CN102750525A - 一种实时路况下的车牌照识别系统 - Google Patents

Abstract

本发明提供了一种实时路况下的车牌照识别系统，与现行的车牌识别系统相比，本系统在硬件上采用了高清工业相机和千兆以太网，因此成像质量、传输速率都有大幅度的提升。在算法上，提出了自适应模板宽度法，克服了光照对车牌定位的影响;采用基于先验知识的垂直投影分割法精确分割车牌，分别用跳变统计法和Gabor算子提取字符特征，并利用SVM进行识别，有效解决了字符分割和识别问题。

Description

一种实时路况下的车牌照识别系统

技术领域

本发明涉及模式识别，更具体地讲，涉及一种实时路况下的车牌照识别系统。

背景技术

近年来，图像处理领域对车牌识别关键技术的研究有了较大进展，车牌识别系统也得到了广泛的应用。国内外有多家科研院所及公司开发了车牌识别系统，整车识别率均达到95%以上，但是这些系统多适用于车速较慢的停车场及闸口等环境，对入镜待识别的车牌大小及出现位置均有较高的要求。另一方面，国外对实时路况下的车牌识别也展开了深入的研究。针对实际路况下相机成像分辨率低的特点，利用马尔科夫随机场及亚像素技术从低分辨率图像中获取高质量车牌图像，而文献采用图像帧间的关联性来提高高分辨率车牌图像的识别速度。

在室外复杂路况下，由于所获得的图像是从实际道路环境中拍摄得到的动态图像，车牌数量不定，出现位置无规律，其中阴影、光照等因素的干扰为车牌的提取及识别增加了难度，加之传统监控用相机拍摄图像分辨率低，因此传统车牌识别系统不能很好地适应实际路况下的车牌识别，所以提高成像系统的分辨率及抗光照变化能力，增强识别算法的效率，以及支持多车牌识别，是车牌处理系统所要解决的主要问题。

本系统采用高清工业相机来拍摄实际路况下的车牌，并采用程序控制相机曝光时间等方法，实现在不同光照下获取清晰图像的目的;同时，系统利用改进的差分定位法对车牌进行定位，提高了算法速度并能较好地克服光照的影响，较好地实现了对多车牌识别的支持。

发明内容

本发明的目的在于提供一种实时路况下的车牌照识别系统，该方法能够快速地实现对多车牌的识别。

1.为了解决上述技术问题，本发明提供一种实时路况下的车牌照识别系统，其特征在于，包括：

系统构成：分为硬件系统和软件系统两个部分：硬件系统由高清工业相机、镜头、LED光源、计算机、视频捕捉卡、千兆网卡网线等部分组成；软件系统分为车牌定位、字符分割和字符识别3个部分；

数据传输通道：以千兆以太网作为数据传输通道；

识别方面：自适应模板宽度算法；

汉字识别：对汉字采用Gabor算子提取特征，然后利用SVM进行识别；

其包括以下控制步骤：

图像的获取及传输；

车牌定位；

车牌区域图像预处理；

字符分割；

字符识别。

其中，图像的获取及传输的控制方法如下：

采用分辨率为1600×960像素，速度为20帧/s的高分辨率CCD相机，将两个车道的车辆清晰摄入；采用传输速率为1000Mbit/s的千兆网络进行传输；远程控制工业相机进行各种摄像参数调整。

所述的车牌定位的控制方法如下：

在差分法的基础上，针对差分法的不足，将定位、分割及识别作为一个整体，对提取出来的候选车牌进行二值化，然后分割、识别，最后利用欧式距离获取车牌的置信度，从而去除伪车牌；车牌照内有7个成水平排列的字符，字符和牌照在灰度值上存在较大的差异，因而车牌区域内有丰富的边缘存在，并呈现出较为规则的竖直方向上的纹理特征，因此通过水平扫描边缘跳变的方法来进行车牌区域的定位。

所述的车牌区域图像预处理，具体内容如下：

针对车牌倾斜的情况，利用Hough变换提取接近水平、重合度较高的平行线段，计算后得到平行线段的方向夹角，然后利用这个夹角对图像进行旋转变换，对车牌候选区域进行倾斜校正。

所述的字符分割方法，具体内容如下：

系统采用垂直投影算法对车牌字符进行分割：将预处理后的车牌图像进行垂直方向求和，在图像较好的情况下，有字符的地方投影值较高，字符中间投影值为0，考虑到噪声对字符的影响，可确定一个阈值，再结合车牌字符宽高比和个数的先验知识，把各个字符分割开来。

所述的字符识别的控制方法如下：

1）成像方面：采用高分辨率CCD，确保得到高清晰的牌照图像；

2）识别上：运用Gabor小波变换对分割好的汉字灰度图像直接进行特征提取，保证了汉字信息的完整性。

或者，所述的字符识别的控制方法如下：

采用SVM进行字符识别，首先通过非线性变换将输入空间变换到一个高维空间，然后在这个新空间中寻找最优分类面；选取汉字及每类字符样本100个，进行特征提取后，分别用SVM进行模型训练，得到了字符模型和汉字模型；系统运行时，车牌实时图像经过处理后，提取出特征参数，将汉字及字符参数送入相应的模型进行计算，最后识别出车牌文字。

具体地，一种实时路况下的车牌照识别系统，包括如下步骤:

S1:图像获取及传输;

S2:车牌定位;

S3:字符分割;

S4:字符识别

进一步，信号车牌定位包括:

S201:将彩色图像转换为灰度图像:拍摄得到的图像为24bit真彩色图，首先利用公式(1)将彩色图像转换为灰度图像:

Gray(i，j)＝0.11R（i，j)+0.59G(i，j)+0.3B(i，j).                  (1)式

中:Gray(i，j)为转换后的灰度图像在(i，j)处的灰度值;R，G，B分别为彩色图像的颜色分量;

S202:差分图:为突出车牌字符的边缘，利用模板

与灰度图像Gray(i，j)进行卷积运算，得到水平方向模糊的图像G1，将Gray(i，j)与G1相减，得到差分图;

S203:n值选择:在不同光照条件下选取不同的n值:

$n=m\×\left(\underset{i=1}{\overset{h}{\mathrm{\Σ}}}\underset{j=1}{\overset{r}{\mathrm{\Σ}}}k\right)/(\underset{i=1}{\overset{h}{\mathrm{\Σ}}}\underset{j=1}{\overset{r}{\mathrm{\Σ}}}\mathrm{Gray}(i,j)/255),---\left(2\right)$ 式中:m为标准对比度下的模块宽度;k为标准对比度下的光照度均值;Gray(i，j)为高度h，宽度r的灰度图像，可根据经验，取m=7，k=160。采用该算法后，车牌识别系统能有效克服光照影响，可在全天候情况下进行有效的车牌定位。

S204:对图像进行二值化逐行扫描:每一行的灰度由白到黑或由黑到白都记为一次灰度跳变。令t表示灰度跳变次数，对于任一扫描行，黑白灰度跳变一次则t累加一次，根据经验，当t>10时，可以认为扫描线穿过了车牌区域。最后对扫描线进行矩形拟合，利用车牌形状信息排除杂质，得到车牌区域

进一步，字符分割的内容包括:

S301:成像方面，采用高分辨率CCD，确保得到高清晰的牌照图像;

S302:识别上，运用Gabor小波变换对分割好的汉字灰度图像直接进行特征提取，保证了汉字信息的完整性。

此外，优选的，本系统采用分辨率为1600×960像素，速度为20帧/s的高分辨率CCD相机，可将两个车道的车辆清晰摄入，保证了图像采集的有效性。

此外，优选的，采用传输速率为1000Mbit/s的千兆网络进行传输。该网络能稳定进行大数据量的图像数据远距离传输，同时也可以通过千兆网络传输控制协议，远程控制工业相机进行各种摄像参数调整。

附图说明

图1是本发明提供的一种硬件系统结构示意图。

图2是本发明软件系统流程图。

图3是传统CMOS相机拍摄效果图。

图4是高分辨率CCD相机拍摄效果图。

图5是千兆网络图像传输原理图。

图6是车牌定位图。

图7是预处理后的车牌图。

图8是垂直方向投影图。

具体实施方式

图1是本发明提供的一种硬件系统结构示意图。本系统分为硬件系统和软件系统两个部分。硬件系统由高清工业相机、镜头、LED光源、计算机、视频捕捉卡、千兆网卡网线等部分组成，其主要功能是获取高清晰车牌图像，其结构如图1所示。

图2是本发明软件系统流程图。软件系统分为车牌定位、字符分割和字符识别3个部分，其主要功能是对采集到的图像进行处理，识别出车牌，其流程如图2所示。

图3是传统CMOS相机拍摄效果图。传统车牌识别系统[5]由模拟摄像机、同轴电缆、图像采集卡等组成，而基于PAL标准的模拟摄像机分辨率较低，仅为576×480像素，不能对路面全车进行有效监控。其所获得的图像像素较少，在后期的字符识别中，难以有效区分汉字，达不到识别目的，其拍摄效果如图3所示。

图4是高分辨率CCD相机拍摄效果图。本系统采用分辨率为1600×960像素，速度为20帧/s的高分辨率CCD相机，可将两个车道的车辆清晰摄入，保证了图像采集的有效性，其拍摄效果如图4所示。

图5传统摄像机采用同轴电缆传输模拟信号，其传输速率低，在复杂现场环境下易受到干扰，不能满足数据量接近300Mbit/s的高清晰图像传输要求，因此宜采用传输速率为1000Mbit/s的千兆网络进行传输。该网络能稳定进行大数据量的图像数据远距离传输，同时也可以通过千兆网络传输控制协议，远程控制工业相机进行各种摄像参数调整，其原理如图5所示。

图6是车牌定位图。得到差分图像后，对图像进行二值化逐行扫描，每一行的灰度由白到黑或由黑到白都记为一次灰度跳变。令t表示灰度跳变次数，对于任一扫描行，黑白灰度跳变一次则t累加一次，根据经验，当t>10时，可以认为扫描线穿过了车牌区域。最后对扫描线进行矩形拟合，利用车牌形状信息排除杂质，得到车牌区域。全过程如图6所示。

图7是预处理后的车牌图：针对车牌倾斜的情况，利用Hough变换提取接近水平、重合度较高的平行线段，计算后得到平行线段的方向夹角，然后利用这个夹角对图像进行旋转变换，对车牌候选区域进行倾斜校正，如图7所示。

图8是垂直方向投影图。系统采用垂直投影算法对车牌字符进行分割。该算法就是将预处理后的车牌图像进行垂直方向求和，在图像较好的情况下，有字符的地方投影值较高，字符中间投影值为0，考虑到噪声对字符的影响，可确定一个阈值，再结合车牌字符宽高比和个数的先验知识，把各个字符分割开来，如图8所示。

表1是车牌识别时间复杂度测试结果。随机抽取晴天、阴天及夜晚车牌分辨率为1600×960像素照片各500张进行时间复杂度测试，测试用计算机CPU为CoreP8600，内存为2G，测试结果见表1。

表1车牌识别时间复杂度测试结果

表2是系统识别率表。在实际环境中，选择定点架设相机，主要拍摄动态车辆照片。时间选择为14:00-21:00，不间断地采集车辆图像并进行识牌，测试情况见表2。

表2系统识别率

Claims (7)

1.一种实时路况下的车牌照识别系统，其特征在于，包括：

系统构成：分为硬件系统和软件系统两个部分：硬件系统由高清工业相机、镜头、LED光源、计算机、视频捕捉卡、千兆网卡网线等部分组成；软件系统分为车牌定位、字符分割和字符识别3个部分；

数据传输通道：以千兆以太网作为数据传输通道；

识别方面：自适应模板宽度算法；

汉字识别：对汉字采用Gabor算子提取特征，然后利用SVM进行识别；

其包括以下控制步骤：

图像的获取及传输；

车牌定位；

车牌区域图像预处理；

字符分割；

字符识别。

2.根据权利要求1所述的实时路况下的车牌照识别系统，其特征在于图像的获取及传输的控制方法如下：

采用分辨率为1 600×960像素，速度为20帧/s的高分辨率CCD相机，将两个车道的车辆清晰摄入；采用传输速率为1 000Mbit/s的千兆网络进行传输；远程控制工业相机进行各种摄像参数调整。

3.根据权利要求1所述的实时路况下的车牌照识别系统，其特征在于车牌定位的控制方法如下：

在差分法的基础上，针对差分法的不足，将定位、分割及识别作为一个整体，对提取出来的候选车牌进行二值化，然后分割、识别，最后利用欧式距离获取车牌的置信度，从而去除伪车牌；车牌照内有7个成水平排列的字符，字符和牌照在灰度值上存在较大的差异，因而车牌区域内有丰富的边缘存在，并呈现出较为规则的竖直方向上的纹理特征，因此通过水平扫描边缘跳变的方法来进行车牌区域的定位。

4.根据权利要求1所述的实时路况下的车牌照识别系统，其特征在于车牌区域图像预处理，具体内容如下：

针对车牌倾斜的情况，利用Hough变换提取接近水平、重合度较高的平行线段，计算后得到平行线段的方向夹角，然后利用这个夹角对图像进行旋转变换，对车牌候选区域进行倾斜校正。

5.根据权利要求1所述的实时路况下的车牌照识别系统，其特征在于字符分割方法，具体内容如下：

系统采用垂直投影算法对车牌字符进行分割：将预处理后的车牌图像进行垂直方向求和，在图像较好的情况下，有字符的地方投影值较高，字符中间投影值为0，考虑到噪声对字符的影响，可确定一个阈值，再结合车牌字符宽高比和个数的先验知识，把各个字符分割开来。

6.根据权利要求1所述的实时路况下的车牌照识别系统，其特征在于字符识别的控制方法如下：

成像方面：采用高分辨率CCD，确保得到高清晰的牌照图像；

识别上：运用Gabor小波变换对分割好的汉字灰度图像直接进行特征提取，保证了汉字信息的完整性。

7.根据权利要求1所述的实时路况下的车牌照识别系统，其特征在于字符识别的控制方法如下：

采用SVM进行字符识别，首先通过非线性变换将输入空间变换到一个高维空间，然后在这个新空间中寻找最优分类面；选取汉字及每类字符样本100个，进行特征提取后，分别用SVM进行模型训练，得到了字符模型和汉字模型；系统运行时，车牌实时图像经过处理后，提取出特征参数，将汉字及字符参数送入相应的模型进行计算，最后识别出车牌文字。

Images