主營(yíng)智能車(chē)牌識(shí)別系統(tǒng)、道閘、崗?fù)ぁ㈦妱?dòng)伸縮門(mén)
車(chē)牌自動(dòng)識(shí)別系統(tǒng)簡(jiǎn)介
車(chē)牌自動(dòng)識(shí)別技術(shù)是一項(xiàng)利用車(chē)輛的動(dòng)態(tài)視頻或靜態(tài)圖像進(jìn)行牌照號(hào)碼、牌照顏色自動(dòng)識(shí)別的模式識(shí)別技術(shù)。通過(guò)對(duì)圖像的采集和處理,完成車(chē)牌自動(dòng)識(shí)別功能,能從一幅圖像中自動(dòng)提取車(chē)牌圖像,自動(dòng)分割字符,進(jìn)而對(duì)字符進(jìn)行識(shí)別.其硬件基礎(chǔ)一般包括觸發(fā)設(shè)備(監(jiān)測(cè)車(chē)輛是否進(jìn)入視野)、攝像設(shè)備、照明設(shè)備、圖像采集設(shè)備、識(shí)別車(chē)牌號(hào)碼的處理機(jī)(如計(jì)算機(jī))等,其軟件核心包括車(chē)牌定位算法、車(chē)牌字符分割算法和光學(xué)字符識(shí)別算法等。
為了進(jìn)行牌照識(shí)別,需要以下幾個(gè)基本的步驟:
*牌照定位,定位圖片中的牌照位置;
*牌照字符分割,把牌照中的字符分割出來(lái);
*牌照字符識(shí)別,把分割好的字符進(jìn)行識(shí)別,最終組成牌照號(hào)碼。
(1)牌照定位
自然環(huán)境下,汽車(chē)圖像背景復(fù)雜、光照不均勻,如何在自然背景中準(zhǔn)確地確定牌照區(qū)域是整個(gè)識(shí)別過(guò)程的關(guān)鍵。首先對(duì)采集到的視頻圖像進(jìn)行大范圍相關(guān)搜索,找到符合汽車(chē)牌照特征的若干區(qū)域作為候選區(qū),然后對(duì)這些侯選區(qū)域做進(jìn)一步分析、評(píng)判,最后選定一個(gè)最佳的區(qū)域作為牌照區(qū)域,并將其從圖象中分割出來(lái)。
(2)牌照字符分割
完成牌照區(qū)域的定位后,再將牌照區(qū)域分割成單個(gè)字符,然后進(jìn)行識(shí)別。字符分割一般采用垂直投影法。由于字符在垂直方向上的投影必然在字符間或字符內(nèi)的間隙處取得局部最小值的附近,并且這個(gè)位置應(yīng)滿足牌照的字符書(shū)寫(xiě)格式、字符、尺寸限制和一些其他條件。利用垂直投影法對(duì)復(fù)雜環(huán)境下的汽車(chē)圖像中的字符分割有較好的效果。
(3)牌照字符識(shí)別
字符識(shí)別方法目前主要有基于模板匹配算法和基于人工神經(jīng)網(wǎng)絡(luò)算法。基于模板匹配算法首先將分割后的字符二值化,并將其尺寸大小縮放為字符數(shù)據(jù)庫(kù)中模板的大小,然后與所有的模板進(jìn)行匹配,最后選最佳匹配作為結(jié)果。基于人工神經(jīng)元網(wǎng)絡(luò)的算法有兩種:一種是先對(duì)待識(shí)別字符進(jìn)行特征提取,然后用所獲得特征來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)分配器;另一種方法是直接把待處理圖像輸入網(wǎng)絡(luò),由網(wǎng)絡(luò)自動(dòng)實(shí)現(xiàn)特征提取直至識(shí)別出結(jié)果。
實(shí)際應(yīng)用中,牌照識(shí)別系統(tǒng)的識(shí)別率與牌照質(zhì)量和拍攝質(zhì)量密切相關(guān)。牌照質(zhì)量會(huì)受到各種因素的影響,如生銹、污損、油漆剝落、字體褪色、牌照被遮擋、牌照傾斜、高亮反光、多牌照、假牌照等等;實(shí)際拍攝過(guò)程也會(huì)受到環(huán)境亮度、拍攝亮度、車(chē)輛速度等等因素的影響。這些影響因素不同程度上降低了牌照識(shí)別的識(shí)別率,也正是牌照識(shí)別系統(tǒng)的困難和挑戰(zhàn)所在。為了提高識(shí)別率,除了不斷的完善識(shí)別算法,還應(yīng)該想辦法克服各種光照條件,使采集到的圖像最利于識(shí)別。