>

番茄视频app

高速公路車牌識別系統主要由五部分組成

712
發表時間:2018-08-17 15:39

高速公路車牌識別系統由圖像獲取、圖像處理、圖像分割、字符識別、數據庫管理等幾個部分組成。該系統能實時地完成復雜背景下汽車牌照的定位分割以及牌照字符的自動識別。

第一部分:圖像獲取。在這個部分中,我們通過在道路兩側安裝高分辨率的攝像機對過往的車輛進行動態或靜態抓拍,再通過圖像采集卡采集當前圖像并形成圖像數據組存儲在計算機中,此時計算機中存儲的圖像為彩色圖像。

第二部分:圖像處理。由于在第一部分得到的圖像是彩色圖像,其顏色種類較多,不利于圖像處理,因此我們先將彩色圖像轉換為灰度圖像進行處理。應用 MATLAB中的函(rgeb2gray)可以實現圖像轉換。經過轉換后的灰度車牌圖像通常都是數字灰度圖像,其灰度值為0~225。為了將車牌圖像中的字符與背景分離,常采用二值化技術將數字灰度圖像轉換為數字二值圖像。應用 MATLAB中的函數(im2bw)可以實現這一轉換。二值圖像是一種所有像素值只能在兩種可能的離散值中取其一的圖像,也稱為黑白圖像。本質上,這兩個可能的像素值分別對應于0和1,以這種方式來操作圖像可以更加容易地識別出圖像的結構特征。在整個系統中,二值化是非常關鍵的一步,二值化的效果直接影響到后面的分割和識別,因為字符的分割和識別是基于車牌區域的二值化結果進行的。二值化技術又稱為閾值化技術,其目的就是要找出一個合適的閾值,將待研究的區域劃分為前景和背景兩部分。二值化后的車牌要能再現原字符圖像,基本不出現筆畫斷裂和粘連現象,盡量不丟失原字符的特征。另外,二值化算法還可以用于精確定位車牌的上下左右邊界。

第三部分:圖像分割。這一部分是整個系統的核心部分,如果圖像中的汽車牌照部分不能準確地分割出來,將會直接影響到最終能否識別出車牌,即識別率的高低。圖像分割就是根據目標與背景的先驗知識(西方哲學家將知識分為兩種:先驗與后驗。先驗意味著僅憑推理得到的知識(先驗經驗觀察),而不受直接或間接經驗(這里經驗通常指通過感官對于世界的觀察)的影響。后驗指其他種類的知識,也就是知識的得來和證實需要借助經驗(經驗觀察之后),也被稱做經驗知識( empirical knowledge),對圖像中的目標、背景進行標記、定位,然后將待識別的目標從背景或其他偽目標中分離出來。圖像分割是圖像提取的重要組成部分,只有有效地完成分割,才能進一步提取目標特征并識別目標。

第四部分:字符識別。對于車牌字符識別,目前最常用的方法是基于神經網絡和模板匹配的方法。基于神經網絡的車牌字符識別方法對于解析度較高(車牌區寬度不小于120個像素)和圖像比較清晰的車牌能有效地識別車牌中的字符,但是對于較低解析度和較為模糊的車牌,則顯得無能無力。故本書在模板匹配法的基礎上提出了一種改進模板匹配方法來進行字符識別,使對車牌字符的識別性能得到了改進。

第五部分:數據庫管理。首先需要建立一個大型的數據庫,在這個數據庫中儲存一定數量的車牌號碼及這些車的一些相關資料。通過前面的步驟,已把車牌提取出來,接下來將提取的車牌號碼與數據庫中儲存的車牌號碼進行比較。如果相同,系統就會自動找到該車牌,并顯示相關信息;如果不同,說明系統中沒有該車牌的記錄,此時系統會自動儲存該車牌號碼,以備需要。

以上五個部分互相關聯,緊密結合,任何一個部分出了問題都會影響到識別的準確程度,所以每個部分都非常重要。


關注我們: