机动车号牌识别系统的算法研究及实现

论文摘要

机动车号牌识别又称车牌识别（License Plate Recognition, LPR）,该技术通过采集机动车交通场景图像,运用图像识别技术,识别图像中目标车辆的号牌。完整的车牌识别系统包括硬件系统和算法软件系统,本文着重介绍车牌识别算法的研究以及软件系统的设计与实现。图像识别算法是该系统的关键,包括如下几个部分:1.车牌定位,在采集的图像中定位出目标车辆的号牌:用角点检测和灰度方差分析的方法粗步定位车牌区域,再进行连通域分析,采用一种连通域合并准则得到候选车牌,然后分析候选车牌区域的形状、颜色、纹理等以判定候选车牌区域,最后对车牌区域进行矫正,并从图像中分割出车牌。2.字符分割,从矫正的车牌区域图像中分割出各车牌字符:首先进行车牌区域的水平投影图分析判断车牌类型是单行车牌还是双行车牌,同时利用水平投影图中的谷点进行双行车牌的行分割;对行分割后的各行进行垂直投影,分析其投影图,利用字符间隔产生的各谷值点进行列分割;最后对分割得到的字符图形作归一化处理。3.字符识别,应用支持向量机（Support Vector Machine, SVM）对分割出来的字符图像进行多分类识别。本文分析了多种车牌字符识别方法,在比较多种核函数应用在车牌字符识别上的性能、综合分析运算效率的基础上,采用线性核支持向量机进行车牌字符识别;采用二值化图像作为待分类数据;并根据车牌字符排列规则,将车牌字符按照排列位置分为四个大类分别训练及识别。软件的设计与实现部分阐述用C/C++语言实现上述算法过程中采用的一些设计方法,包括:1.面向对象的程序设计（Object Oriented Programming, OOP）,控制软件实现中的复杂性,以得到清晰的程序结构。2.参考常用设计模式（Design Patterns）,设计时考虑程序结构中的易变部分,方便程序的移植和重构。3.开发中采用单元测试（Unit Testing）以保证代码质量。本文将讨论符合国家标准:《中华人民共和国公共安全行业标准-中华人民共和国机动车号牌》（GA36—2007）的机动车牌照图像的识别问题。同时考虑到这一标准实行时间不久,而我国道路系统中行驶的车辆主要还是挂GA36-1992标准的牌照,所以本文将同时兼顾GA36-1992标准牌照的识别问题。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 车牌识别系统研究的背景与现实意义
• 1.2 车牌识别技术的现状
• 1.3 中国汽车牌照的特点
• 1.4 本课题完成的主要工作
• 1.5 本文的结构
• 第二章 车牌自动识别系统
• 2.1 总体结构
• 2.2 车牌识别系统的硬件部分
• 2.2.1 图像采集部分
• 2.2.2 图像处理部分
• 2.2.3 结果输出部分
• 2.3 车牌识别系统的软件部分
• 2.3.1 车牌定位算法
• 2.3.1.1 车辆图像的预处理
• 2.3.1.2 车牌提取算法
• 2.3.1.3 车牌图像的后处理
• 2.3.2 车牌字符分割算法
• 2.3.2.1 车牌图像预处理
• 2.3.2.2 字符定位
• 2.3.2.3 字符分割与归一化
• 2.3.3 车牌字符识别算法
• 第三章 车牌定位算法研究
• 3.1 车牌定位问题的分析
• 3.1.1 对现行车牌标准相关部分的分析
• 3.1.1.1 车牌分类
• 3.1.1.2 车牌组成
• 3.1.2 实用系统对车牌定位算法的要求
• 3.2 目前车牌定位算法比较
• 3.2.1 基于直观视觉特征的定位方法
• 3.2.2 基于变换域的车牌定位方法
• 3.2.3 运动目标检测算法
• 3.3 本文的车牌定位算法方案
• 3.3.1 本文算法对车牌照片的要求
• 3.3.2 车牌图像的先验参数
• 3.3.3 角点特征分析
• 3.3.3.1 Moravec 角点检测算法
• 3.3.3.2 Harris 角点检测算法
• 3.3.3.3 车牌照片的角点特征分析
• 3.3.4 灰度方差二值化
• 3.3.5 连通域形状分析
• 3.3.5.1 连通域提取
• 3.3.5.2 连通域合并准则
• 3.3.6 待定车牌区域判决
• 3.3.7 车牌区域精确定位
• 3.3.7.1 倾斜矫正
• 3.3.7.2 车牌边界定位
• 3.3.8 后处理
• 3.3.9 算法流程
• 3.3.10 算法检验与性能分析
• 第四章 车牌字符分割算法研究
• 4.1 现行车牌标准分析
• 4.2 实用系统对车牌字符分割算法的要求
• 4.3 图像分割方法综述
• 4.4 几种车牌字符分割方法的比较
• 4.5 行分割算法
• 4.6 列分割算法
• 4.7 后处理
• 4.8 车牌字符分割算法流程
• 4.9 算法检验与性能分析
• 第五章 车牌字符识别算法研究
• 5.1 车牌字符识别问题的分析
• 5.1.1 对现行车牌标准相关部分的分析
• 5.1.2 实用系统对车牌字符识别算法的要求
• 5.2 目前车牌字符识别算法比较
• 5.2.1 模板匹配方法
• 5.2.2 按字符特征分类方法
• 5.2.3 人工神经网络分类方法
• 5.3 本文的车牌字符识别算法
• 5.3.1 支持向量机简介
• 5.3.2 用于车牌字符识别的支持向量机方法
• 5.3.2.1 车牌数据获取
• 5.3.2.2 支持向量机的设计
• 5.3.3 几种设计方案的对比
• 5.3.3.1 用基于线性核的SVM 识别
• 5.3.3.2 用基于多项式函数核的SVM 识别
• 5.3.3.3 用基于Sigmoid 核函数的SVM 进行识别
• 5.3.3.4 用基于RBF 的SVM 进行识别
• 5.3.3.5 对比结果
• 5.3.4 算法具体步骤
• 5.3.4.1 线性核支持向量机的训练步骤
• 5.3.4.2 使用支持向量机进行车牌字符识别的步骤
• 5.3.5 算法检验与性能分析
• 第六章 软件系统设计与实现
• 6.1 面向对象程序设计
• 6.2 设计模式
• 6.2.1 图像文件存取模型设计
• 6.2.2 算法选择模型设计
• 6.3 单元测试
• 6.4 可移植性
• 6.4.1 Win32 平台演示程序的实现
• 6.4.1.1 字符界面程序
• 6.4.1.2 图形界面程序
• 6.4.2 嵌入式平台的移植
• 6.5 系统测试结果
• 第七章 总结与展望
• 7.1 总结
• 7.2 展望
• 致谢
• 参考文献
• 攻硕期间取得的研究成果