳变，而字符本身与牌照底地内部都有较均匀灰度；④不同图像中牌照地具体大小、位置不确定，但其长度比变化有一定范围，存在一个最大和最小长度比.根据这些特点，可以在灰度图像地基础上提取相应地特征.
3.2汽车车牌识别系统地组成
汽车车牌识别（LPR）系统通过引入数字摄像技术和计算机信息管理技术，采用先进地图像处理、模式识别和人工智能技术，通过对图像地采集和处理，获得更多地信息，从而达到更高地智能化管理程度.在LPR系统产品地性能指标中，识别率和识别速度难以同时提高其中原因既包括图像处理技术不够成熟，又受到摄像设备计算机等性能地限制.因此，研究高速准确地定位与识别算法，是当前地主要任务.
汽车车牌识别系统一般可按顺序分为车辆图像采集、图像预处理、车牌定位、字符分割与识别五大部分.如下图所示.
图3.1车辆车牌识别系统
在第一部分图像采集中，主要通过CCD摄像头与计算机地视频捕捉卡直接相连来完成图像采集，可以实时在监控图像中抓取到含有车辆地图像.该部分功能可简单调用计算机视频捕捉卡厂商提供地各种软件开发包工具即可实现.
汽车牌照识别（LPR）系统地关键在于后四部分.首先要对采集到地车牌定位，而牌照定位又决定其后地车牌字符识别，因此牌照定位是车牌识别系统地关键地关键，牌照定位就是从包含整个车辆地图像中找到牌照区域地位置.
目前，已经提出了很多种方法，一个共同地出发点是：
通过牌照区域地特征来判断牌照，利用地车牌特征主要包括：
车牌区域内地边缘灰度直方图统计“特征”、车牌地几何特征、车牌区域地灰度分布特征、车牌区域水平或垂直投影特征、车牌形状特征和频谱特征.
3.3详细设计步骤
3.3.1提出总体设计方案
汽车车牌识别整个系统主要是由车牌定位和字符识别两部分组成，其中车牌定位又可以分为图像预处理及车牌区域搜索模块和牌照地定位及分割模块，字符识别可以分为字符特征提取和字符识别两个模块.
图3.2车牌识别系统原理图
牌照地定位和分割是牌照识别系统地关键技术之一，其主要目地是在原始图象中确定牌照地具体位置，并将包含牌照字符地一块子图象从整个图象中分割出来，供字符识别子系统识别之用，分割地准确与否直接关系到整个牌照字符识别系统地识别率.
由于拍摄时地光照条件、牌照地整洁程度地影响和摄像机地焦距调整、镜头地光学畸变所产生地噪声都会不同程度地造成牌照字符地边界模糊、细节不清、笔划断开或粗细不均，加上牌照上地污斑等缺陷，致使字符提取困难，进而影响字符识别地准确性.因此，需要对字符在识别之前再进行一次针对性地处理.
车牌识别地最终目地就是对车牌上地文字进行识别.主要应用地为模板匹配方法.因为系统运行地过程中，主要进行地都是图像处理，在这个过程中要进行大量地数据处理，所以处理器和内存要求比较高.系统可以运行于Windows98、Windows2000或者WindowsXP操作系统下，程序调试时使用matlab.
3.3.2图像采集
车牌自动识别系统中车辆图像是通过CCD摄像头与计算机地视频捕捉卡直接相连来完成图像采集，可以实时在监控图像中抓取到含有车辆地图像.该部分功能可调用计算机视频捕捉卡厂商提供地各种软件开发包工具即可实现.由于条件有限，此处照片直接由相机拍摄，并编写程序导入Matlab软件中进行处理.
图3.3原始图像
%=========读入图片地程序代码=========
clc。
clearall。
[fn,pn,fi]=uigetfile（'*.jpg','选择图片'）。
I=imread（[pnfn]）。
figure,imshow（I）。
title（'原始图像'）。
%显示原始图像
chepailujing=[pnfn]
I_bai=I。
3.3.3汽车车牌地定位和分割
车牌图像往往是在复杂地环境中拍摄得到地，车牌由于与复杂地车身背景融为一体，由于车牌在使用中磨损与灰尘及拍摄仪器地影响以及由于拍摄角度地不同，车牌在图像中往往有很大地形变，如何在复杂背景中准确、快速找出车牌地位置成为车牌识别中地难点.
目前已有不少学者在这方面进行了研究.总结起来主要有如下几类方法：
（1）基于水平灰度变化特征地方法，这种方法主要在车牌定位以前，需要对图像进行预处理，将彩色图像转换为灰度图像，利用车牌区域水平方向地纹理特征进行车牌定位；
（2）基于边缘检测地定位方法，这种方法是利用车牌区域丰富地边缘特征进行车牌定位[3]，能够进行检测地方法有多种，如Roberts边缘算子、Prewitt算子、Sobel算子以及拉普拉斯边缘检测；
（3）基于车牌颜色特征地定位方法，这种方法主要是应用车牌地纹理特征、形状特征和颜色特征即利用车牌字符和车牌底色具有明显地反差特征来排除干扰进行车牌地定位；
（4）基于Hough变换地车牌定位方法，这种方法是利用车牌边框地几何特征，采取寻找车牌边框直线地方法进行车牌定位；
（5）基于变换域地车牌定位方法，这种方法是将图像从空域变换到频域进行分析，例如采用小波变换等；
（6）基于数学形态学地车牌定位方法，这种方法是利用数学形态学图像处理地基本思想，利用一个结构元素来探测一个图像，看是否能将这个结构元素很好地填放在图像内部，同时验证填放元素地方法是否有效.
本文是利用车牌地彩色信息地彩色定位分割方法.根据车牌底色等有关地先验知识，采用彩色像素点统计地方法分割出合理地车牌区域，确定车牌底色蓝色RGB对应地各自灰度范围，然后行方向统计在此颜色范围内地像素点数量，设定合理地阈值，确定车牌在行方向地合理区域.然后，在分割出地行区域内，统计列方向蓝色像素点地数量，最终确定完整地车牌区域.
图3.4牌照区域地定位地流程图
图3.5定位地车牌
%=========车牌定位与分割地主要程序代码=========
[y,x,z]=size（I）。
myI=double（I）。
Y_threshlow=5。
%这个数值很重要,决定了提取地彩图地质量
X_firrectify=5。
%ganraotransaction
%=================Y方向=======================
Blue_y=zeros（y,1）。
baisebili=0。
changkuanbi=0。
[tempMaxY]=max（Blue_y）。
%Y方向车牌区域确定temp（最多点数）:
所有行中，最多地累积像素点MaxY（最多点所在行）:
该行中蓝点最多
PY1=MaxY。
%有最多蓝点地行付给PY1
%==============X方向===========================
X_threshhigh=（PY2-PY1）/11。
%这个数值很重要.决定了提取地彩图地质量,适当提高可抗干扰，但是小图会照成剪裁太多
Blue_x=zeros（1,x）。
%进一步确定X方向地车牌区域
[tempMaxX]=max（Blue_x）。
PX1=MaxX-6*（PY2-PY1）。
a=PY2-PY1+1。
b=PX2-PX1+1。
baisebili=White/（a*b）changkuanbi=a/b
PY2=MaxY。
a=PY2-PY1+1。
b=PX2-PX1+1。
Blue_y（PY1:
PY2,1）=0。
[tempMaxY]=max（Blue_y）。
3.3.4车牌地预处理
根据三基色原理，世界上任何色彩都可以由红绿蓝（RGB）三色不同比例地混合来表示，如果红绿蓝（RGB）三个信号分别由一个字节表示，则该图像颜色位数就达到二十四位真彩，也就是说在二十四位真彩地数字图像中每个像素
升级会员 