车牌识别技术原理
1、车牌识别系统框架
文通车牌识别系统采用高度模块化的设计,将车牌识别过程的各个环节各自作为一个独立的模块,采用国际的计算机智能算法技术,首先通过摄像头提取车牌视频图像,对获取的每一帧图像,利用的高效视频检测技术对车牌进行定位和跟踪,从中自动提取车牌图像,然后经过车牌精确定位、切分和识别模块准确地自动分割和识别字符,得到车牌的全部字符信息以及颜色信息。系统框架如图所示:
2、车牌定位模块
车牌定位模块是一个十分重要的环节,是后续环节的基础,其准确性对整体系统性能的影响巨大。本系统实现了一种完全基于学习的多种特征融合的车牌定位新算法,适用于各种复杂的背景环境和不同的摄像角度。同步内置的区域设置功能,可以很大程度上减少外部环境对于车牌识别的干扰,达到的识别效率。
3、车牌矫正及定位模块
受拍摄条件的限制,图像中的车牌总不可避免的存在一定的倾斜,需要一个矫正和定位环节来进一步提高车牌图像的质量,为切分和识别模块做准备。本系统使用*创的精心设计的快速图像处理滤波器,计算速度快,利用车牌整体信息,避免了局部噪声带来的影响,另一个优点就是通过对多个中间结果的分析还可以对车牌进行定位,进一步减小非车牌区域的影响。本系统较之其他公司的车牌识别系统,对于倾斜车牌图片的支持要更多,一般的车牌识别软件,支持的倾斜角度是±5°,该车牌识别软件,能支持±45°的倾斜角度,并且通过内部倾斜校正算法,不会因为倾斜角度的增加而降低识别率。
4、车牌切分模块
车牌切分模块利用车牌文字的灰度、颜色、边缘分布等各种特征,能较好地抑制车牌周围其他噪声的影响,并能容忍一定倾斜角度的车牌。
5、车牌识别模块
在车牌识别模块中,采用了多种识别模型相结合的方法,构建了一种层次化的字符识别流程,有效地提高了字符识别的正确率。另一方面,在字符识别之前,使用计算机智能算法对字符图像进行了前期处理,不仅保留了图像信息,而且提高了图像质量和相似字符的可区分性,保证了字符识别的可靠性。
6、车牌识别结果决策模块
文通车牌识别系统可以对每帧车牌图像进行实时识别,因此在一辆车的识别过程中,本系统将得到若干相同或不同的识别结果。这就需要一个识别结果的决策模块,具体地说,决策模块利用一个车牌的帧图像,对识别结果进行智能化的决策,通过计算观测帧数、识别结果稳定性、平均可信度和相似度等度量值得到该车牌的综合可信度评价,从而决定是否输出识别结果,或是拒绝该结果。一个车牌的终识别结果是通过分析所有帧的识别结果,对它们进行智能化的归类和投票,并结合一定的文法信息综合而成。这种方法综合利用了所有帧的信息,减少了以往基于单幅图像的识别算法所带来的偶然性错误,大大提高了系统的识别率和识别结果的正确性和可靠性。
车牌识别系统的关键技术及算法
车牌定位
车牌定位是车牌识别系统的基础,其定位的准确与否直接影响到车牌的字符分割和识别效果,是影响整个车牌识别系统识别率的主要因素。车牌定位,即运用数字图像处理、模式识别、人工智能等技术对采集到的汽车图像进行处理,从而准确地获得图像中的车牌区域,其输入是原始的汽车图像,输出是车牌图像。在现实车牌识别系统中,由于光照不均匀、背景的复杂性等原因,造成准确定位出车牌的难度较大。目前,根据车牌的特征,常见的车牌定位方法有基于车牌颜色特征信息的定位法、基于车牌区域频谱特征的定位法、基于分类器的车牌定位法、基于车牌边缘特征的车牌定位法等,这些方法各有所长。值得注意的是,车牌定位算法的分类并不是的,区别算法类别的标准并不十分明确。车牌定位算法的方法多种多样、各有所长,但存在着计算量大或者定位准确率不高等问题。
车牌定位是车牌识别的关键步骤,为了能在复杂背景和不均匀光照条件下快速准确定位车牌位置,基于改进Isotropic Sobel边缘检测算子的车牌定位算法,由此来解决其存在的问题,该算法通过改进Isotropic Sobel边缘检测算子,实现了车牌图像在水平、垂直以及对角线方向上的纹理特征提取,然后采用Otsu算法阈值化,再对阈值化后的二值图像做数学形态算得到车牌的候选区域,后利用车牌特征去除伪车牌。
对边缘检测后的灰度图进行二值化处理
车牌图像经过边缘检测之后,车牌上的字符及边缘信息会**出来,同时,其他非字符和非车牌边框的边缘纹理特征也**了出来,为了减少噪声的影响,需要对车牌图像进行二值化处理,二值化是对图像进行阈值化的一种类型。根据阈值的选取情况,二值化的方法可分为全局阈值法、动态阈值法和局部阈值法,我们用类间方差法(也称Otsu算法)进行阈值化,来剔除一些梯度值较小的像素,减少需要查找的车牌范围,二值化处理后车牌图像的像素值为0或者255。
车牌识别系统的基本工作原理及流程
车牌识别就是依次实现汽车图像的车牌定位、车牌字符分割、车牌字符识别算法的过程。车牌定位就是把车牌图像从含有汽车和背景的图像中提取出来,其输入的是原始的汽车图像,输出是车牌图像。
车牌的字符分割就是通过对车牌图像的预处理、几何校正等把字符从车牌图像中分割出来,分成一个个独立的字符,其输入是车牌定位后得到的车牌图像,输出是经过预处理、几何校正等后得到的一组单个的字符图像,并得到各个字符的点阵数据。字符识别是依次从单个字符点阵数据中提取字符特征数据,并给出识别结果。
① 车辆检测跟踪模块
车辆检测跟踪模块主要对视频流进行分析,判断其中车辆的位置,对图像中的车辆进行跟踪,并在车辆位置时刻,记录该车辆的特写图片,由于加入了跟踪模块,系统能够很好地克服各种外界的干扰,使得到更加合理的识别结果,可以检测无牌车辆并输出结果。
② 车牌定位模块
车牌定位模块是一个十分重要的环节,是后续环节的基础,其准确性对整体系统性能的影响巨大。车牌系统完全摒弃了以往的算法思路,实现了一种完全基于学习的多种特征融合的车牌定位新算法,适用于各种复杂的背景环境和不同的摄像角度。
③ 车牌矫正及精定位模块
由于受拍摄条件的限制,图像中的车牌总不可避免存在一定的倾斜,需要一个矫正和精定位环节来进一步提高车牌图像的质量,为切分和识别模块做准备。使用精心设计的快速图像处理滤波器,不仅计算快速,而且利用的是车牌的整体信息,避免了局部噪声带来的影响。使用该算法的另一个优点就是通过对多个中间结果的分析还可以对车牌进行精定位,进一步减少非车牌区域的影响。
④ 车牌切分模块
车牌系统的车牌切分模块利用了车牌文字的灰度、颜色、边缘分布等各种特征,能较好地抑制车牌周围其他噪声的影响,并能容忍一定倾斜角度的车牌。这一算法有利于类似移动式稽查这种车牌图像噪声较大的应用。
⑤ 车牌识别模块
在车牌识别系统中,通常采用多种识别模型相结合的方法来进行车牌识别,构建一种层次化的字符识别流程,可有效地提高字符识别的正确率。另一方面,在字符识别之前,使用计算机智能算法对字符图像进行前期处理,不仅可尽可能保留图像信息,而且可提高图像质量,提高相似字符的可区分性,保证字符识别的可靠性。
⑥ 车牌识别结果决策模块
识别结果决策模块,具体地说,决策模块利用一个车牌经过视野的过程留下的历史记录,对识别结果进行智能化的决策。其通过计算观测帧数、识别结果稳定性、轨迹稳定性、速度稳定性、平均可信度和相似度等度量值得到该车牌的综合可信度评价,从而决定是继续跟踪该车牌,还是输出识别结果,或是拒绝该结果。这种方法综合利用了所有帧的信息,减少了以往基于单幅图像的识别算法所带来的偶然性错误,大大提高了系统的识别率和识别结果的正确性和可靠性。
⑦ 车牌跟踪模块
车牌跟踪模块记录下车辆行驶过程中每一帧中该车车牌的位置以及外观、识别结果、可信度等各种历史信息。由于车牌跟踪模块采用了具有一定容错能力的运动模型和更新模型,使得那些被短时间遮挡或瞬间模糊的车牌仍能被正确地跟踪和预测,终只输出一个识别结果。