停車場及小區(qū)出入口車牌識別技術的應用,主要用于記錄車輛的牌照號碼、車牌顏色、出入時間,實現(xiàn)車輛的自動管理,以便節(jié)省人力、提高效率;例如應用于智能小區(qū)可以自動判別駛入車輛是否屬于本小區(qū),對非內部車輛實現(xiàn)自動計時收費。在一些單位這種應用還可以同車輛調度系統(tǒng)相結合,自動、客觀地記錄本單位車輛的出車情況。
福州車牌識別基于圖像分割和圖像識別理論,對含有車牌識別車輛號牌的圖像進行分析處理,從而確定牌照在圖像中的位置,并進一步提取和識別出文本字符。車牌識別過程包括圖像采集、預處理、車牌定位、字符分割、字符識別、結果輸出等一系列算法運算。
1.圖像采集
根據車輛檢測方式的不同,圖像采集一般分為兩種,一種是靜態(tài)模式下的圖像采集,通過車輛觸發(fā)地感線圈、紅外或雷達等裝置,給相機一個觸發(fā)信號,相機在接收到觸發(fā)信號后會抓拍一張圖像,該方法的優(yōu)點是觸發(fā)率高,性能穩(wěn)定,缺點是需要切割地面鋪設線圈,施工量大;另一種是視頻模式下的圖像采集,外部不需要任何觸發(fā)信號,相機會實時地記錄視頻流圖像,該方法的優(yōu)點是施工方便,不需要切割地面鋪設線圈,也不需要安裝車檢器等零部件,但其缺點也十分顯著,由于算法的極限,該方案的觸發(fā)率與識別率較之外設觸發(fā)都要低一些。
2.預處理
由于圖像質量容易受光照、天氣、相機位置等因素的影響,所以在識別車牌之前需要先對相機和圖像做一些預處理,以保證得到車牌最清晰的圖像。一般會根據對現(xiàn)場環(huán)境和已經拍攝到的圖像的分析得出結論,實現(xiàn)相機的自動曝光處理、自動白平衡處理、自動逆光處理、自動過爆處理等,并對圖像進行噪聲過濾、對比度增強、圖像縮放等處理。去噪方法有均值濾波、中值濾波和高斯濾波等;增強對比度的方法有對比度線性拉伸、直方圖均衡和同態(tài)濾波器等;圖像縮放的主要方法有最近鄰插值法、雙線性插值法和立方卷積插值等。
3.車牌定位
從整個圖像中準確地檢測出車牌區(qū)域,是車牌識別過程的一個重要步驟,如果定位失敗或定位不完整,會直接導致最終識別失敗。車牌定位方法一般會依據紋理特征、顏色特征和形狀特征等信息,采用投影分析、連通域分析、機器學習等算法檢測車牌。投影分析方法根據車牌字符與背景交替出現(xiàn)的次數(shù)相比于其他情況要多這個特征,通過圖像在水平和垂直方向的投影分析來定位車牌。連通域分析根據車牌中的每個字符都是一個連通域且這些連通域的結構和顏色都一致的特征,通過檢測并合并這些連通域來定位車牌;機器學習的思路是,先使用從很多個車牌樣本中提取出來的特征把一個弱分類器訓練成一個強分類器,再使用這個強分類器對圖像進行掃描檢測從而定位到車牌。由于復雜的圖像背景,且要考慮不清晰車牌的定位,所以很容易把柵欄,廣告牌等噪聲當成車牌,所以如何排除這些偽車牌也是車牌定位的一個難點。為了提高定位的準確率和提高識別速度,一般的車牌識別系統(tǒng)都會設計一個外部接口,讓用戶自己根據現(xiàn)場環(huán)境設置不同的識別區(qū)域。
4.車牌校正
由于受拍攝角度、鏡頭等因素的影響,圖像中的車牌存在水平傾斜、垂直傾斜或梯形畸變等變形,這給后續(xù)的識別處理帶來了困難。如果在定位到車牌后先進行車牌校正處理,這樣做有利于去除車牌邊框等噪聲,更有利于字符識別。目前常用校正方法有:Hough變換法,通過檢測車牌上下、左右邊框直線來計算傾斜角度;旋轉投影法,通過按不同角度將圖像在水平軸上進行垂直投影,其投影值為0的點數(shù)之和最大時的角度即為垂直傾斜角度,水平角度的計算方法與其相似;主成分分析法,根據車牌背景與字符交界處的顏色具有固定搭配這一特征、求出顏色對特征點的主成分方向即為車牌的水平傾斜角度;方差最小法,根據字符在垂直方向投影點的坐標方差最小導出垂直傾斜角的閉合表達式,從而確定垂直傾斜角度;透視變換,利用檢測到的車牌的四個頂點經過相關矩陣變換后實現(xiàn)車牌的畸變校正。