OCR王钰楠：浅析车牌识别原理（一）
_本文原题为：浅析车牌识别原理（一）
车牌识别技术是指对摄像机所拍摄的车辆图像或视频序列 ， 经过机器视觉、图像处理和模式识别等算法处理后自动读取车牌号码、车牌类型、车牌颜色等信息的技术 ， 是人工智能技术中重要的分支 。 它的硬件基础包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机 ， 其软件核心包括车牌定位、字符分割、字符识别等算法 。
目前已经被广泛应用于智能交通系统的各种场合 ， 像公路收费、停车管理、称重系统、交通诱导、交通执法、公路稽查、车辆调度、车辆检测等 。 对于维护交通安全和城市治安 ， 防止交通堵塞 ， 实现交通全自动化管理有着现实的意义 。
车牌识别流程
1图像采集
根据车辆检测方式的不同 ， 图像采集一般分为两种 ， 一种是静态模式下的图像采集 ， 通过车辆触发地感线圈、红外或雷达等装置 ， 给相机一个触发信号 ， 相机在接收到触发信号后会抓拍一张图像 ， 该方法的优点是触发率高 ， 性能稳定 ， 缺点是需要切割地面铺设线圈 ， 施工量大；另一种是视频模式下的图像采集 ， 外部不需要任何触发信号 ， 相机会实时地记录视频流图像 ， 该方法的优点是施工方便 ， 不需要切割地面铺设线圈 ， 也不需要安装车检器等零部件 ， 但其缺点也十分显著 ， 由于算法的极限 ， 该方案的触发率与识别率较之外设触发都要低一些 。
文章图片
2预处理
由于图像质量容易受光照、天气、相机位置等因素的影响 ， 所以在识别车牌之前需要先对相机和图像做一些预处理 ， 以保证得到车牌最清晰的图像 。 一般会根据对现场环境和已经拍摄到的图像的分析得出结论 ， 实现相机的自动曝光处理、自动白平衡处理、自动逆光处理、自动过爆处理等 ， 并对图像进行噪声过滤、对比度增强、图像缩放等处理 。
去噪方法有均值滤波、中值滤波和高斯滤波等；增强对比度的方法有对比度线性拉伸、直方图均衡和同态滤波器等；图像缩放的主要方法有最近邻插值法、双线性插值法和立方卷积插值等 。
3车牌定位
从整个图像中准确地检测出车牌区域 ， 是车牌识别过程的一个重要步骤 ， 如果定位失败或定位不完整 ， 会直接导致最终识别失败 。 由于复杂的图像背景 ， 且要考虑不清晰车牌的定位 ， 所以很容易把栅栏 ， 广告牌等噪声当成车牌 ， 所以如何排除这些伪车牌也是车牌定位的一个难点 。 为了提高定位的准确率和提高识别速度 ， 一般的车牌识别系统都会设计一个外部接口 ， 让用户自己根据现场环境设置不同的识别区域 。
4车牌校正
由于受拍摄角度、镜头等因素的影响 ， 图像中的车牌存在水平倾斜、垂直倾斜或梯形畸变等变形 ， 这给后续的识别处理带来了困难 。 如果在定位到车牌后先进行车牌校正处理 ， 这样做有利于去除车牌边框等噪声 ， 更有利于字符识别 。
目前常用校正方法有：Hough变换法 ， 通过检测车牌上下、左右边框直线来计算倾斜角度；旋转投影法 ， 通过按不同角度将图像在水平轴上进行垂直投影 ， 其投影值为0的点数之和最大时的角度即为垂直倾斜角度 ， 水平角度的计算方法与其相似；主成分析法 ， 根据车牌背景与字符交界处的颜色具有固定搭配这一特征、求出颜色对特征点的主成分方向即为车牌的水平倾斜角度；方差最小法 ， 根据字符在垂直方向投影点的坐标方差最小导出垂直倾斜角的闭合表达式 ， 从而确定垂直倾斜角度；透视变换 ， 利用检测到的车牌的四个顶点经过相关矩阵变换后实现车牌的畸变校正 。
5字符分割
定位出车牌区域后 ， 由于并不知道车牌中总共有几个字符、字符间的位置关系、每个字符的宽高等信息 ， 所以 ， 为了保证车牌类型匹配和字符识别正确 ， 字符分割是必不可少的一步 。