車牌識別英文文獻(xiàn)2翻譯

1、實(shí)時(shí)車輛的車牌識別系統(tǒng)摘要本文屮闡述的是 i 個(gè)簡煉的用于車牌識別系統(tǒng)的算法。基于模式匹配，該算法可以應(yīng)用于對車牌實(shí)時(shí)檢測數(shù)據(jù)采集， 測繪或一些特定應(yīng)用目的。 擬議的系統(tǒng)原型己 經(jīng)使用 C+ 和實(shí)驗(yàn)結(jié)果已證明認(rèn)可阿爾伯塔車牌。1. 介紹車輛的車牌識別系統(tǒng)已經(jīng)成為在視頻監(jiān)控領(lǐng)域中一個(gè)特殊的熱門領(lǐng)域超過 10年左右。 隨著先進(jìn)的用于交通管理應(yīng)用的視頻車輛檢測系統(tǒng)的的到來， 車牌識別系 統(tǒng)被發(fā)現(xiàn)可以適合用在相當(dāng)多的領(lǐng)域內(nèi)，并非只是控制訪問點(diǎn)或收費(fèi)停車場?，F(xiàn)在可以被集成到視頻車輛檢測系統(tǒng)， 該系統(tǒng)通常安裝在需要的地方用于十字路口控它制，交通監(jiān)控等，以確定該車輛是否違反交通法規(guī)或找到被盜車輛。技術(shù)到目前

2、為止有如 BAM （雙向聯(lián)想回憶）神經(jīng)網(wǎng)絡(luò)字符識別- 些用于識別 車牌的1, 模式匹配 2 等技術(shù)。 應(yīng)用于系統(tǒng)的技術(shù)是基于模式匹配， 該系統(tǒng)快速， 準(zhǔn)確足以在相應(yīng)的請完成，更重要的是在于阿爾伯塔車牌識別在字母和數(shù)字方位確認(rèn)上的優(yōu)先于車牌號碼的字體和方位因國家 / 州/ 省份的不同而不同，該算法需要作相求時(shí)間內(nèi) 發(fā)展。由應(yīng)的修改保持其結(jié)構(gòu)完整，如果我們想請求系統(tǒng)識別這些地方的車牌。本文其余部分的組織如下： 第 2 節(jié)探討了在識別過程中涉及的系統(tǒng)的結(jié)構(gòu)和步 驟，第 3 節(jié)解釋了算法對于車牌號碼的實(shí)時(shí)檢測，第 4 節(jié)為實(shí)驗(yàn)結(jié)果，第 5 節(jié)總結(jié) 了全文包括致謝和參考文獻(xiàn)。2. 系統(tǒng)架構(gòu)系統(tǒng)將被用來作

3、為十字路口的交通視頻監(jiān)控?cái)z像系統(tǒng) - 個(gè)組成部分來進(jìn)行分析。圖 1 顯示了卡爾加里一個(gè)典型的交叉口。只有一個(gè)車牌用在艾伯塔，連接到背 面的車輛照相機(jī)將被用于跟蹤此背而車牌。1 / 7字 匹 的 車圖 1 卡爾加里一個(gè)的典型交叉口系統(tǒng)架構(gòu)包含三個(gè)相異部分： 室外部分， 室內(nèi)部分和通信鏈路。 室外部分是安 裝攝像頭在拍攝圖像的不同需要的路口。室內(nèi)部分是中央控制站，從所有這些安裝像頭中， 接收， 存儲(chǔ)和分析所拍攝圖像。 通信鏈路就是高速電纜或光纖連接到所攝有這些相機(jī)屮央控制站。幾乎所有的算法的開發(fā)程度迄今按以下類似的步驟進(jìn)行。 一般的 7 個(gè)處理步驟 已被確定為所有號牌識別算法 3 共有。它們是：觸

4、發(fā)：這可能是硬件或軟件觸發(fā)。硬件觸發(fā)是 I 口的方式，即感應(yīng)圈用于觸發(fā)利這個(gè)表述了圖像通過檢測車牌的存在何時(shí)應(yīng)該被捕獲。 硬件觸發(fā)現(xiàn)在在操作上在許 多地方被軟件觸發(fā)取代。 在軟件觸發(fā)， 圖像分為區(qū)， 通過圖像對于分析的車輛的檢 測的執(zhí)行。圖像采集： 硬件或軟件觸發(fā)啟動(dòng)圖像捕捉設(shè)備來捕捉和存儲(chǔ)圖像來進(jìn) ?步的分 析。車輛的存在：這 - 步是只需要如果在確認(rèn)一定時(shí)間間隔后觸發(fā)完成不需要知道輛存在于捕獲的圖像中。這 - 步背景圖像與捕獲的圖片作比較，并檢測是否有任車何重大改變。如果沒有，拍攝的圖像被忽略，否則進(jìn)入到下一個(gè)步驟。尋找車牌： 此步驟是在捕獲的圖像中定位車牌。 一些技術(shù)的可用于這 - ?步

5、， 例 如顏色檢測 4 ,特征分析 5 ,邊緣檢測 6 等。在捕獲的圖像中的任何傾斜是糾正在這一步。一旦車牌己被定位，圖像即準(zhǔn)備進(jìn)行字符識別。字符分割： 分割可以通過檢測濃到淡或者淡到濃的過渡層。 車牌中的每個(gè)灰色符產(chǎn)生了一個(gè)灰色帶。因此，通過檢測類似灰度帶每個(gè)字符可以被分割出來。識別過程：這是光學(xué)字符識別的 - 步。一些技術(shù)可以被用于到這一步包括模式配 2 ,特征匹配 7 8 和神經(jīng)網(wǎng)絡(luò)分類 9 。發(fā)布過程：這是應(yīng)用程序的特有的 ?步。根據(jù)應(yīng)用此步驟可保存己被檢測出來車牌用于交通數(shù)據(jù)收集，嘗試匹配號牌與被盜車輛數(shù)據(jù)庫或在停車場中為認(rèn)可停2 / 7的車輛打開汽車門等等。3. 算法該算法用于在處

6、理捕獲的圖像利車牌檢測后的車牌字符識別?；谀Ｊ狡ヅ洌到y(tǒng)沿用了一個(gè)智能算法用于艾伯塔車牌字母利數(shù)字的識別。圖 2 顯示了一個(gè)艾伯塔省車牌樣本其中包含三個(gè)字母， 3 個(gè)數(shù)字和破折號在內(nèi)。所以通過基本的字符確認(rèn)方法，模糊的字符比如有：數(shù)字 0和字母 0,數(shù)字 8和字母 B 已被解決。此外， 由于前三個(gè)字符是字母， 所以只需與 A-Z 這 - ?段的字母作比較比較。 類 似的，在最后三個(gè)字符，它門只需與 0-9 這一段數(shù)字作比較。FZP-562圖 2? 阿爾伯塔省的車牌首先字符識別問題是要找出字符的印刷區(qū)域。 這一區(qū)域通常是垂直利水平居中 的。因此， 通過采取顏色的濃度， 我們可以得到字符垂直的頂

7、部和底部。 一口圖像 中字符的頂部和底部位置被找到，該區(qū)域可以從生成的圖像中分割出來，生成圖 3 一樣的圖像。這個(gè)圖像現(xiàn)在為字符分割和識別作準(zhǔn)備。FZP-562I圖 3.分割的圖像只包含字符作進(jìn)一步處理字符分割可通過橫向顏色的濃度來進(jìn)行。 為了模式匹配有效地進(jìn)行， 需要在車 牌上找到一個(gè)與 Z 相匹配的字體。 Arial 字體在阿爾伯塔省的車牌字符識別用起來 相當(dāng)好。在用到這種字體時(shí)一個(gè)庫首先被建立起來。這個(gè)庫包含直方圖字母 AZ 利數(shù) 字 0-9o 15 個(gè)不同的直方圖已為了庫生成各自相應(yīng)的字符。 它們是： 水平直方圖對 應(yīng)的（1）全尺寸， （2） 下半部分， （3） 上半部分， （4） 下

8、部三分之一， （5） 上 部三分之一，（ 6） 下部四分之一， （7） 上部四分之 / 一， （8） 上部的三分 Z 二的字 符和垂直直方 圖對應(yīng)的 （9） 全尺寸， （10） 左半部， （11） 右半部， （12） 左邊三 分之一， （13） 右邊三分之 _一， （14） 左邊四分之一以及 （15） 右邊四分之一的字 符。識別的流程圖己在圖 4 中給出。 如圖所示， 3 段在每次用于識別以及庫在每次 被調(diào)用時(shí)取決于這 三段是否被釆用。如果 3 段設(shè)定被檢測的為字母，字母 庫 將3 / 7被調(diào)用來進(jìn)行比較，否則就是 數(shù) 庫被調(diào)用來進(jìn)行比較。有 15 個(gè)不同的直方圖每 個(gè)字母的排序?yàn)?A-Z 在

9、 字母，庫中與 15 位不同的直方圖每個(gè)字符排序?yàn)閺?0-9 在 數(shù)字中。圖 4 屮所示的算法要運(yùn)行兩次，將 三段設(shè)置各自運(yùn)行一次，為了 完整地識別車牌。 i 在流程圖中迭代算子。 s和 p 是匹配的參數(shù)。圖 4.字符識別的流程圖i 的值隨著每個(gè)循環(huán)而改變并且這個(gè)值指示了庫屮的哪個(gè)直方圖應(yīng)該被用來作比較。如流程圖中所示，從段提取的直方圖（通過 i 的變化而定）在作比較 Z 前應(yīng)該首先被正?；?。 ?口正?；^程完成后，該段準(zhǔn)備與存儲(chǔ)在庫中的模式作匹配。每個(gè)匹配過程提供了一套在檢查下與段相似匹配的字符。因此，用不同的直方圖模式通過進(jìn)行幾次這樣的過程，最不可能的字符被過濾掉留下最正確的。4. 實(shí)驗(yàn)結(jié)

10、果4 / 7系統(tǒng)已經(jīng)使用 C+建立原型并且用艾伯塔省的車牌樣本進(jìn)行測試。圖 5 顯示通過采取圖像屮垂直顏色濃度來確定車牌字符位置的過程。從中心到上和從中心到下進(jìn)行水平掃描，圖像屮字符頂端（缶）和底端 （HJ） 的位置找到。Hi.too OoriyH2圖 5。垂直顏色濃度圖 6 顯示了字符分割的過程。這是通過利用顏色的濃度水平進(jìn)行完成的。因?yàn)槲覀冎?，前三個(gè)字符是字母而最后三個(gè)字符是數(shù)字，我們可以很容易在分割后將他們分組進(jìn)行下 - 步：模式匹配。1 10 28 37 鋤 55 64 73 82 91 100 109 118 127 136Li L2 L3 154 163 172 181D2 D3

11、圖 6。 字符分割如圖所示的流程圖中的 15 個(gè)不同的模式在系統(tǒng)中使用的是隨方式分配： 0 （水平直方圖，全尺寸）， 1 （垂直直方圖，全尺寸），上半部）， 3 （垂直直方圖，左半部）， 4 （垂直直方圖，右半部），i 的值而定，并此2 （水平直方圖 ,5 （水平直方圖 ,下半部）， 6 （水平直方圖，下部三分之一） ， 7 （垂直直方圖，右三分之一）， 85 / 7（水平直方圖，上部三分之一）， 9 （垂直直方圖，左三分之一） ， 10 （水平直方圖 , 下部四分之一）， 11 （水平直方圖，上部四分 Z）， 12 （水平直方圖，上部三分 Z 二）， 13 （垂直直方圖，右四分么一） , 1

12、4 （垂直直方圖，左四分之一）。從段 提取的直方圖在作比較 Z 前應(yīng)該首先被正?；?。（巧 （6(c)圖 7.正常化進(jìn)程正?；ㄟ^段的寬度與庫作比較來完成。例如，如果拿水平直方圖來進(jìn)行比較 ,三段中水平方向的最大寬度要與庫中的最大寬度進(jìn)行比較。如果該段的寬度更大，直方圖通過鄰近位置的直方圖的平均值在水平方向均勻縮小。類似的過程已被用于放大，如果是偏小的。圖 7 說明正?；瘯r(shí)，段的寬度比庫的要大。圖 7 （a） 顯示了庫中字母 F 的水平全直方圖。圖 7 （b） 顯示了字母 F 的水平直方圖在段中被找到。如果 F 的直方圖的寬度在庫屮最大（在 16 的情況下），從段中找到的直方圖寬度（在 19 的

13、情況下）在進(jìn)行比較 Z 前應(yīng)該被縮減到 16 這種情況。這個(gè)過程完成并表述在圖 7 （c） 中。由于寬度的差值為 3,直方圖 3 這個(gè)段直方圖 中均勻分配位置的值將被刪除，計(jì)算鄰域的平均值。如圖 7 （c） 中所示， 5 號， 10 號與 15 號位置的值被刪除通過對 4 號， 6 號， 9 號， 11 號， 14 號與 16 號位置值的 平均6 / 7計(jì)算。 4 號位置的新值是原來 4 號與 5 號位置的值的平均值。類似的， 5 號位置 的新值是原來 5 號和 6 號位置原來的值的平均值等。經(jīng)過規(guī)范化， 進(jìn)行模式匹配。 這是通過比較每個(gè)直方圖中兩個(gè)比率來完成。 一 個(gè)來自段， 另一個(gè)來自庫。

14、 該比率是直方圖每個(gè)位置的值對應(yīng)圖中的最大值。 如果 這兩個(gè)比率的差值在某值設(shè)置通過參數(shù) s 以內(nèi)，匹配計(jì)數(shù)增加。因此，通過在橫向直方圖） / 垂直（垂直直方圖）的位置部分，我們得到一個(gè)匹配計(jì)數(shù)說明段與 何密切匹配。對于庫中的每一個(gè)字符重復(fù)這個(gè)過程，獲得庫屮每一個(gè)字符的（水平 字符如匹配計(jì)數(shù)。現(xiàn)在，通過假設(shè)最高匹配計(jì)算為 100%匹配，字符的匹配小于 70% （由 參數(shù) P 設(shè)定）的算法過濾器。因此，下一次，當(dāng)算法釆用不同的直方圖時(shí)，將這段 與先前檢測到的字符作比較。如果在做這些比較進(jìn)行了 15 個(gè)不同的直方圖 Z 后，仍 有存在多個(gè)匹配，整個(gè)過程將重復(fù)進(jìn)行伴隨具有較高的靈敏度 （S 隨靈敏度增加而 下降），直到找到一個(gè)。5. 結(jié)論本文提出了一種實(shí)吋的車