车牌自动识别系统方案

    ITS（Intelligent Transportation System）是一项以信息通信技术将人、车、路三者紧密协调、和谐统一，而建立起的大范围内、全方位发挥作用的实时、准确、高效的运输管理系统，该系统在有效利用现有交通设施、减少交通负荷和环境污染、保证交通安全、提高运输效率、促进社会经济发展、提高人民生活质量，推动社会信息化及形成新产业等方面具有极其重要的作用，从而受到世界各国的重视，目前已形成世界交通二十一世纪的发展方向
 
    作为核心技术之一，车辆牌照识别（license plate recognition，LPR）技术是公安执法系统、高速公路自动收费系统、城市道路监控系统、智能停车场管理系统等诸多ITS相关应用系统的重要一环，可以大大简化人的劳动，消除人为干扰，减少乃至杜绝出错的可能。相对于射频信号识别和条形码识别技术，有两大优点：
 
    （1）不需要在汽车上安装专门的条形码或射频识别标识；
 
    （2）LPR系统本身是基于视频技术的识别系统，可方便地进行图像回放、检索。

    车牌自动识别系统主要包括图像采集、图像处理、牌照切分、字符识别、近端或远端数据库、网络支持等工作模块。
    通过视频采集卡与计算机相连
    车牌识别技术的用途
    城市交通：交通路口流量统计
    智能交通违章监摄管理（电子警察）
    高速公路：自动收费，自动车辆登记，违章记录
    公安系统：肇事/失窃/犯罪车辆监测
    军事要塞、机关、宾馆：车辆自动化管理
    停车场及居民小区：进出车辆管理，自动计费； 

    关键：
    第二部分：车辆牌照定位与分割
    即从包含整个车辆的图像中找到牌照区域的位置，决定其后的车牌字符识别。
    第三部分：车牌字符识别
    车牌图像的特点
    我国现有车辆牌照：4类——蓝底白字、黄底黑字、黑底白字和白底黑字。 

    车辆牌照特征：
    （1）一个省份汉字（军警牌则为其他汉字）后跟字母或阿拉伯数字组成的7个字序列。标准车牌的具体排列格式是：X1X2.X3X4X5X6X7，
    （2）车辆牌照区域牌底与牌字颜色对比大，边缘非常丰富
    （3）在某相对固定的牌照位置拍得的图像上车辆牌照子图像区域高度和长度一定，且昌镐比例一定。车牌原始尺寸：字宽45mm，字高90mm，间隔符宽10mm，每个单元间隔12mm。 

    利普诺车牌定位技术综述
    出发点：通过车牌区域的特征来判断牌照。

    车牌主要特征：
    （1） 车牌区域内的边缘灰度直方图统计“特征”。——具有两个明显且分离的分布中心。
    （2） 车牌的几何特征，即车辆的宽、高比例在一定范围内。
    （3） 车牌区域的灰度分布特征，穿过车牌的水平直线其灰度呈现连续的峰、谷、峰的分布。
    （4） 车牌区域水平或垂直投影特征。车牌区域水平或垂直投影呈现连续的峰、谷、峰的分布。
    （5） 车牌形状特征和字符排列格式特征。车牌有矩形边框，字符位于矩形框中且有间隔。
    （6） 频谱特征，即对图形作行或列的DFT变换。其频谱图中包含了车牌的位置信息。 

    车牌定位系统
    一个车牌定位系统通常包括图像预处理、车牌区域搜索、车牌定位与分割等部分。
    车牌图像定位的难点
    （1） 抓拍图像受环境因素干扰（环境光照不均匀等），照片质量很难保证。
    （2） 其它字符区域干扰，难以准确定位。
    （3） 车牌出现污点，变脏，笔迹模糊，褪色等。
    （4） 车牌被部分遮挡。
    （5） 运动图像的模糊失真，形成锯齿等。 

    利普诺科技车牌检测与定位方法要点
    1. 灰度化：将24位真彩色图像转换成灰度图，以便与后续处理的统一和快速。
    2. 灰度拉伸：成像时光照不足或过强，图像偏暗或偏亮，经处理后使图像边缘清晰，牌照区域笔划特征跟明显。
    3. 边缘检测：车牌子区域边缘丰富。
    4. 模板匹配：在有着复杂背景的图像中找车牌 

    利普诺科技车牌定位的实现方法
    1. 直接法：直接分析图像的特征
    2. 神经网络法：
    首先利用神经网络对图像中一个个小窗口进行分类，然后对分类结果进行综合，从而得到牌照的准确定位。
    3. 基于矢量量化的牌照定位方法：
    在对牌照定位的同时进行了图像的压缩；
    对图像的处理不是以像素为单位，而是以块为单位，提高了处理速度；
    容易识别图像中没有牌照的情况。
    车牌字符的识别
    与通用的OCR识别方法类似。 

    主要算法：
    1．基于模板匹配的OCR算法
    首先对待识别字符进行二值化并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果。改进：基于关键点的模板匹配算法。
5种简单识别器：简单模板匹配；外围轮廓匹配；改进穿线法；基于 Hausdorff距离的模板匹配；简单分类器。 

    2．基于人工神经网络的OCR算法
    车牌字符识别实现要点
    1． 预处理：
    （1） 二值化：（彩色分割方法）
    难点：阈值选择和牌照类型多样（要统一）
    方法：全局阈值（OSTU等）和局部阈值
    （2） 倾斜度校正：Hough变换检测直线倾角。
    （3） 字符分割与大小归一化：统计分析方法 

    2． 字符识别（OCR）
    通用的匹配识别方法，小波变换，分形等
    车牌字符识别的难点
    牌照由汉字、字母和数字组成，汉字的笔画繁多，图像要具有更高的分辨力，系统要具有很高的采集和处理速度，要达到实时处理。这要求采用的算法简洁、实用、有较高