基于视频图像的车牌识别技术研究
|
摘要
基于图像处理和模式识别技术的牌照识别系统(license plate recognition system,LPRS)是智能交通管理中的重要研究课题之一,它利用计算机图像处理、模式识别和人工智能技术,对视频交通图像进行处理、分析和识别,从而提取车牌信息,为交通管理、收费、调度、统计提供依据,它的应用非常广泛。概括起来说,牌照识别系统可以有以下几方面的应用：①车辆收费管理；②出行时间测量；③公共停车场安全防盗管理；④机场、港口等出入口车辆管理；⑤道口检查站车辆监控；⑥小区车辆管理；⑦闯红灯等违章车辆监控；⑧交通流量检测；⑨交通控制与诱导；⑩被盗车辆及特种车辆的鉴别。
本文在分析了近年来一些典型识别算法的基础上,最终提出了一有效的算法对车牌进行识别。车牌自动识别系统分为车牌定位、车牌字符分割和字符识别三个部分。在车牌定位方面,首先,介绍了车牌定位前的预处理技术,包括图像的灰度化、二值化、图像的边缘检测和滤波处理,这些处理可以提高图像质量,突出车牌信息,有利于车牌的定位。接着介绍了几种常用的车牌定位方法,对这几种方法进行分析,最后本文提出一种改进的投影法对车牌进行定位。在字符分割方面,介绍了车牌的二值化、几何校正等各种算法,然后分析了目前常用的车牌字符切分方法,最后提出了基于垂直投影法的字符切分方法,对车牌字符进行两次切分,达到了很好的效果。在字符识别方面,介绍了目前常用的字符识别方法,在研究了基于BP神经网络的字符识别方法的基础上,对其进行了改进,提出了一种改进的BP神经网络的字符识别方法。实验证明,本文提出的方法是有效的,具有较强的理论指导意义和实用价值。
The license plate recognition system based on image processing and pattern recognition is the intelligent traffic management in one of the important research topics. It uses computer image processing, pattern recognition and artificial intelligence technology to process,analyze and identify the video traffic image.and then to extract license plate information. It provides the basis for traffic management, fees, scheduling, statistics. It is widely used. In a nutshell, license plate recognition system can look at several aspects of the application:①vehicle charging management;②ravel time measurement;③public car park security management;④airports,ports and other import and export traffic management;⑤crossing checkpoints vehicle monitoring;⑤community transport management;⑦running red lights and other vehicle violation monitoring;⑧the detection of traffic flow;⑨traffic control and guidance;⑩the identification of stolen vehicles and special vehicles.
This paper studies the license plate recognition and analyzes the key technologies of the typical recognition algorithm in recent years,finally a series of effective algorithm is found to determine the identification plate. License plate recognition system is divided into plate location, license plate character segmentation and character recognition of three parts.Its research involves digital image processing, pattern recognition, computer vision, artificial intelligence and artificial neural networks and many other subject areas. In the plate positioning,this paper introduces the pretreatment before the license plate location,including graying, binarization, edge detection and filtering processing of images. Such treatment can improve the image quality and highlight the license plate information.All of these are conducive to the positioning plate. Then this paper introduces some commonly used positioning method and analyzes them. Finally, the improved positioning projection of the plate is used. In the character segmentation areas, this paper introduces the binary license plates, geometric correction algorithms and analyzes the current commonly used methods of character segmentation of license plate.Finally the vertical projection of the character segmentation method is used. Achieved very good results. In the character recognition area,the paper introduced the normal methods of character recognition.Based on BP neural network character recognition method, a modified BP neural network character recognition is used. Experimental results show, the proposed method is reasonable and has strong theoretical guidance and practical value.
本文在分析了近年来一些典型识别算法的基础上,最终提出了一有效的算法对车牌进行识别。车牌自动识别系统分为车牌定位、车牌字符分割和字符识别三个部分。在车牌定位方面,首先,介绍了车牌定位前的预处理技术,包括图像的灰度化、二值化、图像的边缘检测和滤波处理,这些处理可以提高图像质量,突出车牌信息,有利于车牌的定位。接着介绍了几种常用的车牌定位方法,对这几种方法进行分析,最后本文提出一种改进的投影法对车牌进行定位。在字符分割方面,介绍了车牌的二值化、几何校正等各种算法,然后分析了目前常用的车牌字符切分方法,最后提出了基于垂直投影法的字符切分方法,对车牌字符进行两次切分,达到了很好的效果。在字符识别方面,介绍了目前常用的字符识别方法,在研究了基于BP神经网络的字符识别方法的基础上,对其进行了改进,提出了一种改进的BP神经网络的字符识别方法。实验证明,本文提出的方法是有效的,具有较强的理论指导意义和实用价值。
The license plate recognition system based on image processing and pattern recognition is the intelligent traffic management in one of the important research topics. It uses computer image processing, pattern recognition and artificial intelligence technology to process,analyze and identify the video traffic image.and then to extract license plate information. It provides the basis for traffic management, fees, scheduling, statistics. It is widely used. In a nutshell, license plate recognition system can look at several aspects of the application:①vehicle charging management;②ravel time measurement;③public car park security management;④airports,ports and other import and export traffic management;⑤crossing checkpoints vehicle monitoring;⑤community transport management;⑦running red lights and other vehicle violation monitoring;⑧the detection of traffic flow;⑨traffic control and guidance;⑩the identification of stolen vehicles and special vehicles.
This paper studies the license plate recognition and analyzes the key technologies of the typical recognition algorithm in recent years,finally a series of effective algorithm is found to determine the identification plate. License plate recognition system is divided into plate location, license plate character segmentation and character recognition of three parts.Its research involves digital image processing, pattern recognition, computer vision, artificial intelligence and artificial neural networks and many other subject areas. In the plate positioning,this paper introduces the pretreatment before the license plate location,including graying, binarization, edge detection and filtering processing of images. Such treatment can improve the image quality and highlight the license plate information.All of these are conducive to the positioning plate. Then this paper introduces some commonly used positioning method and analyzes them. Finally, the improved positioning projection of the plate is used. In the character segmentation areas, this paper introduces the binary license plates, geometric correction algorithms and analyzes the current commonly used methods of character segmentation of license plate.Finally the vertical projection of the character segmentation method is used. Achieved very good results. In the character recognition area,the paper introduced the normal methods of character recognition.Based on BP neural network character recognition method, a modified BP neural network character recognition is used. Experimental results show, the proposed method is reasonable and has strong theoretical guidance and practical value.
引文
[1]史忠科,曹力.交通图像检测与分析[M].北京：科学出版社,2007：1-245
[2]李卫平.智能交通技术应用[M].北京：人民交通出版社,2006：1-13
[3]阎建国,高亮,卢京潮.图象处理技术在车牌识别中的应用[M].电子技术应用,2000,1：17-18
[4]范勇,蒋欣荣,游志胜等.汽车牌照快速定位算法[J].光电工程,2001,28(2)：56-59
[5]万国红,王敏,黄心汉等.基于神经网络的汽车牌照自动识别技术研究[J].计算机工程与应用,2002,06：204-205
[6]吴大勇,魏平,侯朝祯,等.一种车牌图像中的字符快速分割与识别方法[J].计算机工程与应用,2002,03：232-233
[7]杨卫平,李吉成,沈振康.车牌目标的自动定位技术[J].中国图像图形学报,2002,7：835-839
[8]韩智广,老松杨,谢毓湘,等.车牌分割与矫正[J].计算机工程与应用,2003,09：210-212
[9]冯国进,顾国华,郑瑞红.基于自适应投影方法的快速车牌定位[J].红外与激光工程,2003,32(3)：285-287,308
[10]段震,鲁杰,张铃.基于交叉覆盖神经网络的车牌识别研究[J].安徽大学学报,2004,28(5)：11-14
[11]罗帆,陈最,王敏等一种基于边缘特征的汽车牌照定位算法[J].华中科技大学学报,2004,32增刊：97-99
[12]高珊,刘万春,朱玉文.基于SVM车牌字符分割和识别方法[J].微电子学与计算机,2005,22(6)：34-36
[13]宋焕生,赵祥模,王国强一种高性能的牌照识别系统[J].计算机工程与应用,2006,17：199-201
[14]秦钟,徐建闽,史胜利,等.基于方向轮廓的小波分解车牌字符识别方法[J].微计算机信息,2006,22(8-1)：229-231
[15]王枚,王国宏.利用伴生与互补颜色特征的车牌定位新方法[J].计算机工程与应用,2007,43(1)：206-208
[16]张晓波,林勇,刘广起.基于DCT变换的车牌定位算法[J].数学的实践与认知,2007,37(7)：64-68
[17]张玲,刘勇,何伟.自适应遗传算法在车牌定位中的应用[J].计算机应用,2008,28(1)：184-186
[18]张宏林.VisualC++数字图像模式识别技术及工程实践[M].北京：人民邮电出版社,2003：1-476
[19]王占全,徐慧.精通VisualC++数字图像处理技术与工程案例[M].北京：人民邮电出版社,2009：1-462
[20]沈庭芝,王卫江,闰雪梅.数字图像处理及模式识别[M].北京：北京理工大学出版社,2007：1-63
[21]刘文耀.数字图像采集与处理[M].北京：电子工业出版社,2007：1-336
[22]杨枝灵,王开.Visual C++数字图像获取处理及实践应用[M].北京：人民邮电出版社,2003：1-595
[23]赵启升,李存华.基于VC++的车牌识别系统关键技术研究[J].计算机科学,2006,33(12)：207-209,213
[24]王海娇,李文举,王新年等.基于边缘颜色聚类和神经网络的车牌类型识别[J].计算机工程与应用,2008,44(26)：196-199
[25]巨永锋,蔺广逢,蔡占华.基于遗传算法的图像识别方法团.长安大学学报(自然科学版),2004,24(6)：95-101
[26]赵素蕊,柳冬青.智能车牌识别技术[J].商业科技,2007,504：19-20
[27]邹晓涛,陈学.汽车牌照自动识别系统的设计与研制[J].红外与激光工程,2002,31(5)：415-418
[28]吴李汉,文俊浩.车牌自动识别系统的设计与实现[J].机器视觉,2006,9：97-103
[29]蒋治华,陈继荣,刘奕.车牌去噪技术研究[J].计算机工程,2004,30(24)：112-115
[30]苏彦华.VisualC++数字图像识别技术典型案例[M].北京：人民邮电出版社,1999,356-358
[31]李丰林,张峰,赵峻令.基于BP神经网络的汽车牌照识别[J].淮海工学院学报,2003,12(4)：113-116
[32]张志涌.精通MATLAB6.5教程[M].北京：北京航空航天大学出版社,2003,56-58
[33]Wen C-Y Yu C-C,Hun Z-D. A3-D Translrnrnalion to Irnhrove the Legihilily of Lieense Plale Numbers[J].Journal of Forensie Seienees,2002,470(3):578-585
[34]Yanamura Y.，Goto M.,Nishiyama D,Soga M,Nakatani H, Saji H. Extraction and tracking of the license plate using Hough transform and voted block matching. IEEE IV2003 Intelligent Vehicles Symposium.2003:243-246
[35]Shi Huihan.On the Diferent Processing of Wholes and Parts.A Psychophysiological Analysis.Journal of Cognitive Neuroscience.1997,9(5):680-697
[36]吴进军,杜树新.车牌字符分割新方法[J].工业控制计算机,2005,8(4)：69-75
[37]吴大勇,魏平,侯朝桢,刘永信.一种车牌图像中的字符快速分割与识别算法[J].计算机工程与应用,2003,(3)：212-215
[38]汤红忠.基于神经网络的车牌识别系统研究.湖南：湘潭大学,2004
[39]金玲玲,廖芹.汽车牌照的提取方法.华南理工大学学报(自然科学版),2002,7(7)：95-98
[40]邢博,梁德群,李文举一种新的车牌数字及字母字符识别方法[J].辽宁师范大学学报,2005.28(1)：56-58
[41]Li C L.Hui K C Feature recognition by template matching Computers-GraPhies,2000, 24:569-582
[42]杨淑莹编著.VC++图像处理程序设计[M].北京：清华大学出版社,北方交通大学出版社,2003.11
[43]路锋.基于改进的BP神经网络进行车牌定位的研究.苏州大学学报(工科版),2004(6)：5-8
[44]李弼程,彭天强.彭波等著.智能图像处理[M].北京：电子工业出版社,2004.07
[45]陈永超.基于数字图像处理的车牌识别研究[D].武汉理工大学硕士学位论文,2006
[46]工良红,冷建华.汽车倾斜牌照中字符的定位与提取[J].电讯技术,2003,4：59-62
[47]邹永星.车牌字符分割方法的研究[D].湖南师范大学硕士学位论文,2008
[48]权伟,郑南宁,贾新春.复杂背景下的车辆牌照字符提取方法研究[J].信息与控制,2002,31(1)：25-29
[49]何斌,马天予,王运坚等.VisualC++数字图像处理[M].北京：人民邮电出版社,2001：426-428
[50]黄骥.汽车牌照识别系统中车牌定位与校正及字符分割的研究[D].南京航空航天大学硕士学位论文,2007
[2]李卫平.智能交通技术应用[M].北京：人民交通出版社,2006：1-13
[3]阎建国,高亮,卢京潮.图象处理技术在车牌识别中的应用[M].电子技术应用,2000,1：17-18
[4]范勇,蒋欣荣,游志胜等.汽车牌照快速定位算法[J].光电工程,2001,28(2)：56-59
[5]万国红,王敏,黄心汉等.基于神经网络的汽车牌照自动识别技术研究[J].计算机工程与应用,2002,06：204-205
[6]吴大勇,魏平,侯朝祯,等.一种车牌图像中的字符快速分割与识别方法[J].计算机工程与应用,2002,03：232-233
[7]杨卫平,李吉成,沈振康.车牌目标的自动定位技术[J].中国图像图形学报,2002,7：835-839
[8]韩智广,老松杨,谢毓湘,等.车牌分割与矫正[J].计算机工程与应用,2003,09：210-212
[9]冯国进,顾国华,郑瑞红.基于自适应投影方法的快速车牌定位[J].红外与激光工程,2003,32(3)：285-287,308
[10]段震,鲁杰,张铃.基于交叉覆盖神经网络的车牌识别研究[J].安徽大学学报,2004,28(5)：11-14
[11]罗帆,陈最,王敏等一种基于边缘特征的汽车牌照定位算法[J].华中科技大学学报,2004,32增刊：97-99
[12]高珊,刘万春,朱玉文.基于SVM车牌字符分割和识别方法[J].微电子学与计算机,2005,22(6)：34-36
[13]宋焕生,赵祥模,王国强一种高性能的牌照识别系统[J].计算机工程与应用,2006,17：199-201
[14]秦钟,徐建闽,史胜利,等.基于方向轮廓的小波分解车牌字符识别方法[J].微计算机信息,2006,22(8-1)：229-231
[15]王枚,王国宏.利用伴生与互补颜色特征的车牌定位新方法[J].计算机工程与应用,2007,43(1)：206-208
[16]张晓波,林勇,刘广起.基于DCT变换的车牌定位算法[J].数学的实践与认知,2007,37(7)：64-68
[17]张玲,刘勇,何伟.自适应遗传算法在车牌定位中的应用[J].计算机应用,2008,28(1)：184-186
[18]张宏林.VisualC++数字图像模式识别技术及工程实践[M].北京：人民邮电出版社,2003：1-476
[19]王占全,徐慧.精通VisualC++数字图像处理技术与工程案例[M].北京：人民邮电出版社,2009：1-462
[20]沈庭芝,王卫江,闰雪梅.数字图像处理及模式识别[M].北京：北京理工大学出版社,2007：1-63
[21]刘文耀.数字图像采集与处理[M].北京：电子工业出版社,2007：1-336
[22]杨枝灵,王开.Visual C++数字图像获取处理及实践应用[M].北京：人民邮电出版社,2003：1-595
[23]赵启升,李存华.基于VC++的车牌识别系统关键技术研究[J].计算机科学,2006,33(12)：207-209,213
[24]王海娇,李文举,王新年等.基于边缘颜色聚类和神经网络的车牌类型识别[J].计算机工程与应用,2008,44(26)：196-199
[25]巨永锋,蔺广逢,蔡占华.基于遗传算法的图像识别方法团.长安大学学报(自然科学版),2004,24(6)：95-101
[26]赵素蕊,柳冬青.智能车牌识别技术[J].商业科技,2007,504：19-20
[27]邹晓涛,陈学.汽车牌照自动识别系统的设计与研制[J].红外与激光工程,2002,31(5)：415-418
[28]吴李汉,文俊浩.车牌自动识别系统的设计与实现[J].机器视觉,2006,9：97-103
[29]蒋治华,陈继荣,刘奕.车牌去噪技术研究[J].计算机工程,2004,30(24)：112-115
[30]苏彦华.VisualC++数字图像识别技术典型案例[M].北京：人民邮电出版社,1999,356-358
[31]李丰林,张峰,赵峻令.基于BP神经网络的汽车牌照识别[J].淮海工学院学报,2003,12(4)：113-116
[32]张志涌.精通MATLAB6.5教程[M].北京：北京航空航天大学出版社,2003,56-58
[33]Wen C-Y Yu C-C,Hun Z-D. A3-D Translrnrnalion to Irnhrove the Legihilily of Lieense Plale Numbers[J].Journal of Forensie Seienees,2002,470(3):578-585
[34]Yanamura Y.，Goto M.,Nishiyama D,Soga M,Nakatani H, Saji H. Extraction and tracking of the license plate using Hough transform and voted block matching. IEEE IV2003 Intelligent Vehicles Symposium.2003:243-246
[35]Shi Huihan.On the Diferent Processing of Wholes and Parts.A Psychophysiological Analysis.Journal of Cognitive Neuroscience.1997,9(5):680-697
[36]吴进军,杜树新.车牌字符分割新方法[J].工业控制计算机,2005,8(4)：69-75
[37]吴大勇,魏平,侯朝桢,刘永信.一种车牌图像中的字符快速分割与识别算法[J].计算机工程与应用,2003,(3)：212-215
[38]汤红忠.基于神经网络的车牌识别系统研究.湖南：湘潭大学,2004
[39]金玲玲,廖芹.汽车牌照的提取方法.华南理工大学学报(自然科学版),2002,7(7)：95-98
[40]邢博,梁德群,李文举一种新的车牌数字及字母字符识别方法[J].辽宁师范大学学报,2005.28(1)：56-58
[41]Li C L.Hui K C Feature recognition by template matching Computers-GraPhies,2000, 24:569-582
[42]杨淑莹编著.VC++图像处理程序设计[M].北京：清华大学出版社,北方交通大学出版社,2003.11
[43]路锋.基于改进的BP神经网络进行车牌定位的研究.苏州大学学报(工科版),2004(6)：5-8
[44]李弼程,彭天强.彭波等著.智能图像处理[M].北京：电子工业出版社,2004.07
[45]陈永超.基于数字图像处理的车牌识别研究[D].武汉理工大学硕士学位论文,2006
[46]工良红,冷建华.汽车倾斜牌照中字符的定位与提取[J].电讯技术,2003,4：59-62
[47]邹永星.车牌字符分割方法的研究[D].湖南师范大学硕士学位论文,2008
[48]权伟,郑南宁,贾新春.复杂背景下的车辆牌照字符提取方法研究[J].信息与控制,2002,31(1)：25-29
[49]何斌,马天予,王运坚等.VisualC++数字图像处理[M].北京：人民邮电出版社,2001：426-428
[50]黄骥.汽车牌照识别系统中车牌定位与校正及字符分割的研究[D].南京航空航天大学硕士学位论文,2007