姚楠+耿奇

摘要：本文基于MATLAB實現了對車輛牌照進行提取、預處理、字符分割、字符識別、語音播報。在MATLABGUI設計的系統(tǒng)平臺上，用戶可以方便快捷地直接在系統(tǒng)中處理和分析結果。對四十張不同距離、不同角度、不同光照條件下的車牌照片進行實驗，識別準確率高達90%。

關鍵詞：圖像處理；車牌識別；MATLAB GUI

中圖分類號：TP391 文獻標識碼：A DOI：10.3969/j.issn.1003-6970.2016.03.011

0引言

在現實交通管理中車牌自動識別技術充當著重要角色，被廣泛應用于小區(qū)門口及停車場、高速公路收費站、港口和機場、城市道路、城市交叉口等各個領域，對保障城市道路的暢通有序起著至關重要的作用。本文基于MATLAB GUI搭建的車牌自動識別系統(tǒng)，實現了對拍攝的汽車照片的車牌字符識別與結果播報及統(tǒng)計，提供了一個友好的可視化操作演示平臺，方便算法開發(fā)者的使用。

1系統(tǒng)總體設計

車牌自動識別系統(tǒng)的整體處理流程如圖1所示。

（1）汽車圖像采集：通過帶有拍照功能的電子產品對汽車圖像進行采集。

（2）預處理：圖像質量對車牌識別率的高低起著決定作用。所以，需要對采集到的原始圖像信息進行消除噪聲、圖像灰度化和增強、邊緣增強、二值化等處理。

（3）車牌定位：車牌定位的準確率對后面進行的分割字符和識別字符步驟有著深遠影響，是決定車牌識別率高低的關鍵因素。

（4）字符分割：經過一系列處理定位后，基于投影檢測法將車牌字符分割成單個字符，并對已分割出的字符作出檢測，最后統(tǒng)一字符的大小。

（5）字符識別：處理分割的字符，包括：縮放、特征提取等，得到規(guī)定字符的表達形式，然后通過與字符模板中的標準字符進行匹配，最終可以得到輸入的字符圖像。

（6）結果輸出：輸出車牌識別結果，并實現語音播報。

2 MATLAB GUI設計

GUI是圖形用于界面（Graphical User Inter-faces）的縮寫，是一種包含圖形對象（如窗口、按鈕、文本和菜單）的用戶界面。用戶以某種方式激活這些圖形對象，可以引起各種程序代碼的執(zhí)行。MATLAB GUI是MATLAB中的一項功能，將流程化的MATLAB程序裝載在一個帶有用戶界面的程序中去，從而大大方便用戶的使用過程，也提高了程序使用的直觀程度。實現圖文并茂的界面的同時，開發(fā)者不必耗費太多精力在設計界面代碼，為使用MATLAB的程序設計者提供了一個簡便的開發(fā)環(huán)境，快速上手，提高了開發(fā)者的工作效率。

本系統(tǒng)設計的平臺如圖2所示，主界面上設置“原始圖像”“車牌定位”“灰度圖像”“傾斜校正”“字符分割”“識別結果”“語音播報”“結果統(tǒng)計”“返回”9個功能按鈕，每點擊一個按鈕即可實現一個對應的子功能。

3系統(tǒng)實現

本文用數碼相機對來自不同光照條件下、不同距離、不同角度、不同車身顏色的四十張汽車照片進行采集。以“甘AMF617”為例演示本系統(tǒng)的實現過程。

（1）單擊“原始圖像”按鈕，選擇要處理的圖片，得到原始圖像結果，如圖3所示。

（2）單擊“車牌定位”，在讀入圖像中將車牌部分單獨提取出來。本設計采用的是基于顏色特征的定位方法，這種方法可以不經過圖像預處理，運用車牌的顏色特像快速準確的定位。結果如圖4所示。

（3）單擊“灰度圖像”將彩色圖轉換為灰度圖像，并進行圖像去噪等預處理，便于下一步的字符提取。

（4）單擊“傾斜校正”。汽車牌照往往由于拍攝角度的不同而發(fā)生一定角度的傾斜，所以，必須修正傾斜的車牌圖像，在行方向上運用radon方法計算傾斜角度并進行校正處理，灰度圖像的傾斜校正結果如圖5所示。

（5）單擊“字符分割”。本設計采用的分割方法是先對圖片進行二值化處理，再以圖像的中心線為起點，設定某一閾值向上向下進行掃描，準確區(qū)分牌照符號所處對的位置，結果如圖6所示。

（6）單擊“識別結果”。本設計采用的字符識別算法是模板匹配算法，首先建立字符模板庫，然后使經過二值化操作后的待識別字符的大小與模板庫中字符的大小相一致，再進行匹配。通過統(tǒng)計輸入信號與樣本之間相同的概率，選擇相似程度最多的成為識別結果。結果如圖7所示。

（7）單擊“語音播報”。語音播報功能設計方法為：第一步用錄音軟件對所有的字符進行錄音，然后對錄好的數字字符、英文字母字符、各省份簡稱的漢字字符錄音分別以自己名稱保存，生成wav格式的音頻錄音。此外還有“系統(tǒng)運行中”、“識別結果”、“定位出錯”、“提取出錯”等的錄音。將各個音頻寫入到程序中，根據車牌識別的結果，對結果進行正確播報，若出現定位或提取的錯誤，則進行相應的錯誤提示。

（8）單擊“結果統(tǒng)計”。將采集的四十張車牌照片逐一在系統(tǒng)中進行檢測，得到檢測結果，根據檢測結果劃分為“檢測完全正確”“識別報錯”“定位報錯”“提取報錯”四類，繪制條形統(tǒng)計圖，并在界面上顯示，如圖8所示。

4結論

經過統(tǒng)計，40張照片共有4張車牌不能準確地識別出車牌號碼，識別成功率為90%。其中一張車牌定位失敗，是由于車身與車牌顏色相同造成的；第二張則是將“E”錯誤的匹配成“F”，最終導致識別出錯并且相應的語音播報也出現錯誤；另外兩張則都是提取出錯，一張是由于拍攝角度多大，而另一張則是外界環(huán)境因素（光線太強）造成的。

在設計過程中，車牌定位的算法設計仍存在一些問題，比如光照太強或是拍攝角度過大都可以導致定位失敗，因此在功能實現的算法選擇上還有待提高。對車牌的定位算法進行深層次的探索成為以后研究的重點，以增加算法的成功率，研發(fā)出一個更加智能化、識別率更高的車牌自動識別軟件。