车牌识别系统的研究背景意义与国内外研究现状

车牌识别系统的研究背景意义及国内外研究现状

1 车牌识别系统的背景

1.1 车牌识别系统的背景及研究意义

1.2 车牌识别系统简介

2 车牌识别系统的国内外现状

3 车牌识别难点

1车牌识别系统的背景

1.1 车牌识别系统的背景及研究意义

随着经济社会的迅猛发展，人们的生活水平的提高，机动车辆的数量也越来越多。为了提高车辆的管理效率，缓解公路上的交通压力，我们必须找到一种解决方案。而作为汽车“身份证”的汽车车牌，是在公众场合能够唯一确定汽车身

份的凭证。我们可以以此为依据，设计一种车牌识别系统监控各个车辆的情况。

为此，我国交通管理部门对汽车车牌的管理非常重视并制定了一套严格的管理法规。其中对汽车车牌的制作、安装、维护都要求由制定部门统一进行管理。在此

基础上，如果研制出一种能在公众场合迅速准确地对汽车牌照进行自动定位识别

的系统(CPR)，那么这将是一件非常有意义的工作，并将极大地提高汽车的安全

管理水平及管理效率。

车辆牌照定位与识别是计算机视觉与模式识别技术在智能交通领域应用的

重要研究课题之一, 该技术应用范围非常广泛, 其中包括: (1) 交通流量检测；

(2) 交通控制与诱导；(3) 机场、港口等出入口车辆管理；(4) 小区车辆管理；

(5) 闯红灯等违章车辆监控；(6) 不停车自动收费；(7) 道口检查站车辆监控；

(8) 公共停车场安全防盗管理；(9) 计算出行时间；(10) 车辆安全防盗、查堵指定车辆等。其潜在市场应用价值极大，有能力产生巨大的社会效益和经济效益。如图1 所示，LPR[1] 的部分应用：

图1 LPR 在收费口、道路监控和停车管理中的应用

近些年, 计算机的飞速发展和数字图像技术的日趋成熟，为传统的交通管理

带来重大转变。先进的计算机处理技术，不但可以将人力从繁琐的人工观察、检测中解放出来，而且能够大大提高其精确度，汽车牌照自动识别系统就是在这样的背景与目的下进行开发的。汽车牌照自动识别系统( VLPRS) 是对由公路上配置的摄像头拍摄的照片进行数字图像处理与分析，综合应用大量的图像处理最新成果和数学形态学方法对汽车图像进行平滑、二值化、模糊处理、边缘检测、图

像分割、开运算、闭运算、区域标识等多种手段以提取车牌区域, 进而达到对汽车牌照的精确定位并最终完成对汽车牌照的识别。

从20 世纪80 年代，国内外的研究人员就开始了对车牌识别系统的研究。在车牌识别的过程中，虽然运用了很多的技术方法，但由于外界环境光线变化、光路中有灰尘、季节环境变化及车牌本身被污染而模糊等条件的影响, 使得车牌识别系统一直处于实验室阶段，得不到很好的应用；而且，很多的方法都需要大量的数值计算，不能很好地满足实时性要求。为了解决图像恶化的问题，目前采取的办法是采用主动红外照明摄像或使用特殊的传感器来提高图像的质量。虽然提高了识别率, 但是，这同时也造成了系统的投资成本过大，应用领域变窄，不能

普遍推广应用。

车辆牌照定位与识别是计算机视觉与模式识别技术在智能交通领域应用的

重要研究课题之一, 该技术应用范围非常广泛。国外汽车牌照识别系统研究工作已有一定进展, 但并不尽合我国国情。我国汽车牌照的规范悬挂位置不唯一，并且由于环境、道路或人为因素造成汽车牌照污染严重, 这种情况下国外发达国家不允许上路, 而在我国仍可上路行驶等。

由于我国汽车车牌识别的特殊性, 采用任何一种单一识别技术均难以奏效。目前正在研制的无源型汽车牌照智能识别系统综合利用了车辆检测技术、计算机视觉( Computer Vision ) 技术、图象处理技术、人工智能技术和人工神经网络技

术等, 是一个比较有发展前途的车牌识别系统。

1.2 车牌识别系统简介

汽车牌照自动识别技术可应用于道路交通流监控、交通事故现场勘测、交通违章自动记录、高速公路自动收费系统、停车场自动安全管理、智能园区管理等方面，在现代交通监控和管理系统占有很重要的地位。同时，汽车牌照识别的方法还可应用到其它识别领域，因此汽车牌照的识别问题己成为现代交通工程领域

中研究的重点和热点问题之一。

最为常见的车牌识别系统结构如图2：

车牌定位车牌字符分割车牌字符识别识别结果输出

图2 车牌识别系统结构图

汽车牌照识别系统的基本工作原理为: 根据采集到的序列图像对图像中的车

辆牌照进行搜索、检测、定位，并分割出包含牌照字符的矩形区域，然后对牌照

字符进行二值化，并将其分割为单个字符，归一化后输入字符识别系统进行识别。

近年来，汽车牌照智能识别的技术发展很快，就其识别基础，主要可分为间接法和直接法两种: 间接法是基于IC 卡鉴别( REID) 或基于条码的识别。直接法

是基于图像的汽车牌照识别。

1、间接法: 指通过识别安装在汽车上的IC 卡或条形码中所存储的车牌的信

息来识别车牌及相关信息。IC 卡技术识别准确度高，运行可靠，可以全天候作业，但它整套装置价格昂贵，硬件设备十分复杂，不适用于异地作业; 条形码技术具有识别速度快、准确度高、可靠性强以及成本较低等优点，但是对于扫描器要求很高。此外，二者都需要制定出全国统一的标准，并且无法核对车、条形码

是否相符，也是技术上存在的缺点，这给近期在短时间内推广造成困难。

2、直接法: 基于图像的车牌识别技术属于直接法，是一种无源型汽车牌照智

能识别方法，能够在无任何专用发送车牌信号的车载发射设备情况下，对运动状态车辆或静止状态车辆的车牌号码进行非接触性信息采集并实时智能识别。与间接法识别系统相比，首先，这种系统节省了设备安置及大量资金，从而提高了经济效益; 其次，由于采用了先进的计算机应用技术，所以可提高识别速度，较好

地解决实时性问题; 再次，它是根据图像进行识别，所以通过人的参与可以解决

系统中的识别错误，而其他方法是难以与人交互的。

直接法一般有图像处理技术，传统模式识别技术及人工神经网络技术。

①图像处理技术: 运用图像处理技术解决汽车牌照识别的研究最早始于80

年代，但国内外都只是就车牌识别中的某一个具体问题进行讨论，并且

通常仅采用简单的图像处理技术来解决，并没有形成完整的系统体系，

识别过程是使用工业电视摄像机拍下汽车的工前方图像，然后交给计算

机进行简单的处理，并且最终仍需要人工干预，例如车辆牌照中省份汉

字的识别问题，1985 年有人利用常见的图像处理技木方法提出汉字识别

的分类是在抽取汉字特征的基础上进行的，根据汉字的投影直方图选取

浮动闭值，抽取汉字在竖直方向的峰值，利用树形查表法进行汉字的粗

分类; 然后根据汉字在水平方向的投影直方图，选取适当闭值，进行量

化处理后，形成一个变长链码，再用动态规划法，求出与标准模式链码

的最小距离，实现细分来完成汉字省名的自动识别。

②传统模式识别技术。传统模式识别技术指结构特征法，统计特征法等。

90 年代，由于计算机视觉技术的发展，开始出现汽车牌照识别的系统化

研究。1990 年AS.Johnson等运用计算机视觉技术和图像处理技术实现

了车辆牌照的自动识别系统。该系统分为图像分割、特征提取和模板构

造、字符识别等三个部分。利用不同闽值对应的直方图不同，经过大量

统计实验确定出车牌位置的图像直方图的闽值范围，从而根据特定闽值

对应的直方图分割出车牌，再利用预先设置的标准字符模板进行模式匹

配识别出字符。

[2]

③人工神经网络技术。近几年来，计算机及相关技术发达的一些国家开

始探讨用人工神经网络技术解决车牌自动识别问题，例如1994 年，BAM

神经网络是由相同神经元构成的双向联想式单层网络，每一个字符模板

对应着唯一个BAM 矩阵，通过与车牌上的字符比较，识别出正确的车

牌号码。

近年来，基于图像的车牌识别系统的研制引起了许多学者的广泛兴趣，但车牌识别由于要适应各种复杂背景以及不同光照条件影响，使车牌分割及识别增加

了难度，目前虽然国内外都有一些实用的车牌识别系统面市。但是，这些系统的应用都存在一定的约束，至今车牌自动识别技术尚未达到很完善的程度。

2 车牌识别系统的国内外现状

车牌自动识别技术的研究国外起步地较早。早在20世纪80 年代，便有一些零零散散的图像处理方法用于车牌自动识别的某些具体应用。在这个阶段，车牌自动识别技术的研究还没有形成完整的系统体系，一般采用简单的图像处理方法

来解决某些具体问题，并且最终结果通常需要人工干预。

进入20 世纪90 年代后，车牌自动识别的系统化研究开始起步。典型的如Segment)、特征提取(Feature Extraction)和模板构造(Template Formation)、字符识别(CharacterRecognition)等三个部分，完成车牌的自动识别。Character Recognition Technology)分析所获得的图像，首先在二值化图像中找到车牌，然

后用边界跟踪技术提取字符特征，再利用统计最邻近分类器(Statistical Nearest Neighbor Classifying System)与字符库中的字符比较，得出一个或几个车牌候选

号码，再对这些号码进行核实检查，确定是否为该车牌号码，最终确定车牌号码。这个时期的应用在识别正确率方面有所突破，但还没有考虑识别实时性的要求，

识别速度有待进一步提高。

由于我国的车牌格式和国外有较大的差异，所以对于国外的车牌识别系统的

研究技术，我们只能进行参考，不能进行直接应用。虽然我国车牌的识别需要识

别汉字，但是对于英文字母和数字的识别，我们可以借鉴国外的研究技术。

从80 年代中期开始，ARGUS 英国Alphatech 公司就开始了名为RAUS的车牌自动识别系统的研制。ARGUS 的车牌识别系统的识别时间约为100 毫秒，通

过ARGUS 的车速可高达每小时100 英里。还有Hi-Tech 公司的See/Car system, 新加坡Optasia公司的VLPRS 等。另外日本、加拿大、德国等发达国家都有适

用于本国的车牌识别系统。

国内在90 年代也开始了自己的车牌识别系统的研究。目前比较成熟的产品

有中科院自动化研究所汉王公司的汉王眼，香港亚洲视觉科技有限公司的慧光车

牌号码识别系统等等。另外西安交通大学的图像处理和识别实验室、上海交通大

学的计算机科学和工程系、清华大学人工智能国家重点实验室、浙江大学自动化

系等都做过类似的研究。

虽然这些车牌识别系统的识别率大多都比较高，如95%，甚至97%、98%，但是这些车牌识别系统的识别检测结果大多数是在简单受限制的场景下取得的，在

实际的交通场合以及更加复杂的背景环境的情况下，这些车牌识别系统的识别率

一般都达不到90%，甚至更低。

3车牌识别难点

在复杂环境下的车牌识别率较低的主要原因有：

①我国汽车牌照自身特征的复杂性

1) 汉字、字母、数字混合。我国的车牌不单单有英文字母和阿拉伯数字，

还有汉字。由于汉字的复杂性，在识别方面难度远远大于字母和数字。

2) 颜色种类多。国外的车牌颜色种类相对于国内较少一些，我国的车牌颜

色种类较多。大致可以分为四种：黄底黑字，蓝底白字，白底黑字和黑

字白字。

3) 人为因素复杂。由于环境、道路或者人为因素造成车牌有严重污渍、车

牌模糊不清或者车牌偏斜角度很大的车辆，在我国都可以上路行驶。在

国外，这种情况是绝对不行的。

4) 车牌格式多。我国的车牌格式很多，包括：民用车牌、公安警察车牌、

武警车牌、军车车牌、外交车牌、特种车牌、消防车牌等。

5)悬挂方式多样化。我国汽车车牌的悬挂方式不唯一，由于不同汽车公司

出产的汽车型号和外形各有不同，导致了车牌的悬挂位置不唯一。

②外部环境影响

1)外部光照条件各不相同，白天和晚上的光照各不相同。光照对采集的图

像质量产生很大的影响。不同的光照角度对车牌光照的不均匀影响也很

大。不同的气候条件、背景光照环境、车牌反光程度都决定了车牌的亮

度特征。在特征提取时，光照过亮或者过暗都会影响车牌识别的准确率。

2)外界背景的复杂程度也影响车牌的定位准确率。背景中和车牌区域当中

有许多和车牌特征相似的长方形区域，这些容易给车牌定位造成误判导

致车牌定位的准确率降低。

③拍摄角度问题

实际工程当中的拍摄角度相对于车辆的行驶方向一般是正上方、左侧和右

侧。如果拍摄的角度越小，车牌在平面图像中的变形越小，识别效果越好。

根据智能交通系统的结构可知，摄像机采集到的图像均为系列图像，而由于外部环境的影响，车牌识别系统采用的图像不一定是最优的。

仅供个人用于学习、研究；不得用于商业用途。

For personal use only in study and research; not for commercial use.

Nur f ür den pers?nlichen f ür Studien, Forschung, zu kommerziellen Zwecken verwendet werden.

Pour l ' étuedtela recherche uniquement àdes fins personnelles; pas àdes fins commerciales.

толькодлялюдейко, торыиеспользуюдтлсяоябученисследоваинниейдолжны

я,

использоватьсявкоммерческихцелях.

以下无正文

汽车车牌识别系统的设计文献综述

计算机图形学 课 程 设 计 题目名称：汽车车牌识别系统的设计综述班级： 学号： 学生姓名：

汽车车牌识别系统的设计综述 摘要 车牌的自动识别是计算机视觉、图像处理与模式识别技术在智能交通领域应用的重要研究课题之一, 是实现交通管理智能化的重要环节, 主要包括车牌识别、字符预处理和特征提取三个关键环节。 车牌识别包括车牌定位、灰度（或彩色）图像二值化、字符切分及字符识别等。 图像预处理包括图像灰度变换、图像增强、图像二值化、梯度锐化、噪声去除、倾斜度调整、车牌边框去除、字符分割、尺寸标准归一化、紧缩重排。 特征提取本文采用逐象素特征提取法来对支付进行识别。 理论上，本系统可以对中国大陆普通汽车车牌的字符进行识别。 关键词：车牌识别，图像预处理，特征提取

引言 1.1 问题概述 随着我国汽车产业的飞速发展，大量在公共场合的汽车需要得到监管，为了更好地进行管理，必须对车辆进行一种确认，而车牌识别就是其中最有效的确认方法，汽车车牌识别VLPR 是Vehicle License Plate Recognition 的简称，他是智能交通系统(Intelligent Transportation Systems，ITS)的一个重要组成部分。车牌识别技术的运用使得“大输入小输出”成为了可能——输入一幅很大存储量的图像，输出时仅仅是很小存储量的数字，这必然使得其在大量存储和管理数据库相连等方面有无可替代的优越性。车牌识别技术在高速公路收费站、路口监测(电子警察)、大型停车场等场所具有广阔的发展前景。 1.2 目的和意义 车牌识别LPR[1]是智能交通系统(ITS)的一个重要组成部分。在社会生活，治安管理等方面有很大的作用。车牌识别技术的运用使得“大输入小输出”成为了可能——输入一幅很大存储量的图像，输出时仅仅是很小存储量的数字，这必然使得其在大量存储和管理数据库相连等方面有无可替代的优越性。 由于光照、气候引起的车牌图像上字符光照不均，车牌本身污损造成的字符笔画不清和字符间粘连，汽车行驶速度较快，使拍摄出的车牌字符产生变形、模糊不清，因此图像需要增强。另外又由于拍摄角度及拍摄点的高度、路面的倾斜等情况造成了车牌图像的倾斜，从而需要对车牌进行校正。另外字符的识别也是一个重点问题。 1.3 思路和方法 借助数字图像处理和模式识别技术，我们对车牌图像依次进行以下处理：彩色的256 色的BMP 图进行灰度转换－>图像增强－>图像二值化－>梯度锐化（Roberts 梯度算子）->离散点噪声去除->倾斜度调整->边框切除->字符切割->字符尺寸归一化->字符紧缩重排->神经网络的字符识别，最后得出车牌字符。

基于图像处理技术的车牌识别方法研究

龙源期刊网 https://www.wendangku.net/doc/149014075.html, 基于图像处理技术的车牌识别方法研究 作者：朱明秀 来源：《信息记录材料》2019年第03期 【摘要】近几年，智能化在我国各行各业中都应用极广，在交通系统中应用也非常多，车牌识别技术则是其中之一，如何在车辆正常行使状态下完成车牌自动识别？本文将从车牌识别现状入手进行分析，找到现有识别方式的一些问题，再吸取经验，从车牌定位、车牌字符分割、车牌字符识别几方面对基于图像处理技术的车牌识别方法进行探讨。 【关键词】图像处理技术车牌识别方法抓取识别 【中图分类号】TP274 【文献标识码】A 【文章编号】1009-5624（2019）03-0224-03 1 引言 随着经济和科技的发展，我国国民生活水平也日益提高，汽车成为每家每户常见的交通工具，这虽然带动了我国经济的发展，但也使交通管理工作量变大，在这种情况下，再依靠传统的办法根本无法完成交通管理工作，这就需要我们依靠信息化、智能化的技术去辅助完成交通管理工作。对于车辆来讲其主要识别是依靠车牌来的，因此我们必须将这种智能化、信息化技术应用到车牌识别中来，使之能服务于我国的车辆管理工作，使车辆管理工作能更加高效的运行。 2 车牌识别技术概述 2.1 车牌识别技术现状 近年来我国的车牌智能识别技术发展也非常快，现有的识别技术普遍有两种，一种是将车牌信息收集储存于IC卡或者条形码，通过无线电频率鉴别系统来识别汽车车牌号码，这种识别技术相对准确度比较高，但整套设备存在2个实际操作的问题：①十分复杂，不利于异型作业，而且需要所有车牌按照全国统一标准来制定，执行难度很大。②对扫描的工具要求非常高，这导致整套设备价格成本过高，而且虽能进行扫描，但无法核实车和卡是否一致，这也是个目前尚未突破的技术问题，这些问题都导致通过IC卡或条形码来进行识别的技术无法得到很好的推广。另一方面是直接通过突破来进行识别，因为这种识别方法能在无任何信号发送设备的情况下抓取到不同状态车辆的车牌，并通过非接触性信息菜系系统来进行智能识别，这种方法近年来使用很多，其相对IC卡和条形码来讲，能有效降低从成本，提高经济效益，而且起能通过图像抓取和人为参与结合来解决系统中的识别错误问题，有效提高。 2.2 车牌识别技术的研究意义

车牌识别论文

《车牌识别系统》 车牌识别系统 摘要：文章从车牌定位、车牌字符分割和车牌字符识别 3个阶段对车牌识别技术进行了深入研究，并用MATLAB进行了仿真。 关键词：车牌识别，车牌定位，车牌字符分割 1 引言

车牌是一辆汽车独一无二的信息，因此，对车辆牌照的识别技术可以作为辨识一辆车最为有效的方法。随着 ITS(智能交通系统)的高速发展，对车牌识别技术的研究也随之发展。从根本上讲，牌照识别应用了先进的图像处理，模式识别，人工智能技术来获取，处理，解释，记录拍照的图像。目前，牌照识别技术已经广泛而成功的应用于高速公路的监测，电子收费，交通违规管理，安全停车管理，偷盗车辆辨识等重要领域。 车牌识别系统一般包括以下几个部分，见图1。 图1 车牌识别系统 主要研究内容如下: 1.车牌的定位研究。先进行图像的预处理，包括:RGB彩色图像的灰度化、图像灰度拉伸、图像边缘检测、灰度图的二值化等;车牌定位采用基于水平和垂直投影分布特征的方法。 2.字符分割的研究。先对定位后的车牌图像进行预处理，然后按照车牌的先验信息,用区域增长算法来确定候选车牌的字符区域。 3.字符识别的研究。对于提取出的单个字符，先进行归一化操作，再与给定的模板做对比，识别出字符。 2. 图像的定位 2.1 图像的预处理 一般情况下，由CCD采集到的图像会有不理想的情况，如光线过强，或者偏弱，这些都会对后续的图像处理产生一向。而且车牌位于车身下部，靠近散热片，对比度较差，此时若直接对灰度图像进行定位会有不小的困难，为了获得较好处理的灰度图像，在对CCD 采集的原始图像进行灰度化后，要对其灰度转换。 首先对图像灰度拉伸，使灰度级占据 0--255整个区域，这样做的目的是为了减少光线过强，或者偏弱时造成的灰度级过少．本文直接采用直方图均衡化，这样处理简单，运算量小，效果也较理想。 2.2 边缘提取

车牌识别系统技术的研究与应用

车牌识别系统技术的研究与应用 时间：2011-03-01 15:53:00 来源：电子科技作者：余春琴张浩然李广林武警工程学院 摘要：本文介绍车牌识别的两种主要方法(基于无线射频识别技术(RFID)的自动检测识别方法和基于图像处理技术的检测识别方法)，并对两种技术的优缺点进行了比较，提出了一种双模式识别系统，重点阐述了主模式识别系统原理，并考虑了车载分机的安全性，给出了车载分机防移动的软硬件设计，可广泛用于各种门禁系统。 关键词：车牌识别；射频识别；车载分机；检测子系统；门禁子系统 0 引言 在我国，直至20世纪50年代，车辆管理主要靠人工方式，然而随着经济的迅猛发展，工业化程度的不断加深，汽车数量大量增加，给交通管理、环境治理、社会治安、交通运营等提出了许多新的问题。伴随着车辆数目的增加，生活小区、地方单位、部队营区、停车场等对车辆的管理面临着新的挑战。如何做到车辆状态有案可查、有据可依，如何实现车辆的科学化、自动化管理成为人们关注的话题。 1 车牌识别技术 车牌识别是车辆管理的重要前提和关键技术，主要可分为间接法和直接法两种。间接法是基于无线射频识别技术(Radio Frequency Id-entification，RFID)的自动检测识别方法；直接法是基于图像处理技术的检测识别方法。 基于图像处理的车牌识别，是对视频或图像中的车牌进行特征分析，确定车牌位置，然后设计识别算法，对车牌中的汉字、字母、数字进行识别，以确定车牌内容。目前，能够在车辆时速不超过220公里的情况下，实现单车牌照的准确抓拍、检测及识别。在没有任何外部触发装置时，可以完全基于视频触发控制，系统可对视频图像中静止或行驶中的一个或多个车辆的车牌同时进行实时检测和识别。车牌识别系统主要由车牌定位、字符分隔和字符识别三部分组成，如图1所示。 基于RFID的车牌识别系统由标签(Tag)、阅读器(Reader)、天线(Antenna)三部分组成。电子标签中保存车牌信息。系统的基本工作原理是：标签进入磁场后，如果接收到阅读器发出的特殊射频信号，就能凭借感应电流所获得的能量发送出存储在芯片中的产品信息(即Passive Tag，无源标签或被动标签)，或者主动发送某一频率的信号(即Active Tax，有源标签或主动标签)，阅读器读取信息并解码后，送到后台主系统进行相关处理；主系统根据逻辑运算判断该卡的合法性，针对不同的设定做出相应的处理和控制，发出指令信号控制执行机构动作。 对于车辆的识别，以往的车辆管理系统通常是单一地采用基于RFID的识别技术或基于图像处理的识别技术。这两种车辆识别方法各有优缺点：RFID识别技术抗干扰能力强、不受天气影响、且可穿透非金属物体进行识别，识别速率快、准确率高，却难以有效防止作弊，电子标 签容易丢失，并且只能管制内部车辆；基于图像处理的车牌识别技术对基础建设方面几乎没有要求，但是抗干扰性差，准确率也有待提高。

车牌识别英文文献2翻译

实时车辆的车牌识别系统 摘要 本文中阐述的是一个简炼的用于车牌识别系统的算法。基于模式匹配，该算法可以应用于对车牌实时检测数据采集，测绘或一些特定应用目的。拟议的系统原型已经使用C++和实验结果已证明认可阿尔伯塔车牌。 1.介绍 车辆的车牌识别系统已经成为在视频监控领域中一个特殊的热门领域超过10年左右。随着先进的用于交通管理应用的视频车辆检测系统的的到来，车牌识别系统被发现可以适合用在相当多的领域内，并非只是控制访问点或收费停车场。现在它可以被集成到视频车辆检测系统，该系统通常安装在需要的地方用于十字路口控制，交通监控等，以确定该车辆是否违反交通法规或找到被盗车辆。一些用于识别车牌的技术到目前为止有如BAM（双向联想回忆）神经网络字符识别[1]，模式匹配[2]等技术。应用于系统的技术是基于模式匹配，该系统快速，准确足以在相应的请求时间内完成，更重要的是在于阿尔伯塔车牌识别在字母和数字方位确认上的优先发展。由于车牌号码的字体和方位因国家/州/省份的不同而不同，该算法需要作相应的修改保持其结构完整，如果我们想请求系统识别这些地方的车牌。 本文其余部分的组织如下：第2节探讨了在识别过程中涉及的系统的结构和步骤，第3节解释了算法对于车牌号码的实时检测，第4节为实验结果，第5节总结了全文包括致谢和参考文献。 2.系统架构 系统将被用来作为十字路口的交通视频监控摄像系统一个组成部分来进行分析。图1显示了卡尔加里一个典型的交叉口。只有一个车牌用在艾伯塔，连接到背面的车辆照相机将被用于跟踪此背面车牌。 图1 卡尔加里一个的典型交叉口

系统架构包含三个相异部分：室外部分，室内部分和通信链路。室外部分是安装摄像头在拍摄图像的不同需要的路口。室内部分是中央控制站，从所有这些安装摄像头中，接收，存储和分析所拍摄图像。通信链路就是高速电缆或光纤连接到所有这些相机中央控制站。 几乎所有的算法的开发程度迄今按以下类似的步骤进行。一般的7个处理步骤已被确定为所有号牌识别算法[3] 共有。它们是： 触发：这可能是硬件或软件触发。硬件触发是旧的方式，即感应圈用于触发和这个表述了图像通过检测车牌的存在何时应该被捕获。硬件触发现在在操作上在许多地方被软件触发取代。在软件触发，图像分为区，通过图像对于分析的车辆的检测的执行。 图像采集：硬件或软件触发启动图像捕捉设备来捕捉和存储图像来进一步的分析。 车辆的存在：这一步是只需要如果在确认一定时间间隔后触发完成不需要知道车辆存在于捕获的图像中。这一步背景图像与捕获的图片作比较，并检测是否有任何重大改变。如果没有，拍摄的图像被忽略，否则进入到下一个步骤。 寻找车牌：此步骤是在捕获的图像中定位车牌。一些技术的可用于这一步，例如颜色检测[4]，特征分析[5]，边缘检测[6]等。在捕获的图像中的任何倾斜是纠正在这一步。一旦车牌已被定位，图像即准备进行字符识别。 字符分割：分割可以通过检测浓到淡或者淡到浓的过渡层。车牌中的每个灰色字符产生了一个灰色带。因此，通过检测类似灰度带每个字符可以被分割出来。 识别过程：这是光学字符识别的一步。一些技术可以被用于到这一步包括模式匹配[2]，特征匹配[7][8]和神经网络分类[9]。 发布过程：这是应用程序的特有的一步。根据应用此步骤可保存已被检测出来的车牌用于交通数据收集，尝试匹配号牌与被盗车辆数据库或在停车场中为认可停车的车辆打开汽车门等等。 3.算法 该算法用于在处理捕获的图像和车牌检测后的车牌字符识别。基于模式匹配，系统沿用了一个智能算法用于艾伯塔车牌字母和数字的识别。图2显示了一个艾伯塔省车牌样本其中包含三个字母，3个数字和破折号在内。所以通过基本的字符确认方法，模糊的字符比如有：数字'0'和字母'O'，数字'8'和字母'B已被解决。 此外，由于前三个字符是字母，所以只需与A-Z这一段的字母作比较比较。类似的，在最后三个字符，它门只需与0-9这一段数字作比较。

毕业设计--基于单片机的车牌识别系统设计与实现

基于单片机的车牌识别系统设计与实现 目录 摘要 (2) 二、选题 (4) 三、系统主要特点 (5) 四、系统方案、实现原理 (6) 4.1 图像采集及存储格式 (8) 4.2 图像的灰度化 (8) 4.3 图像的二值化 (9) 4.4 车牌的去边框 (9) 4.5 图像的梯度锐化 (10) 4.6 字符分割算法 (11) 4.7 字符的归一化 (12) 4.8字符特征提取 (13) 4.9 字符识别算法 (15) 4.9.1 BP神经网络法 (15) 4.9.2 模板匹配法 (17) 五、操作说明与硬件框图 (18) 六、实验程序 (19) 七、数据统计分析 (66) 八、结果分析 (66) 九、实验心得 (66) 十、参考文献 (69)

摘要 伴随着世界各国汽车数量急剧增加，城市交通状况日益引起人们的重视，如何有效地进行交通管理，已成为越来越多人关注的焦点，解决这些问题的关键就是建立智能交通系统。车牌识别是智能交通系统的重要组成部分，它在交通控制与监视中有着多种用途，目前已广泛应用于各种领域。 本文将TMS320C54XX作为核心器件用于车牌自动识别系统中，完成车牌图像的采集、数字图像的处理、提取车牌信息并针对提取的特征对字符进行识别。首先分析了车牌识别系统实现的背景以及其实现意义。然后对实现车牌识别的硬件环境作简要介绍。接着对车牌识别过程中所涉及的边缘检测、字符分割、大小归一化等一系列数字图象处理技术进行进一步的详细分析。之后，对几种字符特征提取算法进行了对比分析，最后选取最适合的网格特征提取法，以此为基础进行模扳匹配，最终识别出车牌号码。 关键词：车牌提取；图象处理；车牌识别；单片机；模扳匹配

基于模板匹配的车牌识别及matlab实现

科类理工类编号（学号）20082036 本科生毕业论文（设计） 基于模板匹配的车牌识别及matlab实现 License plate recognition based on template matching and matlab implementation 伏绍鸫 指导教师：朱玲职称讲师 农业大学黑龙潭650201 学院：基础与信息工程学院 专业：电子信息工程年级：2008级 论文（设计）提交日期：2012年5月答辩日期：2012年5月

答辩委员会主任：林楠 农业大学 2012年05 月

目录 摘要 (1) ABSTRACT (2) 1 前言 (3) 2 车牌识别系统分析 (4) 2.1 车牌识别的目的 (5) 2.2车牌识别现状分析 (5) 2.3车牌识别的意义 (6) 2.4 我国车牌分析 (7) 3 车牌识别系统的原理及方法 (8) 3.1车牌识别系统简述 (8) 3.2 车牌图像处理 (9) 3.2.1 图像灰度化 (9) 3.2.2 图像二值化 (10) 3.2.3边缘检测 (10) 3.2.4 图像闭运算 (12) 3.2.5图像滤波处理 (13) 3.4 车牌字符处理 (15) 3.4.1 阈值化分割原理 (15) 3.4.2 对车牌阈值化分割 (16) 3.4.3 字符归一化处理 (17) 3.5 字符识别 (17) 3.5.1 字符识别简述 (17) 3.5.2 字符识别的分类 (18) 3.5.3 基于模板匹配的字符识别 (19) 4 实验分析 (19) 4.1车牌定位过程及分析 (19) 4.2 车牌字符识别 (23) 4.3 车牌识别结果及分析 (26) 5 结论 (28) 参考文献 (29) 致 (29) 附录 (29)

车牌识别系统的研究背景意义与国内外研究现状

车牌识别系统的研究背景意义及国内外研究现状 1 车牌识别系统的背景 1.1 车牌识别系统的背景及研究意义 1.2 车牌识别系统简介 2 车牌识别系统的国内外现状 3 车牌识别难点 1车牌识别系统的背景 1.1 车牌识别系统的背景及研究意义 随着经济社会的迅猛发展，人们的生活水平的提高，机动车辆的数量也越来越多。为了提高车辆的管理效率，缓解公路上的交通压力，我们必须找到一种解决方案。而作为汽车“身份证”的汽车车牌，是在公众场合能够唯一确定汽车身 份的凭证。我们可以以此为依据，设计一种车牌识别系统监控各个车辆的情况。 为此，我国交通管理部门对汽车车牌的管理非常重视并制定了一套严格的管理法规。其中对汽车车牌的制作、安装、维护都要求由制定部门统一进行管理。在此 基础上，如果研制出一种能在公众场合迅速准确地对汽车牌照进行自动定位识别 的系统(CPR)，那么这将是一件非常有意义的工作，并将极大地提高汽车的安全 管理水平及管理效率。 车辆牌照定位与识别是计算机视觉与模式识别技术在智能交通领域应用的 重要研究课题之一, 该技术应用范围非常广泛, 其中包括: (1) 交通流量检测； (2) 交通控制与诱导；(3) 机场、港口等出入口车辆管理；(4) 小区车辆管理； (5) 闯红灯等违章车辆监控；(6) 不停车自动收费；(7) 道口检查站车辆监控； (8) 公共停车场安全防盗管理；(9) 计算出行时间；(10) 车辆安全防盗、查堵指定车辆等。其潜在市场应用价值极大，有能力产生巨大的社会效益和经济效益。如图1 所示，LPR[1] 的部分应用： 图1 LPR 在收费口、道路监控和停车管理中的应用 近些年, 计算机的飞速发展和数字图像技术的日趋成熟，为传统的交通管理

车牌识别系统外文文献

Vehicle License Plate Recognition System Based on Digital Image Processing Yao Yuan,Wu xiao-li Department of Computer Science and Engineering, Henan University of Urban Construction eyaoyuan@https://www.wendangku.net/doc/149014075.html, Akf1l'll c l-This paper analyzes the basic method of digital video image processing, studies the vehicle license plate recognition system based on image processing in intelligent transport system, presents a character recognition approach based on neural network perceptron to solve the vehicle license plate recognition in real-time traffic flow. Experimental results show that the approach can achieve better positioning effect, has a certain robustness and timeliness. Keywonls-veltic/e license plate recognition; imllge processing,· "igilll/I'fJ ltology I. INTRODUCTION Since the 21st century, with social development and improvement of living standards, the number of vehicles is continuously increased, the traffic conditions is worsening, which brought huge pressures to the society and environment. Intelligent transport system is a real-time, accurate, and efficient transportation management system built based on a relatively perfect road infrastructure and by synthetically using the advanced electronic technology, information technology, sensor technology and systemic engineering technology in ground transportation [1] . d management . This system can solve the vanous roa problems generated by the traffic congestion, thus receiving more and more attention. Vehicle license plate recognition is one of the key technologies in the intelligent transport system, while its development is rapid, has been gradually integrated into our real life. Vehicle license plate recognition system can carry out automatic registration, verification, monitoring and alarm management, is an important part of modem highway toll management system, highway speed automatic monitoring system, highway surveillance, parking automatic charging management and other fields. II. VEHICLE LICENSE PLATE RECOGNITION SYSTEM A. Vehicle license p late recognition system overview Vehicle license plate recognition system is mainly composed by hardware and software. The hardware part includes a control computer, one Ethernet camera, a UPS power supply and an interface control port. These sections ensure the car images intake and processing. The software part is divided into the Ethernet camera embedded front-end software and the processing software in the industrial computer. Vehicle license plate recognition system usually consists of data acquisition (license plate image acquisition), license plate extraction, and license plate identification several major components, the system architecture as shown 978-1-4244-5540-9/10/$26.00 ?2010 IEEE in figure 1. Image extraction Recognition results Image preprocessing Information recognition Figure I. Vehicle license plate recognition system structure In the vehicle license plate recognition system, the image acquisition is completed mainly by the hardware, which is to extract the foreground image of the vehicle, to convert the camera's video signal to digital image signals to be sent to the computer for processing. Because the impact of the natural environment and the lighting conditions, there are many disturbances in the license plate images, which brings inconvenience to the positioning of the license plate, so in order to better extract the license plates, it needs to preprocess the license plate image to ensure the license plate location quality. VLP detection, this part is the core of the system, and the implementation of which affects the performance of the whole system, which is mainly to use pattern recognition [2] , digital image processing, information theory and other knowledge to position and extract the license plate in the license plate images. Character segmentation and recognition, when the plate has been successfully extracted, it needs to segment the characters in which, and use prior knowledge to identify them to get the final results. B. Key technologies o/license p late recognition 1) Vehicle license regional positioning technology: it is to use the above characteristics to determine the true location of l icense plate. To accurately position the vehicle license plate .from the images obtained .from the natural scene is the key of the vehicle license plate recognition system, is also the most diffi c ult ste p. 2) Vehicle license plate character segmentation technology: it is to divide the license plate region into a single character region .for the follow-u p license plate recognition module to ident!fY the single characters. J) Vehicle license plate character recognition technology: character recognition is the p rocess of confirming the Chinese characters, English letters and numbers on the license plate on the basis of the accurate l"J segmentationfor the vehicle license p late character .

汽车车牌识别系统-车牌定位子系统的设计与实现 毕业论文

汽车车牌识别系统 ---车牌定位子系统的设计与实现 摘要 汽车车牌识别系统是近几年发展起来的计算机视觉和模式识别技术在智能交通领域应用的重要研究课题之一。在车牌自动识别系统中，首先要将车牌从所获取的图像中分割出来实现车牌定位，这是进行车牌字符识别的重要步骤，定位的准确与否直接影响车牌识别率。 本次毕业设计首先对车牌识别系统的现状和已有的技术进行了深入的研究，在此基础上设计并开发了一个基于MATLAB的车牌定位系统，通过编写MATLAB文件，对各种车辆图像处理方法进行分析、比较,最终确定了车牌预处理、车牌粗定位和精定位的方法。本次设计采取的是基于微分的边缘检测，先从经过边缘提取后的车辆图像中提取车牌特征，进行分析处理，从而初步定出车牌的区域，再利用车牌的先验知识和分布特征对车牌区域二值化图像进行处理，从而得到车牌的精确区域，并且取得了较好的定位结果。 关键词：图像采集，图像预处理，边缘检测，二值化，车牌定位

ENGLISH SUBJECT ABSTRACT The subject of the auto matic recognition of license plate is one of the most significant subjects that are improved fro m the connection o f computer vision and pattern recognition. In LPSR, the first step is for locating the license plate in the captured image which is very important for character recognition. The recognition correctio n rate of license plate is governed by accurate degree of license plate location. Firstly, the paper gives a deep research on the status and techniq ue of the plate license recognition system. On the basis of research, a solution of plate license recognition system is proposed through the software MATLAB,by the M-files several of methods in image manip ulatio n are co mpared and analyzed. The methods based on edge map and das differential analysis is used in the process of the localization of the license plate,extracting the characteristics of the license plate in the car images after being checked up for the edge, and then analyzing and processing until the probably area of license p late is extracted，then come out the resolutions for localization of the car plate. KEY WORDS：imageacquisition，image preprocessing，edge detection，binarizatio n，licence，license plate locatio n

毕业设计论文_车牌识别系统的设计与实现参考

车牌识别系统的设计与实现 摘要 车牌识别系统是智能交通系统的重要组成部分，有着广泛的应用，同时也是计算机视觉、图像处理和模式识别等交叉学科的研究热点。车牌识别系统广泛应用于高速公路自动收费和超速监管系统、公路流量监控系统、停车场收费管理系统、安防系统以及小区物业管理系统等等。 本文在VC++6.0平台下，结合OpenCV视觉库，开发了车牌识别系统。车牌识别系统分为五大组成部分：图像预处理、车牌定位、车牌倾斜校正、字符分割和字符识别。 本系统能够对输入的图像进行图像预处理，包括图像灰度化、图像滤波、边缘检测和二值化等；其次，通过使用数学形态学技术和车牌的高宽比固有特征从预处理后的图像中定位出车牌位置，并把车牌提取出来；再次，使用Hough 变换方法测出倾斜角，对车牌进行有效的旋转校正；通过水平投影去除车牌的上下边框，使用垂直投影法把字符一个个分割出来；最后，通过模板匹配法识别车牌字符并输出。实验结果表明，车牌定位的准确率为87.9%，车牌字符的正确识别率为72.6%。 关键词：车牌定位，数学形态学，Hough 变换，倾斜校正，投影

Design and Implementation of License Plate Recognition System Abstract License plate recognition system is an important part of intelligent transportation system and it has a wide range of applications. It is a hot spot of research in computer vision, image processing and pattern recognition. License plate recognition system is widely applied in the highway automatic charging and speed regulation system, highway traffic monitoring system, parking fee management system, security system and the residential property management system, etc. This system is developed in VC++6.0 platform and computer vision library OpenCV. License plate recognition system designed is mainly divided into five parts: image preprocessing, license plate orientation, license plate tilt correction, character segmentation and character recognition. This system can perform the image pretreatment to the input image, including the image gray level, the image filtering, edge detection and binarization and so on. Secondly, by using the technology of mathematical morphology and the plate inherent characteristics of aspect ratio to position license plate location in the image after pretreatment, and extract the license plate. Thirdly, Hough Transform method is used to measure the angle and effective rotation correction the license

(完整版)基于数字图像处理的车牌识别本科毕业论文

本科生毕业论文（设计） 题目: 基于数字图像处理的车牌识别设 计 姓 名: 周金鑫 学 院: 数理与信息工程学院 专 业: 电子信息工程 班 级: 111 学

号: 指导教师: 刘纯利职称: 教授 2014 年 12 月 24 日 安徽科技学院教务处制 目录 摘要 ....................................................................关键词 .................................................................. 1、设计目的 ............................................................. 2、设计原理: ............................................................ 3、设计步骤: ............................................................ 4、实行方案 ............................................................. 4.1. 总体实行方案:................................................... 4.2. 各模块的实现:................................................... 4.2.1输入待处理的原始图像: ....................................... 4.2.2图像的灰度化并绘制直方图: ...................................

外文翻译 ---建立一个自动车辆车牌识别系统

附件1：外文资料翻译译文 建立一个自动车辆车牌识别系统 车辆由于数量庞大的抽象,现代化的城市要建立有效的交通自动系统管理和调度。最有用的系统之一是车辆车牌（心室晚电位）辨识系统，它能自动捕获车辆图像和阅读这些板块的号码在本文中，我们提出一个自动心室晚电位识别系统，ISeeCarRecognizer，阅读越南样颗粒在交通费的注册号码。我们的系统包括三个主要模块：心室晚电位检测，板数分割和车牌号码识别。在心室晚电位检测模块，我们提出一个有效的边界线为基础Hough变换相结合的方法和轮廓算法。该方法优化速度和准确性处理图像取自不同职位。然后，我们使用水平和垂直投影的车牌号码分开心室晚电位分段模块.最后，每个车牌号码将被OCR的识别模块实现了由隐马尔可夫模型。该系统在两个形象评价实证套并证明其有效性是适用于实际交通收费系统。该系统也可适用于轻微改变一些其他类型的病毒样颗粒。 一.导言 心室晚电位识别的问题是一个非常有趣，但 困难的一个问题.这在许多交通管理系统中是非常有用的.心室晚电位识别需要一些复杂的任务，如心室晚电位检测，分割和承认。这些任务变得更加复杂时，处理各种倾斜角度拍摄的图像或板噪音板的图像。由于此问题通常是在实时系统中使用，它不仅需要准确性，而且要效率。大多数心室晚电位识别应用通过建立减少一些复杂的约束的位置和距离相机车辆，倾斜角度。通过这种方式，心室晚电位识别率 识别系统已得到明显改善.在此外，我们可以更准确地获得通过一些具体的当地样颗粒的功能，如字符数，行数在一板，或板的背景颜色或 的宽度比为一板高. 二.相关工作 心室晚电位的自动识别问题在20世纪90年代开始就有研究。第一种方法是基于特征的边界线。首次输入图像处理，以丰富的边界线的一些信息如梯度算法过滤器，导致在一边缘图像。这张照片是二值化处理，然后用某些算法，如Hough变换，检测线。最终，2平行线视为板候选人[4] [5]。另一种方法是基于形态学[2]。这种方法侧重于一些板块图像性质如亮度，对称，角度等.由于这些特性，这种方法可以检测出图像中的某些相似的性质和找到车牌区域的位置。第三种方法是基于纹理[3]。在这种方法中，一个心室晚电位被认为是