劉靜　王敬輝　于海青

摘 要：本文以車牌識(shí)別系統(tǒng)定位后的車牌字符識(shí)別算法為研究對(duì)象，分析基于模板匹配的字符識(shí)別算法和基于神經(jīng)網(wǎng)絡(luò)的字符識(shí)別算法，將車牌字符進(jìn)行分割處理，詮釋字符識(shí)別算法在車牌識(shí)別系統(tǒng)中的應(yīng)用。

關(guān)鍵詞：車牌識(shí)別；字符識(shí)別算法；字符分割；字符識(shí)別

中圖分類號(hào)：TP391.4

車牌識(shí)別系統(tǒng)是根據(jù)車牌特征進(jìn)行信息采集的一種自動(dòng)化應(yīng)用系統(tǒng)，在車牌識(shí)別系統(tǒng)識(shí)別車牌過程中需要經(jīng)歷圖像采集、預(yù)處理、二值化、車牌定位、字符定位、字符分割和字符識(shí)別等過程，本文對(duì)車牌識(shí)別系統(tǒng)定位后的字符識(shí)別算法在車牌識(shí)別系統(tǒng)中的應(yīng)用進(jìn)行研究，論述車牌識(shí)別系統(tǒng)字符識(shí)別模塊車牌字符預(yù)處理和字符特征提取。

1 車牌識(shí)別系統(tǒng)概述

1.1 車牌特征。目前我國所采用的車輛車牌編排規(guī)則主要是以省份簡稱漢字為開頭，后面接省市代表字母如：A代表省會(huì)城市，B代表第二大城市，C代表第三大城市等等，再接分割符，最后5個(gè)以數(shù)字或者字母組成字符序列組成車牌（特種車輛除外）。

車牌標(biāo)準(zhǔn)尺寸長440mm，寬140mm，單個(gè)字符寬度45mm，單個(gè)字符高90mm，第二個(gè)與第三個(gè)字符間距34mm，其他相鄰字符間距12mm。車牌顏色大型車輛為黃底黑字，小型車輛為藍(lán)底白字，使館車輛黑底白字，軍警車輛白底黑字。車牌其他特征如圖1所示：

1.2 車牌識(shí)別系統(tǒng)工作流程。車牌識(shí)別系統(tǒng)工作流程是首先，采用車輛圖像采集設(shè)備對(duì)車牌信息進(jìn)行圖像采集，形成車牌圖片；其次，將采集到的圖像傳輸?shù)杰嚺谱R(shí)別系統(tǒng)進(jìn)行進(jìn)行分析辨認(rèn)，將識(shí)別結(jié)果存入車輛管理數(shù)據(jù)庫中。

1.3 車牌識(shí)別系統(tǒng)模塊功能。車牌識(shí)別系統(tǒng)主要由三大系統(tǒng)模塊組成，包括：車輛車牌圖像采集模塊、車牌識(shí)別模塊和數(shù)據(jù)管理模塊。其中車牌識(shí)別模塊是對(duì)車輛信息進(jìn)行確認(rèn)的主要核心，其將車牌圖像采集模塊所采集到的車牌圖片進(jìn)行預(yù)處理，再將車牌字符進(jìn)行分割，對(duì)車牌字符特征進(jìn)行提取、訓(xùn)練、識(shí)別，輸出識(shí)別結(jié)果。

2 車牌字符識(shí)別算法

2.1 基于模板匹配和神經(jīng)網(wǎng)絡(luò)的字符識(shí)別?；谀０迤ヅ涞淖址R(shí)別算法是首先建立車牌字符標(biāo)準(zhǔn)模板庫，將所采集到的字符圖像于模板庫進(jìn)行圖像比較，計(jì)算并識(shí)別相似度，進(jìn)而確認(rèn)字符信息?；谀０迤ヅ涞淖址R(shí)別算法具有原理簡單，運(yùn)算速度快的特點(diǎn)，但是由于其對(duì)復(fù)雜字符識(shí)和相似字符識(shí)別能力較弱。

基于神經(jīng)網(wǎng)絡(luò)的字符識(shí)別算法采用BP神經(jīng)網(wǎng)絡(luò)、Hopfield神經(jīng)網(wǎng)絡(luò)、Kohonen神經(jīng)網(wǎng)絡(luò)等通過層級(jí)處理傳遞到輸出層的各個(gè)神經(jīng)元，當(dāng)輸出結(jié)果與期望結(jié)果不同時(shí)可再進(jìn)行反向傳播，將輸入層、隱含層、輸出層的權(quán)值進(jìn)行不斷調(diào)整直到將誤差值降為最低，達(dá)到預(yù)想結(jié)果?；谏窠?jīng)網(wǎng)絡(luò)的字符識(shí)別算法具較高的識(shí)別率和算法的魯棒性，但是其復(fù)雜程度較高，分析計(jì)算耗時(shí)較多，對(duì)漢字識(shí)別難度較大。

由于基于模板匹配和基于神經(jīng)網(wǎng)絡(luò)的字符識(shí)別具有互補(bǔ)性，可采用將車牌字符進(jìn)行分割將普通字符采用模板匹配算法進(jìn)行快速處理，將相似度高的字符采用神經(jīng)網(wǎng)絡(luò)算法進(jìn)行確認(rèn)，由此，解決二者各自的不足問題。

2.2 車牌字符分割。車牌字符分割可采用多種方法，其中包括：根據(jù)車牌字符形態(tài)的幾何特征進(jìn)行分割、根據(jù)車牌投影像素點(diǎn)個(gè)數(shù)進(jìn)行分割、根據(jù)字符顏色于背景顏色區(qū)域?qū)Ρ忍卣鬟M(jìn)行分割、根據(jù)車牌邊緣特征確認(rèn)字符邊緣位置進(jìn)行分割和根據(jù)字符像素連通性進(jìn)行分割。

2.3 車牌字符識(shí)別。車牌字符識(shí)別可采用模板匹配的方法對(duì)待識(shí)別車牌與模板庫集合進(jìn)行相似度匹配，還可以采用字符特征進(jìn)行特征提取，將特征庫的信息與其匹配進(jìn)行確認(rèn)，或者采用神經(jīng)網(wǎng)絡(luò)模仿生物神經(jīng)元結(jié)構(gòu)利用神經(jīng)網(wǎng)絡(luò)權(quán)值調(diào)整構(gòu)造出相應(yīng)的分類曲面完成字符的確認(rèn)。

3 字符識(shí)別算法在車牌識(shí)別系統(tǒng)中的應(yīng)用

3.1 車牌預(yù)處理。為了更好的分割車牌圖像對(duì)定位后的車牌圖像進(jìn)行灰度化、二值化、校正、濾波去噪、去邊框等。

灰度化，彩色圖像具有三個(gè)R、G、B三元色，存空間大傳輸速度慢，常用的圖像灰度化處理方法主要包括平均值法、最大值法和加權(quán)平均法。平均值法是對(duì)圖像中的像素點(diǎn)的基色求和再除3；最大值法是對(duì)圖像像素點(diǎn)的三個(gè)基色取色值最大值，再用其替換原始值；加權(quán)平均法是對(duì)像素點(diǎn)的三個(gè)基色進(jìn)行加權(quán)平均，權(quán)值可使三個(gè)基色達(dá)成統(tǒng)一。

二值化，二值化是將灰度圖像進(jìn)行閾值化分割，將圖像處理為只包含黑白兩種顏色的圖像，如果像素點(diǎn)的灰度值大于閾值則用白色（255）替代，如果像素點(diǎn)灰度值小于閾值則用黑色（0）替代。閾值的確定可分為局部閾值和全部閾值，局部閾值是根據(jù)監(jiān)測(cè)圖像當(dāng)前像素點(diǎn)局部區(qū)域相鄰像素點(diǎn)的灰度變化確定閾值，全部閾值是根據(jù)整幅灰度圖像像素點(diǎn)進(jìn)行逐點(diǎn)閾值計(jì)算。

校正，所采集到的圖像都不能保證字符在統(tǒng)一的平行線上，因此對(duì)圖像的分割帶來一定的困難，由此，可采用Hough變換將車牌字符的傾斜度進(jìn)行校正，使其保持各字符在同一水平直線上。

濾波去噪，車牌識(shí)別系統(tǒng)圖像采集模塊所采集到的圖像會(huì)受到、光照、雨水、霧霾等的影響使圖像處理難度增大，首先，令一個(gè)3*3模板在圖像上沿行或者列進(jìn)行移動(dòng)，再對(duì)模板所覆蓋的區(qū)域像素灰度值進(jìn)行排序，通過灰度值取中的方法替代模板內(nèi)的圖像灰度值，由此可將圖像灰度值進(jìn)行平均去除相對(duì)較亮或者較按的灰度，使圖像黑白更加分明。

去邊框，車牌識(shí)別系統(tǒng)所拍攝的車牌信息包含了不只車牌部分的圖像，因此需要對(duì)車牌之外的圖像進(jìn)行去邊框處理，首先確定車牌的連通區(qū)域，將不符合車牌的圖像進(jìn)行清除處理。

3.2 特征提取。車牌字符識(shí)別系統(tǒng)性能的準(zhǔn)確性與提取車牌特征的高效性和魯棒性有關(guān)，因此，在車牌特征提取中要根據(jù)車牌的特征信息將其劃分為結(jié)構(gòu)特征和統(tǒng)計(jì)特征進(jìn)行提取。

結(jié)構(gòu)特征是反映字符結(jié)構(gòu)于細(xì)節(jié)的特征，可對(duì)圖像的全局結(jié)構(gòu)特征和局部結(jié)構(gòu)細(xì)節(jié)特征進(jìn)行分析，全局結(jié)構(gòu)特征是采用Fourier、K-L、Gabor、Slle等變化分析法對(duì)圖像結(jié)構(gòu)進(jìn)行分析，局部結(jié)構(gòu)細(xì)節(jié)特征是對(duì)字符的筆畫、凹凸度、拐點(diǎn)、交叉點(diǎn)、環(huán)等進(jìn)行分析，進(jìn)而確定圖像字符的結(jié)構(gòu)。

統(tǒng)計(jì)特征是對(duì)圖像的各類特征進(jìn)行統(tǒng)計(jì)，譬如對(duì)圖像的投影特征、網(wǎng)格特征、輪廓特征、復(fù)雜度等進(jìn)行特征數(shù)累加，進(jìn)而能夠確定字符值。

4 結(jié)束語

在車牌識(shí)別系統(tǒng)中，字符識(shí)別算法主要是車牌字符的分割于識(shí)別，在本文中，字符識(shí)別算法首先要對(duì)車牌圖像進(jìn)行灰度化、二值化、校正、濾波去噪和去邊框，其次，對(duì)車牌特征進(jìn)行信息提取，為提高字符的識(shí)別速度于準(zhǔn)確度利用基于模板匹配算法和神經(jīng)網(wǎng)絡(luò)的字符識(shí)別算法相結(jié)合具有一定的可行性。

參考文獻(xiàn)：

[1]王磊等.改進(jìn)的模板匹配方法在車牌識(shí)別中的應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用.2013（05）.

[2]李康順等.基于演化算法的圖像二值化算法研究[J].計(jì)算機(jī)應(yīng)用研究.2012（01）.

作者簡介：劉靜（1979.10-），女，天津河?xùn)|人，講師，碩士研究生，研究方向：通信、檢測(cè)技術(shù)。

作者單位：天津現(xiàn)代職業(yè)技術(shù)學(xué)院 機(jī)電工程學(xué)院，天津 300350