摘 要

随着工业化进程的不断发展，汽车的数量越来越多，怎样使道路智能化水平提高成为一个研究的焦点。其中，车辆牌照自动识别技术是制约道路智能化的重要因素，提高识别的速度以及准确度是提高道路智能化的关键。车辆牌照识别系统包括3个主要的部分：车牌图像的定位和提取、车牌字符分割、车牌字符识别。本文的车牌定位和提取部分采用了基于车牌彩色信息的彩色分割方法，针对家庭小型车蓝底白字车牌进行识别。根据彩色图像的RGB比例定位出近似蓝色的候选区域。最终找到车牌区域。在字符识别部分对字母数字的识别采用基于模板匹配的方法，对汉字字符的识别采用SVM方法，与传统的字符识别方法，如模板匹配、神经网络等相比，SVM方法在没有字符特征提取的情况下，可以获得较高的识别率和识别速度。在训练样本少的情况下，该系统的识别率较高，并具有算法简单，无需先验知识，容易控制和稳定性好等优点。

关键词：车牌识别（LPR）,彩色分割方法，车牌校正，擦除干扰区域，SVM

Abstract

With the development of the process of industrialization, there are more and more cars, how to make the road level of intelligence has become the focus of study. And, the license plate recognition technology is an important factor in restricting the intelligence of the road, improving the speed and accuracy of the recognition is the key to improving the intelligence of traffic. The license plate recognition system consists of three main parts: the license plate image location and pick-up, the license plate character segmentation, license plate character recognition. The location and pick-up part use color segmentation method which base on license plate color information to identify small family car with blue and white license plate. According to the proportion of RGB color images we can locate the approximate blue candidate region. Finally it can find the license plate area. I will use the method of simple template matching. Then , in Chinese character recognition I will use the SVM method , comparing with the traditional character recognition methods, such as template matching, neural networks , using the SVM method can get a higher recognition rate and speed when the character feature is absent . In the case of small training sample, the system also has a higher recognition rate. The algorithm is simple, there is no need to have a prior knowledge, and easy to control ,it also has good stability.

Keywords: License Plate Recognition(LPR), color segmentation method , license plate rectification , erasing interference , Support Vector Machine(SVM)

目 录

第一章 绪 论 5

1.1 应用背景和研究意义 5

1.2 国内外研究现状 5

1.2.1 市场上的车牌识别系统介绍 6

1.3 本文研究的主要内容 8

第二章 系统的组成 9

2.1 系统的基本模块 9

2.1.1 图像处理和识别模块 10

第三章 车牌图像定位与提取算法分析 12

3.1 车辆图像的输入与预处理 12

3.2 车牌定位与提取 13

3.2.1 比较常见的几种车牌定位方法 13

3.2.2 本系统的车牌分割与提取算法 13

第四章 车牌图像预处理算法分析 19

4.1 车牌图像灰度化 19

4.2 车牌图像预处理 19

4.3 对车牌图像进行形态学运算 20

4.4 对车牌图像的进一步操作 21

第五章 车牌字符分割算法 23

5.1 字符分割研究的现状 23

5.2 本研究中的字符切割方法 23

第六章 车牌字符识别 26

6.1 车牌字符识别研究现状 26

6.2 本研究中的车牌字符识别方法 26

6.2.1 支持向量机基本原理 26

6.2.2 支持向量机分类原理 27

6.2.3 模板匹配算法的基本原理 32

6.3 识别结果处理 36

第七章 结论 39

7.1 论文小结 39

7.2 今后研究展望 39

谢辞 40

参考文献 41

第一章 绪 论

1.1 应用背景和研究意义

随着经济的快速发展，越来越多的汽车行驶在公路上，这样，道路交通的压力日益增大，怎样使道路智能化水平提高成为一个研究的焦点。其中，车辆牌照自动识别技术是制约道路智能化的重要因素，提高识别的速度以及准确度是提高道路智能化的关键。传统的字符识别方法，如模板匹配、神经网络等，前者多利用了字符的轮廓、网格、投影等统计特征，相似字符区分能力差，且因特征数据维数过大会导致识别速度慢；而后者则存在网络输入数据的选择和网络结构设计等问题，在进行车牌字符识别时它的实别率很大程度上依赖于训练样本的数量，且在无特征提取的情况下，识别的正确率相对较低。应用SVM算法对车牌中的汉字字符进行识别，SVM可以自动寻找对分类有较好区分能力的支持向量，由此构成的分类器可以使类间间隔最大化，达到正确区分类别的目的；SVM算法在解决有限样本、非线性及高维模式识别问题中表现出了许多特有的优越性能，且具有适应性强和效率高的特点。在没有字符特征提取的情况下，获得较高的识别率和识别速度。在训练样本少的情况下，该系统的识别率较高，并具有算法简单，无需先验知识，容易控制和稳定性好等优点。

1.2 国内外研究现状

车牌识别系统作为智能交通的核心，在六七十年代的时候便展开了研究，国外有大量的关于这方面的产品，Yuniao Cuil改进了二值算法，并通过马尔科夫场对车牌的特征进行提取，在样本的识别中达到了较高的识别率。R.Parisi采用了神经网络技术与非传统的DFT技术作为改进的字符识别算法，并以DSP为核心CPU开发出一套车牌识别系统，其字符识别的效果达到了很高的水平。随着我国经济的快速发展，国内也有大量的从事这方面研究的专家骆雪超等使其起字符识别率达到96%，北航的胡爱明等利用的模板匹配算法开发的一套车牌识别系统其识别正确率达到97%以上。中国科学院自动化研究所的刘智勇等研究的车牌识别系统其车牌定位准确率达到99.42%，字符分割达到了94.52%，从国内车牌识别技术来看这是一个非常高的指标。

车牌图像字符识别是整个识别系统的目的所在，到目前为止研究人员已经提出了各式各样的识别方法：基于模板匹配字符识别方法，基于神经网络的字符识别方法，基于小波包特征提取的车牌字符识别以及基于模板匹配和神经网络的车牌识别方法，支持矢量机是由Vapnik等人于1995年提出的一类新型机器学习方法，能够较好的解决小样本、非线性及高维数的模式识别问题，近年来SVM已经在人脸识别、函数逼近以及概率密度估计等众多领域得到了广泛的应用，将该方法应用到车牌识别上已经被大量研究人员实现同时也验证了该方法的有效性。

1.2.1 市场上的车牌识别系统介绍

目前，国内市场上有许多车辆牌照识别系统的商业化产品，这里我们介绍由北京市振隆科技股份有限公司开发生产的高清城市出入口车辆牌照自动识别系统，该系统由前端视频捕捉系统和后台自动识别与编辑系统组成。该系统的主要特点有：