基于Matlab的车牌识别系统设计.docx

基于Matlab的车牌识别系统设计.docx

《基于Matlab的车牌识别系统设计.docx》由会员分享，可在线阅读，更多相关《基于Matlab的车牌识别系统设计.docx（22页珍藏版）》请在冰点文库上搜索。

基于Matlab的车牌识别系统设计

基于Matlab的车牌识别系统设计

自动化与电气工程学院张德

摘要

近几年，车牌识别系统作为智能交通的一个重要方向越来越受到重视。

车牌识别系统可以应用于停车场管理系统、智能交通管理系统、小区车辆管理系统等各个领域，对交通管理及治安管理有着十分重要的作用。

虽然目前已有一些车牌识别系统相关产品出现，但是对其算法的研究发展从没有停止。

本文首先对车牌识别系统的现有技术进行了更加深入的研究，在研究的基础上开发出一个基于MATLAB的车牌号识别系统。

该设计方案仅进行Matlab软件的开发，图像采用已经采集的车牌号清楚显示的汽车图片，软件包括车牌定位、车牌字符分割及车牌字符识别三个模块。

车牌定位模块中使用了基于小波变换的车牌边缘提取的算法，该算法对于各种底色的车牌具有良好的适应性；车牌的二值化采用了改进的Otus算法，重新划分了其两维直方图的区域；字符切割采用波谷检测法，以波谷为切割线，将车牌图片切割成七个字符图片；字符识别采用模块匹配法，将要识别的字符与预先构造好的字符模板进行比较，根据相似度确定字符。

根据上述算法搭建了一个测试平台，通过测试平台，对大量照片进行车牌识别，测试系统的性能。

测试结果表明，本课题设计的车牌识别系统可有效地实现车牌识别，为今后的产品化奠定了很好的技术基础。

关键词：

车牌识别，车牌定位，字符分割，字符识别

Abstract

Inrecentyears.Asanimportantdirectionofintelligenttrafficmanagement,PRL（Plate RecognitionofLicenseSystem）hasbeenmoreandmoreattention.PRLcanbeappliedtotheparkingmanagementsystem,theintelligenttrafficmanagementsystem,thevehiclemanagementsystemandtheotherareas,.Andplaysanimportantroleinpublicsecuritymanagementoftransportationmanagement.Althoughtherearesomevehicleplaterecognitionsystemrelatedproductstoappearatpresent,theiralgorithm'sresearchanddevelopmenthaveneverstopped.

ThispaperfirstlymakeadeepresearchontheexistingtechnologiesofPRL.AnddevelopaPRL-systemwiththesoftwareofMatlab.ThedesignjustMatlabsoftware.ThePRL-systemtaketheexisting-pictureasthetargetwithoutthecollectingprogram.ThesoftwareofPRL-systemconsistofthreemodules:

Thelicensearealocating,licenseplatecharactersegment,andtherecognitionofeverycharacter.Themodulesoflicensearealocatinguseedgedetectionalgorithmbasedonwavelettransform,whichhasgoodadaptabilityformorequantityofbackgroundorlicenseare.TheprogramoftaketheRGB-picturetobinary-picturebyOtus,dividethetwodimensionalhistogramofarea.Character-cutcuttingtothetroughforcuttinglineusingtroughassay,cuttingtheareaoflicenseplateintosevencharacter.Incharacterrecognition,usingmodularmatchingmethodtoidentifycharacterswiththeadvancedstructuralcharactertemplatecarries,Calculatethecharacroebasedonthesimilarity.Accordingtotheabovealgorithmbuiltatestingplatform,withwhichinspectthepropertyofthePRL-systembyalargenumberofsamplepicture.Testresultshowsthatthissystemdesignedcanachievethelicenseplateidentificationeffectlyforfutureproductizationlaidagoodtechnicalfoundation.

KEYWORDS:

PRLArealocateCharactersegmentRecognition

1绪论……………………………………………………………………………………………………………..1

1.1车牌号识别背景………………………………..……………………………………………….….1

1.1.1车牌号识别背景综述………………………….………………………………………1

1.1.2我国车牌特点………………………………….……………………………………….…2

1.2车牌号识别研究现状………………………………………..……………………………….…..2

1.2.1国内外车牌识别技术情况………………………………….……………………...2

1.2.2车牌识别技术的应用情………………………………………….………………....3

2系统方案设计……………………………………………..……………….…………..……………...4

2.1车牌号识别系统设计方案概述………………………………….………..…….……….…4

2.2系统开发环境选择……………………………………………………….....……...............4

2.3图像读取…………………………………………………….…………..…………………………...4

2.4车牌区域提取..…………………………………………………………..……….....………..…5

2.4.1图像灰度图转化..………………………………………………………………….……..5

2.4.2图像边缘检测..…………………………………………………………..………………..5

2.4.3灰度图腐蚀..…………………………………………………………..……………………6

2.4.4图像平滑处理..…………………………………………………………..………………..7

2.4.5车牌区域的边界值计算..……………………………………………………………..8

2.5字符切割…………………………………………………………...……….………................10

2.5.1字符切割前的图像去噪处理..…………………………………………………….10

2.5.2字符切割前的图像膨胀和腐蚀处理..…………………………………………11

2.5.3字符切割..…………………………………………………………..………...............11

2.6字符识别..…………………………………………………………..………..........................14

2.6.1字符识别方法选择..……………………………………………………………….…14

2.6.2字符归一化..…………………………………………………………..………..........14

2.6.3字符匹配识别..…………………………………………………………..……..……………..14

1绪论

1.1汽车牌识别背景

1.1.1车牌识别背景综述

随着我国公路交通事业的发展，车辆的数量正在迅速增长，在给出行提供方便的同时，车辆管理上存在的问题日益突出，人工管理的方式已经不能满足实际的需要。

微电子、通信和计算机技术在交通领域的应用极大地提高了交通管理效率。

作为信息来源的自动检测、图像识别技术越来越受到人们的重视。

近年来计算机的飞速发展和数字图像技术的日趋成熟，为传统的交通管理带来巨大转变，先进的计算机处理技术，不但可以将人力从繁琐的人工观察，监测中解放出来，而且能够大大提高其精确度，汽车牌照自动识别系统就是在这样的背景与目的下进行开发的。

汽车牌照等相关信息的自动采集和管理对于交通车辆管理、园区车辆管理、停车场管理、交警稽查等方面有着十分重要的意义，成为信息处理技术的一项重要研究课题。

关于车牌识别技术及定位系统研究，在我国已经有了十几年的发展历程，目前系统的应用还处于起步阶段，大规模投入使用的成熟系统还没有出现，汽车牌照识别系统作为改进交通管理的有效工具，技术水平仍需完善。

国内外学者对此已经有了较多工作，但实际效果并不理想，尤其是对车牌自适应性强、速度快、准确率高的高速车牌定位方法还有待进一步研究。

另外，对辅助光源要求高，也很难有效解决复杂背景下多车牌移动识别的技术难题，如：

车牌图像的倾斜、车牌表面污秽或磨损、光线干扰等都会影响定位的准确性。

传统车牌识别一般仅支持单一车辆，背景比较简单。

而当今许多实际应用场合，如在繁忙交通路口临时对欠税费、报废、挂失等车辆的稽查，则监视区域比较复杂，现有识别方法无法直接应用；而且多数情况下，同时出现多辆汽车，背景有广告牌、树木、建筑物、斑马线以及各种背景文字等，现有的识别方法也不能很好的适应多变的环境，所以对车牌识别技术的研究依然是目前高科技领域的热门课题之一。

车牌识别系统的成功设计、开发和应用具有相当大的社会效益、经济效益和学术意义。

车牌识别的难点：

1）由于车牌图像多在室外采集，会受到光照条件、天气条件的影响，会出现图像模糊，对比度低，目标区域过小，色彩失真等影响，并且会伴随复杂的背景图像，这些都会影响车牌定位及识别。

2）每次采集时目标所处位置不会一样，采集视角会有很大变化，并且由于车牌挂的不正，都将导致车牌出现扭曲，

3）牌照多样性。

其他国家的汽车牌照格式，如尺寸大小，牌照上字符的排列等，通常只有一种。

而我国则根据不同车型、用途，规定了多种牌照格式，例如分为军车、警车、普通车等。

我国标准车牌照是由汉字、英文字母和阿拉伯数字组成的，汉字的识别与字母和数字的识别有很大的不同，增加了识别的难度。

4）我国汽车牌照的底色和字符颜色多样，蓝底白字、黄底黑字、黑底白字、红底黑字、绿底白字、黄底黑字多种， 

5）由于环境、道路或人为因素造成汽车牌照污染严重，这种情况下国外发达国家不允许上路，而在我国仍可上路行驶。

使得车牌的对比度降低，特征不是很明显，即使在定位准确的情况下，字符的识别也会受到很大影响。

目前在国内存在多种牌照格式，且存在以上种种困难和特殊性，加大了我国车牌自动识别的难度，使得中国车辆牌照识别远远难于国外的车辆牌照识别。

因而如何提高识别率和识别处理的实时性及实用性成了一个紧要的任务。

1.1.2我国车牌特点

目前我国有普通地方车牌号、武警车牌号、军队车牌号三种类型，普通地方车牌号又叫自选号牌车牌（如图1所示），自选号牌车牌尺寸是

，即车牌长宽比为

，一共7个字符，每个字符的高宽比为2:

1。

首个字符为中文字符，为各个省或直辖市的简称，第二个字符为英文大写字符，前两个字符确定该车牌所在地，后五个字符由阿拉伯数字及英文大写字符组合而成，并且后五个字符间距相同，七个字符大小也相同。

图1.我国车牌号示例

1.2.车牌号识别研究现状

1.2.1国内外车牌识别技术情况

目前，一些发达国家车牌识剐系统在实际交通系统中已经成功应用，而我国的开发应用进展缓慢，基本停留在实验室阶段。

这是因为我国的实际情况与国外有所区别。

国外车牌比较规范统一，而我国车牌规范不够，较为多样化。

不同汽车类型有不同的规格、大小和颜色，所以车牌的颜色多，且字符位数不统一，对处理造成了一定的困难。

虽然很多研究人员已对车牌识别进行了较为深入的研究，但目前在车牌定位和字符分割这两个关键环节还存在着有待解决的难题脚。

一是当车牌图像的对比度较小、光照不均匀、车牌磨损褪色以及有类似车牌纹理特征的干扰时，有效定位率下降；其次在车牌字符分割时，光照不均、对比度较小、倾斜、污迹、字符粘连和断裂等严重退化的车牌图像的字符分割效果也不理想。

而对于车牌字符的识别来说，其识别的准确率很大程度上依赖于车牌定位和字符分割是否成功。

车牌字符的识别作为最终对车牌图像的理解，可以借鉴光学字符识别（OcR）的宝贵经验，相对于车牌定位和字符分割来说反而比较容易实现。

国内外有大量关于车牌识别方面的研究报道。

国外在这方面的研究工作开展较早。

在上世纪70年代，英国就在实验室中完成了“实时车牌检测系统”的广域检测和开发。

同时代，诞生了面向被盗车辆的第一个实时自动车牌监测系统。

发展到今日，国外对车牌检测的研究已经取得了一些令人瞩目的成就，识别率都在80%以上，甚至有高于90%。

并且已经实现了产品化，并在实际的交通系统中得到了广泛的应用。

由于中国车牌的格式与国外有较大差异，所以国外关于识别率的报道只具有参考价值，其在中国的应用效果可能没有在其国内的应用效果好，但其识别系统中采用的很多算法具有很好的借鉴意义。

从车牌识别系统进入中国以来，国内有大量的学者在从事这方面的研究，提出了很多新颖快速的算法。

中国科学院自动化所的刘智勇等开发的系统在一个样本量为3180的样本集中，车牌定位准确率为99.42%，切分准确率为94.52%，这套系统后来应用于汉王公司的车牌识别系统，取得了不错的效果。

但是包括其他研究人员提出的算法，都存在计算量和存储量大的问题，难以满足实时性的要求。

此外，当车辆区域的颜色和附近颜色相近时，定位失误率会增加。

国内还有许多学者一直在进行这方面的研究，并且取得了大量的研究成果。

1.2.2车牌识别技术的应用情况

车辆牌照自动识别技术是智能交通系统的一个重要组成部分，广泛应用于交通的监控及管理。

车辆牌照识别系统技术能够从一幅车辆图像中准确定位出车牌区域，然后经过字符切割和识别实现车辆牌照的自动识别。

目前车牌识别系统主要应用于以下领域：

1）停车场管理系统。

利用车牌识别技术对出入车辆的号牌进行识别和匹配，与停车卡结合实现自动计时、计费的车辆收费管理系统。

2）公路自动管理系统。

以车牌自动识别技术为基础，与通信等其他高科技结合，对高速公路交通流状况进行自动监测、自动布控，从而降低交通事故的复发生率，确保交通顺畅。

3）安防布控。

采用车牌识别技术实现对车辆的自动识别，快速报警，既可以有效查找被盗车辆，同时又为公安机关提供了对犯罪嫌疑人的交通工具进行远程跟踪与监查的技术手段。

4）城市十字交通路口的“电子警察”。

可以对违章车辆进行责任追究，也可以辅助进行交通流量统计，交通监测和疏导。

5）小区、校园车辆管理系统。

社区保安系统将出入的车辆通过车牌识别技术进行记录，将结果与内部车辆列表对比可以实现防盗监管。

2.系统方案设计

2.1车牌号识别系统设计方案概述

一个完整的车牌号识别系统要完成从图像采集到字符识别输出，过程相当复杂，基本可以分成硬件部分跟软件部分，硬件部分包括系统触发、图像采集，软件部分包括图像预处理、车牌位置提取、字符分割、字符识别四大部分，一个车牌识别系统的基本结构如图2所示：

图2车牌识别系统基本结构

2.2系统开发环境选择

车牌号识别系统的软件部分大都采用VC++,VB或者Matlab,本课题选用Matlab，主要是因为Matlab具有以下优点

1）Matlab绘图功能很强大，但在VC++，VB语言里绘图都很不容易，但Matlab里数据的可视化程度非常高，并且具有较强的编辑图形界面的能力。

2）Matlab语言简单，入门容易，程序设计不严格，自由度大，例如用户无需对矩阵预定义即可使用

3）Matlab语言简洁紧凑，使用方便灵活，库函数丰富，并且内部集成了很多工具箱，为程序开发提供现成模块。

4）Matlab的可移植性很好，基本上不做修改就可以在在各种型号的计算机和操作系统上运行。

2.3图像读取

目前比较常用的图像格式有*.BMP、*.JPG、*.GIF、*.PCX、*.TIFF等，本课题采集到的图片是*.JPG的格式。

因为由*.JPG图像时一个软件开发联合会组织制定、有损压缩格式，能够将图像压缩在很小的储存空间，而且广泛支持Internet标准，是面前使用最广的图片保存和传输格式，大多数摄像设备都以*.JPG格式保存。

利用图像工具箱的

Car_Image_RGB=imread（‘Image_Name’）;

即可将图像读取出来，这样读取得到的是RGB图像，RGB图像分别用红、蓝、绿三个色度值为一组代表每个像素的颜色，因此Car_Image_RGB是一个

的数组，m、n表示图像像素的行、列数。

2.4车牌区域提取

2.4.1图像灰度图转化

我国车牌颜色及其RGB值如下，蓝底（0,0,255）白字（255,255,255）、黄底（255,255,0）黑字（0,0,0）、黑底（0,0,0）白字（255,255,255）、红底（255,0,0）黑字（0,0,0）,由于车牌的底色不同，所以从RGB图像直接进行车牌区域提取存在很大困难，但不管哪种底色的车牌，其底色与上面的字符颜色的对比度大，将RGB图像转化成灰度图像时，车牌底色跟字符的灰度值会相差很大。

例如蓝色（255，0，0）与白色（255，255，255）在R通道中并无区分，而在G、R通道或是灰度图象中数值相差很大。

同理对白底黑字的牌照可用R通道，绿底白字的牌照可以用G通道就可以明显呈现出牌照区域的位置，便于后续处理。

原图、灰度对于将彩色图象转换成灰度图象时，图象灰度值可由下面的公式计算：

（1）

（2）

（1）式使用了权值加重法，

（2）式使用均值法，使用权值法可以突出某个通道，Matlab内的RGB转灰度图函数rgb2gray（）使用的是

（1）式权值比例公式，这样就可以利用边缘检测方法，识别出临近区域灰度值相差大的分界区。

原图及其直方图见图2。

图3原始图像与灰度图

2.4.2图像边缘检测

在Matlab中利用函数edge（）实现边缘检测。

Car_Image_Bin=edge（Car_Image_Gray,'robert',0.15,'both'）;

在edge（）函数中有Sobel算子，Prewitt算子，Roberts算子，Log算子，Canny算子及Robert算子，几种算法相比之下，Roberts算子算法简单，计算量最小。

因此本课题使用了Robert算子。

Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子,根据任一相互垂直方向上的差分都可用来估计梯度，Robert算子采用对角方向相邻两像素之差，

其幅值为：

Robert梯度以

为中心，所以他度量了

点处

和

方向（相互正交）的灰度变化。

适当取门限T，做如下判断：

（x,y）为阶跃状边缘点。

Roberts边缘检测算子相当于用

和

对图像进行卷积。

0.15为敏感度值，both表示双向检测算法。

使用边缘检测，腐蚀效果如图

图4边缘见效果图

对比腐蚀处理跟平滑处理的两张效果图，零散的像素点连接成个几个大的对象。

2.4.3灰度图腐蚀

所谓腐蚀即一种消除边界点，使边界向内部收缩的过程。

利用它可以消除小而且无意义的物体。

腐蚀的规则是输出图像的最小值是输入图像领域中的最小值，在一个二值图像中，只要有一个像素值为0，则相应的输出像素值为0。

假设B对X腐蚀所产生的二值图像E是满足以下条件的点（x,y）的集合：

如果B的原点平移到点（x,y），那么B将完全包含于X中。

本课题使用imerode（）函数，

Car_Image_Erode=imerode（Car_Image_Bin,Se）;

其中结构元素Se又被形象成为刷子，用于测试输入图像，一般比待处理图像小很多。

结构元素的大小形状任意，一般是二维的。

二维结构元素为数值0和1组成的矩阵，结构元素中数值为1的点决定结构元素的领域像素在进行腐蚀操作时是否需要参加运算。

结构元素太大，会造成腐蚀过度，造成信息丢失，太小起不了预期的效果，这里使用

矩阵的线性结构元素，即

。

腐蚀后如图

图5腐蚀效果图

2.4.4图像平滑处理

得到图像的轮廓线后，由于图像的数字化误差和噪声直接影响了脚点的提取，因此在脚点提取之前必须对图像进行平滑处理，Matlab有一个图像平滑处理函数imclose（）,它与开运算相反，融合窄的缺口和细长的弯口，去掉小洞，填补轮廓上的缝隙。

Car_Image_Perform=imclose（Car_Image_Erode,Se）;

结构单元 Se一个小于对象闭合图形，只要两个封闭域的距离小于Se，就将这两个连接成一个连通域，Se生成方式采用

Se=strel（'rectangle',[25,25]）;

即Se是一个一个

的矩形，使用矩形是因为车牌是一个矩形，这样，可以是提取的图像最接近预期效果。

图像经平滑后效果如下

图6平滑处理后效果

图像平滑处理了，可能会有多个闭合区域，对于不是车牌区域的必须予以删除，Matlab提供了一个函数bwareaopen（），用于删除二值图像中面积小于一个定值的对象，默认情况下使用8邻域，

Car_Image_Perform2=bwareaopen（Car_Image_Perform,2000）;

这样，Car_Image_Perform中小于2000的对象都被删除了，

小对象被删除后的图像如图

图7移除小对象后效果

2.4.5车牌区域的边界值计算

在将原始图像进行二值化，然后轮廓平滑处理后，图像的每个点为两个离散值中的一个，这两个值代表开

（1）与关（0），即只有黑与白的特殊灰度图像，并且整个图像只有两个域（如果有多个域需改变参数后重新进行一此剔除干扰对象处理），全1的域即为车牌区域，并且近似矩形，长宽比为4.5:

1,也可以用这两个特性去检验提取的区域是否为车牌区域。

经区域确定了，即可将车牌的四个边界值确定下来。

这里采用水平与垂直双向投影法，

水平坐标的确定，先定义一个

的数组，其中

为原始图像的宽度值，然后将二值图像垂直投影到

轴。

从直方图中基本可以看书水平方向上的两个分界线，为了便于处理，该课题将像素值临界值定量化，取值5个像素。

从左向右寻找第一个1值像素大于5的

坐标为水平