對(duì)不同車牌識(shí)別算法的研究分析

1、A Comparative Study on Different License PlateRecognition AlgorithmsHadi Sharifi1 and Asadollah Shahbahrami21 Department of Information TechnologyUniversity of Guilan, Rasht, Iransharifiha2 Department of Computer EngineeringUniversity of Guilan, Rasht, Iranshahbahramiguilan.ac.ir對(duì)不同車牌識(shí)別算法的研究分析摘要：近年來(lái)

2、，汽車車牌識(shí)別系統(tǒng)應(yīng)用在許多交通管理和安全系統(tǒng)中，如自動(dòng)速度控制，跟蹤被盜汽車，自動(dòng)收費(fèi)管理，訪問(wèn)控制有限領(lǐng)域等。本文從精度與性能上討論了幾種常用識(shí)別車牌技術(shù)的優(yōu)劣。這樣的評(píng)價(jià)將提供給開發(fā)商或最終用戶，有利于為他們選擇出最合適的應(yīng)用技術(shù)。研究表明，動(dòng)態(tài)規(guī)劃算法是最快算法而Gabor變換是最準(zhǔn)確的算法。關(guān)鍵詞：車牌識(shí)別，Hough變換，Gabor變換，動(dòng)態(tài)規(guī)劃，形態(tài)學(xué)。1 引言車牌識(shí)別（LPR）是今天生活的重要課題。道路上總是充滿了各種機(jī)動(dòng)車輛的，重要的是開發(fā)出識(shí)別他們的應(yīng)用技術(shù)，如速度控制和安全管理。LPR用于實(shí)時(shí)系統(tǒng)，它能夠提供精確可接受的響應(yīng)時(shí)間1。LPR系統(tǒng)是基于圖像處理技術(shù)和字符識(shí)別系

3、統(tǒng)的。每個(gè)LPR系統(tǒng)由三個(gè)基本部分組成，即圖像采集，車牌檢測(cè)（LPD）和光字符識(shí)別（OCR）。圖像采集部分是使用相機(jī)從運(yùn)動(dòng)傳感器上接收信號(hào)和捕捉圖像。為了減少運(yùn)動(dòng)模糊，它應(yīng)該使用高速快門。LPD用來(lái)分析系統(tǒng)拍攝的圖像，辨別板位置或字母數(shù)字字符。有些算法是基于車牌的圖像特征來(lái)識(shí)別的，如形狀、顏色、高度、寬度比。這些算法的性能是非常敏感的。當(dāng)改變環(huán)境條件，如光照或天氣條件時(shí)，將會(huì)影響圖像特征的質(zhì)量。第三部分將分割字符，并且使用OCR模塊讀取分割的字符會(huì)出現(xiàn)在板塊2。對(duì)象識(shí)別系統(tǒng)包括兩大功能，檢測(cè)場(chǎng)景中的對(duì)象并承認(rèn)該對(duì)象3。大部分圖像處理技術(shù)的LPD是應(yīng)用基于Gabor變換，Hough變換的神經(jīng)網(wǎng)絡(luò)

4、或Ada-Boost 算法。本文研究和評(píng)估了一些類似的LPD算法。本文組織如下：第2節(jié)介紹LPD算法，第3節(jié)對(duì)它們的性能進(jìn)行比較。最后在第4節(jié)總結(jié)研究。2LPD算法在本節(jié)我們討論了基于動(dòng)態(tài)規(guī)劃，Hough變換，Gabor變換和基于形態(tài)學(xué)的各種算法。2.1動(dòng)態(tài)規(guī)劃的方法在基于動(dòng)態(tài)規(guī)劃（DP）的算法上4，開發(fā)商不需要找到圖像中的車牌板的位置，這是因?yàn)樗谲嚺粕现苯臃指盍俗帜笖?shù)字字符。它也并不需要任何隨強(qiáng)度變化的圖像特征，如車牌邊緣、顏色、線條等。為了實(shí)現(xiàn)這一算法，廣泛應(yīng)用的是檢測(cè)車牌號(hào)碼的定位點(diǎn)。每個(gè)點(diǎn)有一些關(guān)鍵規(guī)格，如高度、寬度、中心點(diǎn)的坐標(biāo)和提取它的臨界值。它使用能量最小化框架來(lái)提取正確的定位

5、點(diǎn)。這要求相鄰字符的兩個(gè)中心點(diǎn)之間的垂直和水平距離必須最小化。如果兩個(gè)相鄰的定位點(diǎn)的中心距離為d，如圖所示。1、在允許的范圍內(nèi)，他們可以認(rèn)為是正確數(shù)字字符的一部分。圖1兩個(gè)相鄰字符之間的定位點(diǎn)的幾何規(guī)范，兩個(gè)點(diǎn)之間的水平距離（d）4提取定位點(diǎn)的模塊的計(jì)算時(shí)間會(huì)隨著閾值改變而改變，且圖像標(biāo)記算法必須為每個(gè)閾值執(zhí)行一次。DP算法計(jì)算時(shí)間較少，所以它被稱為是一種快速算法。2.2Hough變換第二個(gè)算法是基于相結(jié)合的Hough變換和輪廓算法1。它是從二進(jìn)制圖像上檢測(cè)線的最有效算法之一。它查找的是包含車牌字符的兩條平行線之間的區(qū)域。執(zhí)行時(shí)間長(zhǎng)是Hough變換的缺點(diǎn)。當(dāng)被應(yīng)用到一個(gè)高分辨率的二進(jìn)制圖像時(shí)它

6、需要太多的計(jì)算，換句話說(shuō)，高分辨率圖像的計(jì)算時(shí)間是很長(zhǎng)的。雖然圖像細(xì)化的前期處理可以提高算法速度，Hough變換計(jì)算時(shí)間仍然很高，它是很難用于實(shí)時(shí)交通管理系統(tǒng)的。為了提高性能，Hough變換將與輪廓算法相結(jié)合進(jìn)行。在提取的邊圖像中，我們使用輪廓檢測(cè)算法來(lái)封閉邊界對(duì)象。這些輪廓線會(huì)轉(zhuǎn)化為霍夫坐標(biāo)，并找到兩組相互作用的平行線（兩平行線相交其他一組平行線，建立成一個(gè)平行四邊形的形式對(duì)象）作為一個(gè)待識(shí)別車牌區(qū)域。由于只有很少（黑色）像素的輪廓線，這些點(diǎn)的霍夫坐標(biāo)轉(zhuǎn)換，只需要非常少的計(jì)算。因此該算法的速度有著顯著改善，且無(wú)精度損失。如圖2。1 預(yù)選車牌3 預(yù)選車牌圖2結(jié)合等高線算法和Hough變換的LP

7、D系統(tǒng)1然而，這種技術(shù)可能會(huì)檢測(cè)到車燈或擋風(fēng)玻璃，因?yàn)樗麄兣c車牌一樣有平行四邊形的形狀。提取要檢測(cè)車牌的成效可以評(píng)估一個(gè)模塊是否拒絕了不正確的四邊形而留下了真正的車牌。在夾著要檢測(cè)車牌區(qū)域的兩條水平線間，它可以精確地計(jì)算在橫向坐標(biāo)上如何進(jìn)行線條傾斜。然后，它適用于調(diào)整到直角度的旋轉(zhuǎn)變換。處理完后，這些二進(jìn)制待檢測(cè)區(qū)域要通過(guò)一些試探式算法來(lái)進(jìn)行評(píng)估。評(píng)價(jià)待檢測(cè)的車牌的算法有兩個(gè)主要步驟，步驟如下：1、在此評(píng)估階段，寬度與高度的比例檢查將在一個(gè)允許的范圍內(nèi)進(jìn)行，如果我們考慮到寬度為W，高度為H，并允許范圍（最小范圍和最大范圍），那么滿足：最小范圍<W/H<最大范圍。2、利用計(jì)數(shù)水平橫向

8、削減的對(duì)象來(lái)評(píng)估提取車牌的技術(shù)。有一個(gè)作為每個(gè)所需車牌類型的預(yù)定義對(duì)象范圍應(yīng)該削減在一個(gè)板塊的水平線內(nèi)。檢查此屬性是有很用的，用于評(píng)估提取車牌的技術(shù)。2.3 Gabor變換Gabor變換也被應(yīng)用于LPR2。一個(gè)計(jì)算機(jī)視覺系統(tǒng)，在通過(guò)Gabor變換檢測(cè)和矢量量化分割車牌后，最終能夠檢測(cè)到圖像中的字符。Gabor濾波器是紋理分析的主要工具之一。這種技術(shù)的優(yōu)點(diǎn)是它的質(zhì)地分析適用于所有的方向和規(guī)模。Gabor濾波器的卷積結(jié)果會(huì)直接被用于車牌檢測(cè)。12 Gabor濾波器有0°、45°、90°、135°的四個(gè)方向和9、11、15個(gè)像素的三個(gè)不同的尺度。圖3顯示了灰度

9、圖像和其Gabor濾波器的響應(yīng)。圖像中的高值表示可能的板塊檢測(cè)區(qū)域。為了分割這些區(qū)域，我們使用第一臨界值算法來(lái)產(chǎn)生二進(jìn)制圖像。然后，形態(tài)學(xué)擴(kuò)張運(yùn)算符用于二進(jìn)制圖像且合并其鄰近區(qū)域。最后，我們就簡(jiǎn)單提取到車牌區(qū)域。圖4顯示了給定方法檢測(cè)下的結(jié)果。2.4 基于形態(tài)學(xué)算法形態(tài)學(xué)是圖像處理的工具，它是基于形狀的5，6。每個(gè)形狀有一個(gè)結(jié)構(gòu)元素（SE）并且形態(tài)的使用者使用此SE來(lái)分析數(shù)字圖像。車牌是一個(gè)矩形的形狀，所以車牌的形態(tài)是適合有矩形板的LPR。使用這種方法時(shí)，因?yàn)樵S多物體也是矩形所以它們可能被檢測(cè)到。要想評(píng)估選取車牌的技術(shù)和應(yīng)用中是否拒絕了虛假的物體，我們要找到一些選取車牌定位的特性，如形狀、長(zhǎng)寬

10、比、寬度、高度比等，并對(duì)它們進(jìn)行檢查。描述基于形態(tài)運(yùn)算符的LPR步驟如下：1、包含RGB圖像轉(zhuǎn)換為灰度圖像的預(yù)處理階段。如果原始圖像應(yīng)用了灰度，則需要這一步的時(shí)間可以節(jié)省掉。2、對(duì)灰度圖像使用Sobel邊緣檢測(cè)算法。3、邊緣擴(kuò)張符（形態(tài)學(xué)）。4、關(guān)閉運(yùn)算符（形態(tài)學(xué)）。5、噪音清理。6、評(píng)價(jià)選取出檢測(cè)車牌的功能。圖3左邊的圖像是原始圖像，右圖像是Gabor濾波器響應(yīng)23 討論動(dòng)態(tài)規(guī)劃算法是并不需要任何邊緣檢測(cè)的算法。環(huán)境條件幾乎不影響圖像的功能。換句話說(shuō)，在一天的白天或夜晚，每一個(gè)天氣條件都能夠保證其正常性能。DP在把灰度圖像轉(zhuǎn)換為二進(jìn)制與邊緣檢測(cè)時(shí)都不會(huì)消耗處理器的時(shí)間周期。Hough變換算法是一個(gè)耗時(shí)的方法。為了提高其性能，必須在預(yù)處理階段執(zhí)行細(xì)化算法。Gabor方法在LPR的兩個(gè)部分，即檢測(cè)車牌和分割字符上有著高效率，但它的缺點(diǎn)是當(dāng)計(jì)算復(fù)雜時(shí)消耗時(shí)間很長(zhǎng)?；谛螒B(tài)學(xué)的算法準(zhǔn)確性最低和執(zhí)行速度最快，但它實(shí)現(xiàn)起來(lái)很簡(jiǎn)單。表1比較討論了基于四個(gè)基本因素的方法。表1比較基于四個(gè)基本因素的車牌識(shí)別算法方法實(shí)現(xiàn)的復(fù)雜度環(huán)境條件的敏感度邊緣檢