王海峰

(山西省信息產(chǎn)業(yè)技術(shù)研究院有限公司，山西 太原 030012)

0 引言

近些年來，伴隨著我國國民收入水平和整體綜合實(shí)力的提高，機(jī)動(dòng)車輛以每年10%～20%的速度迅速增長，道路智能化建設(shè)步伐加快，全國城市化水平也在不斷提高，道路交通現(xiàn)狀和需求的矛盾進(jìn)一步加劇，特別是像肇事逃逸、盜搶機(jī)動(dòng)車輛、車輛違章行駛等案件。

基于融合算法的車牌識別系統(tǒng)通過對車輛進(jìn)行圖片抓拍、車牌號碼識別、車身顏色識別等數(shù)據(jù)進(jìn)行采集分析，實(shí)現(xiàn)對機(jī)動(dòng)車輛的構(gòu)成、車流量分析，違法違章等情況進(jìn)行24小時(shí)不間斷記錄，為有效快速偵破交通事故逃逸和機(jī)動(dòng)車盜搶、快速處理交通違章行為提供技術(shù)支持和有力證據(jù)，在城市治安管理和交通管制過程中發(fā)揮重要作用。

1 車牌識別系統(tǒng)圖像處理技術(shù)

1.1 圖像灰度化

前端相機(jī)采集到的車輛圖像一般都是彩色圖像，雖然它包含很多的圖片顏色信息，但是缺點(diǎn)是占用的存儲量比較大，影響系統(tǒng)處理的速度。本系統(tǒng)處理圖像信息時(shí)需要將彩色圖像轉(zhuǎn)為灰度圖像，即圖像灰度化[1]。一般將24位真彩圖像轉(zhuǎn)為灰度圖像主要有三種計(jì)算方法，即平均值法、最大值法、加權(quán)平均值法。本系統(tǒng)采用的是加權(quán)平均值法，即灰度化圖像灰度值等于RGB圖像三個(gè)分量的加權(quán)平均值，Ii,j=0.299Ri,j+0.578Gi,j+0.114Bi,j。

1.2 圖像增強(qiáng)

采用圖像增強(qiáng)技術(shù)是為了改善視覺效果，增強(qiáng)系統(tǒng)對圖像的進(jìn)一步分析。凸顯出圖像中有用的信息，減弱或者去除干擾信息，使經(jīng)過處理后的圖像更加適用于車輛識別分析。

1.3 圖像二值化

圖像二值化是將前景與背景區(qū)域進(jìn)行分離的過程。圖像二值化的過程相當(dāng)于圖像閾值分割，首先將像素點(diǎn)的灰度值設(shè)定為0或255，然后依據(jù)設(shè)定的閾值進(jìn)行分類，確定當(dāng)前像素是前景區(qū)域還是背景區(qū)域，也就是將圖像呈現(xiàn)出黑白效果的過程，最終實(shí)現(xiàn)將圖像轉(zhuǎn)為只有兩個(gè)灰度級的二值化圖像。二值化后的圖像，數(shù)據(jù)量大大減少，從而起到凸顯出目標(biāo)位置輪廓的作用。

1.4 邊緣檢測

邊緣是指其周圍像素灰度值急劇變化的像素集合，它是圖像具有的最基本特征。由于邊緣存在于背景、目標(biāo)和區(qū)域之間，所以它是圖像分割最重要的依據(jù)，同時(shí)邊緣也是位置的象征，對圖像灰度的變化不敏感，所以邊緣也是圖像匹配重要的特征。

圖像分割主要有邊緣檢測和區(qū)域劃分兩種方法，圖像邊緣檢測，通過提取圖像中不連續(xù)部分的特征，然后根據(jù)形成的閉合邊緣確定區(qū)域。圖像區(qū)域劃分，則是通過把圖像分割成特征相同的區(qū)域，不同特征區(qū)域之間的邊界就是邊緣[2]。

邊緣檢測的主要目的是標(biāo)注圖像中亮度變化明顯的像素點(diǎn)，而通常圖像屬性的顯著變化則反映屬性的重要變化[3]。在本系統(tǒng)中，由于車牌底色與車牌字符有顯著的灰度變化，圖像的邊緣是通過灰度不連續(xù)性來顯現(xiàn)的，所以機(jī)動(dòng)車車牌有著較為明顯的圖像邊緣信息，本系統(tǒng)采用邊緣檢測方法使車牌區(qū)域從整幅圖像中凸現(xiàn)出來。

1.5 形態(tài)學(xué)處理

數(shù)學(xué)形態(tài)學(xué)是一門建立在格論和拓?fù)鋵W(xué)基礎(chǔ)之上的圖像分析學(xué)科，是數(shù)學(xué)形態(tài)學(xué)圖像處理的基本理論。數(shù)學(xué)形態(tài)學(xué)可以分為二值形態(tài)學(xué)和灰度形態(tài)學(xué)，灰度形態(tài)學(xué)是由二值形態(tài)學(xué)延伸而來的。

數(shù)學(xué)形態(tài)學(xué)包括膨脹和腐蝕兩個(gè)最基本的運(yùn)算，而膨脹和腐蝕通過不同的組合又形成了閉運(yùn)算和開運(yùn)算[4]。腐蝕運(yùn)算過程使目標(biāo)區(qū)域信息范圍“縮小”，實(shí)質(zhì)是造成圖像的邊界收縮，通過腐蝕運(yùn)算過程可以消除目標(biāo)區(qū)域沒有價(jià)值的信息；而相反，膨脹運(yùn)算過程會使目標(biāo)區(qū)域信息范圍“擴(kuò)大”，將與目標(biāo)區(qū)域接觸的背景像素點(diǎn)合并到該目標(biāo)區(qū)域中，使得目標(biāo)區(qū)域邊界向外擴(kuò)張，膨脹的作用就是用來填補(bǔ)目標(biāo)區(qū)域的空洞點(diǎn)以及消除噪聲顆粒。由于二值化后的圖像中含有較多的噪聲孤立點(diǎn)，是不利于進(jìn)一步圖像特征提取，所以本系統(tǒng)采用了開運(yùn)算方式，即先腐蝕再膨脹的過程，可以有效地去除圖像中的孤立點(diǎn)。

2 結(jié)論

車牌號碼是機(jī)動(dòng)車輛重要的身份證明，在車輛識別優(yōu)先級方面，一般將車牌號碼識別設(shè)定為最高優(yōu)先級，當(dāng)機(jī)動(dòng)車車牌比較清晰時(shí)，可以正確的識別出車牌號碼，從而準(zhǔn)確的確定車輛的身份，而當(dāng)車牌被遮擋或缺損時(shí)，車牌號碼無法被準(zhǔn)確識別出來時(shí)，本系統(tǒng)可以進(jìn)一步進(jìn)行車標(biāo)、車身顏色識別，通過查詢比對數(shù)據(jù)庫中與此車標(biāo)信息相對應(yīng)的車牌號碼，系統(tǒng)自動(dòng)篩選出最接近的車牌號碼，從而確定出車輛的正確信息。本文所提出的基于融合算法的車牌識別系統(tǒng)，實(shí)時(shí)采集車輛的多種特征信息，包括車牌號碼、車輛標(biāo)志、車身顏色等信息，利用同一車輛不同信息之間的相互印證，通過優(yōu)化的識別算法準(zhǔn)確的識別出車輛的信息。

在系統(tǒng)測試階段，共對200個(gè)樣本進(jìn)行測試，測試結(jié)果如表1。

表1 測試結(jié)果

從測試數(shù)據(jù)可以看出，基于融合算法的車牌識別系統(tǒng)識別正確率遠(yuǎn)遠(yuǎn)高于普通車牌識別系統(tǒng)。由于普通車牌識別系統(tǒng)僅僅依靠單一的車牌號碼進(jìn)行車輛識別，識別結(jié)果往往受很多外在因素影響，無法根本解決車輛遮擋號牌、套牌、無牌的疑難問題，針對這一現(xiàn)狀，本文提出的基于融合算法的車輛識別系統(tǒng)，采用信息融合的方法，利用車輛不同信息之間的互補(bǔ)性，將車標(biāo)、車身顏色等特征信息作為車輛識別的其他識別手段，通過融合多種車輛信息準(zhǔn)確識別出車輛身份信息，能夠很好的解決車牌遮擋、套牌、污損、缺失等情況下，無法準(zhǔn)確識別車輛的疑難問題。