高速公路聯(lián)網(wǎng)環(huán)境下的車(chē)牌自動(dòng)識(shí)別技術(shù)應(yīng)用分析

莫麗娜
摘要：本文主要是針對(duì)高速公路聯(lián)網(wǎng)環(huán)境下的車(chē)牌自動(dòng)識(shí)別技術(shù)的車(chē)牌定位方法作分析。
關(guān)鍵詞：高速公路 車(chē)牌自動(dòng)識(shí)別 定位方法

一、前言
信息時(shí)代的到來(lái)對(duì)各國(guó)的現(xiàn)代化建設(shè)提出了更高的要求。計(jì)算機(jī)的應(yīng)用已經(jīng)深入到社會(huì)各個(gè)階層，通信技術(shù)也有了新發(fā)展，人們?cè)絹?lái)越享受到這種便利。目前，作為身份識(shí)別的手段也越來(lái)越豐富，指紋識(shí)別，***識(shí)別已經(jīng)非常普遍了。而伴隨著現(xiàn)代高速公路的大量建設(shè)，人們出行多選擇汽車(chē)，人們對(duì)于出行的安全快捷的要求越來(lái)越高，車(chē)牌自動(dòng)識(shí)別技術(shù)也越來(lái)越受到關(guān)注。高速公路聯(lián)網(wǎng)環(huán)境下對(duì)汽車(chē)的信息自動(dòng)采集和管理對(duì)于高速公路安全管理具有十分重要的意義。
二、用于車(chē)牌自動(dòng)識(shí)別的車(chē)牌定位方法
所謂的車(chē)牌定位指的是從攝像頭拍攝到的汽車(chē)圖像中確認(rèn)車(chē)牌的位置，并提取含有車(chē)牌圖像的區(qū)域，從而為后端的字符分割處理提供依據(jù)。雖然后者的識(shí)別性能更高，但是考慮到灰度圖像的函數(shù)表示比較簡(jiǎn)單，再加上圖像處理還會(huì)受到計(jì)算機(jī)運(yùn)行的速度及其內(nèi)存大小的限制，因而在現(xiàn)實(shí)條件下，基于灰度圖像的車(chē)牌定位方法已經(jīng)有了比較多的研究且比較成熟，下面就簡(jiǎn)單介紹幾種定位方法：
1、基于邊緣檢測(cè)的定位
這種車(chē)牌定位算法的研究和運(yùn)用都已經(jīng)比較成熟了，它的工作原理主要是建立在車(chē)牌區(qū)域和非車(chē)牌區(qū)域明顯的灰度差異基礎(chǔ)上的，相對(duì)于車(chē)牌區(qū)域存在大量邊緣，背景部分邊緣要少很多。常用的邊緣提取算子有Sobe邊緣檢測(cè)算子、Krisch算子、Roberts算子、Prewitt算子。在選取好邊緣提取算子后通過(guò)邊緣檢測(cè)的圖像二值化再結(jié)合形態(tài)學(xué)的方法以及部分先驗(yàn)知識(shí)，車(chē)牌區(qū)域就能夠很好地被定位出來(lái)了。但是這種算法也有自身的缺陷，即很費(fèi)時(shí)間，而且復(fù)雜度比較高，對(duì)干擾區(qū)域的排除效果在實(shí)際應(yīng)用中也不夠理想。
2、基于紋理的車(chē)牌定位
基于車(chē)牌區(qū)域區(qū)別于車(chē)身的比較明顯的紋理特征，那么根據(jù)這種紋理特征便可以把車(chē)牌從背景中提取出來(lái)。關(guān)于基于紋理的車(chē)牌定位，有兩種比較通用的理論，一種是楊俊和戚飛虎在題為“一種基于形狀和紋理特征的車(chē)牌定位方法”中提出的充分利用了車(chē)牌的形狀及其紋理特征的一種定位方法，這種方法很好地把車(chē)牌定位簡(jiǎn)化了，只需對(duì)幾個(gè)少數(shù)候選區(qū)進(jìn)行選擇，并把它們組合起來(lái)，因而相對(duì)來(lái)說(shuō)靈活高效，再加上區(qū)域信息一般不容易受到車(chē)牌的大小、位置、以及外界噪聲的影響，因而實(shí)用性比較強(qiáng)。這種車(chē)牌識(shí)別方法在實(shí)際應(yīng)用中還是比較廣泛的，但是要確保其準(zhǔn)確無(wú)誤尚有賴(lài)于構(gòu)造合理、能有效區(qū)分車(chē)牌和背景的紋理特征空間。
3、基于神經(jīng)網(wǎng)絡(luò)的車(chē)牌定位
這種定位方法要求預(yù)先設(shè)計(jì)好神經(jīng)元網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)，之后需要采集大量圖片訓(xùn)練網(wǎng)絡(luò)，建立起車(chē)牌識(shí)別的數(shù)據(jù)庫(kù)，車(chē)牌的特征都記錄在這個(gè)網(wǎng)絡(luò)中，這樣在實(shí)際操作中就能夠提高識(shí)別的效率和準(zhǔn)確程度�；�于神經(jīng)網(wǎng)絡(luò)的車(chē)牌定位法是由賈志勇等在“基于局部小波分形特征的車(chē)牌定位研究”中提出來(lái)的。這種方法可以概述為先提取車(chē)牌圖像的分形維數(shù)，在此基礎(chǔ)上充分利用小波與分形的聯(lián)系，以二次B—樣條小波對(duì)車(chē)牌局部圖像進(jìn)行小波變換，進(jìn)而提取各個(gè)子圖的分形維數(shù)。由于這些分形維組成的特征矢量對(duì)于車(chē)牌區(qū)域和非車(chē)牌區(qū)域能夠形成十分有效的標(biāo)示，那么顯然只要根據(jù)這些分形維特征，以改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)作為分類(lèi)器，車(chē)牌的快速定位就能夠得到很好的實(shí)現(xiàn)。但是這種車(chē)牌定位方法也有其缺陷，那就是要建立龐大的樣本庫(kù)，加上我國(guó)的車(chē)牌尚缺乏統(tǒng)一的標(biāo)準(zhǔn)，牌照有些已經(jīng)磨損，車(chē)牌附近環(huán)境惡劣等現(xiàn)實(shí)原因，使得這種識(shí)別方式的可用性大大降低，再加上神經(jīng)網(wǎng)絡(luò)收斂速度慢，運(yùn)算量大，訓(xùn)練周期長(zhǎng)，故而不適合系統(tǒng)實(shí)時(shí)性要求。
三、聯(lián)網(wǎng)環(huán)境下的車(chē)牌識(shí)別技術(shù)分析
采用視覺(jué)技術(shù)識(shí)別車(chē)牌的流程通常包括五大步驟：車(chē)輛圖像采集，車(chē)牌定位，字符分割，光學(xué)字符識(shí)別和輸出識(shí)別結(jié)果。目前，自然光和紅外光圖像采集識(shí)別是國(guó)際ITS通行的兩條主流技術(shù)路線。自然光和紅外光屬于綠色環(huán)保技術(shù)，不會(huì)對(duì)環(huán)境產(chǎn)生新的電子污染，也不會(huì)引起人體不良的心理影響。自然光路線技術(shù)應(yīng)用起來(lái)比較簡(jiǎn)便，因?yàn)榘滋炜梢灾苯永�用自然光線，光線弱的時(shí)間或者夜間便可采用輔助照明光源，并用彩色攝像機(jī)采集車(chē)輛真彩色圖像，用彩色圖像分析處理方法識(shí)別車(chē)牌，這種車(chē)牌識(shí)別反饋到中心聯(lián)網(wǎng)系統(tǒng)。所以說(shuō)，中心聯(lián)網(wǎng)系統(tǒng)是集車(chē)牌自動(dòng)識(shí)別，中心聯(lián)網(wǎng)運(yùn)行為一體，以智慧中心為核心分布的網(wǎng)絡(luò)系統(tǒng)。建立這種聯(lián)網(wǎng)系統(tǒng)的優(yōu)勢(shì)是形成數(shù)據(jù)交換的網(wǎng)絡(luò)環(huán)境，使中心管理系統(tǒng)與各個(gè)車(chē)道應(yīng)用管理系統(tǒng)進(jìn)行實(shí)時(shí)數(shù)據(jù)交換，進(jìn)而實(shí)現(xiàn)整個(gè)網(wǎng)絡(luò)系統(tǒng)的遠(yuǎn)程管理與維護(hù)。
四、結(jié)束語(yǔ)
車(chē)牌自動(dòng)識(shí)別技術(shù)主要是用于高速公路收費(fèi)管理與城市交通車(chē)輛管理。雖然目前已經(jīng)投入使用的車(chē)牌自動(dòng)識(shí)別方式有很多，但是均有改進(jìn)的空間。如何排除各個(gè)方面的干擾因素，采取科學(xué)的算法來(lái)提高車(chē)牌自動(dòng)識(shí)別的準(zhǔn)確性與效率性仍然是值得進(jìn)一步研究的。
參考文獻(xiàn)：
[1] 葉霆,汽車(chē)牌照自動(dòng)識(shí)別技術(shù)研究[D].西北工業(yè)大學(xué),2006.
[1] 錢(qián)華,芮延年.基于人工智能的汽車(chē)牌照自動(dòng)識(shí)別技術(shù)的研究.機(jī)電產(chǎn)品開(kāi)發(fā)與創(chuàng)新,2005.
[2] 高浩軍,杜宇人.車(chē)牌實(shí)時(shí)識(shí)別方法的研究.現(xiàn)代電子技術(shù),2004(23).
[3] 徐麗娜.神經(jīng)網(wǎng)絡(luò)控制[M].北京電子工業(yè)出版社,2003.
 

轉(zhuǎn)載請(qǐng)注明來(lái)自：http://www.jinnzone.com/jiaotongyunshulw/14675.html