基于HALCON的车牌识别研究.doc

基于HALCON的车牌识别研究.doc:..基于HALCON的车牌识别研究摘要:为了实现车牌字符快速准确的识别,基于Halcon软件提出了一种二次阈值的车牌定位方法,根据车牌在HSV颜色模式中S通道的纹理特征进行一次阈值,获取车牌候选区域,其次校正车牌候选区域,最后进行第二次阈值,通过字符区域的最大(小)行(列)值确定出精确的车牌区域;在字符分割模块提出了一种汉字分割与其他字符连通域法相结合的方法。实验结果表明,这两种方法简单快捷、识别正确率高。关键字:车牌定位;字符分割;字符识别;Halcon分类号:TN911734文献标识码:A文章编号:10047373X(2014)16?00092?04StudyonlicenseplaterecognitionbasedonHALCONZHANGYin?ping,GEGuang?ying(SchoolofPhysicsScienceandInformationTechnology,LiaochengUniversity,Liaocheng252000,China)Abstract:urateandquickrecognitionoflicenseplates,,ordingtothemaximum(minimum)row(column),,:licenseplatelocation;charactersegmentation;characterrecognition;Halcon0引言随着私家车的不断增加,智能交通系统[1]在交通、大型停车场、收费站等场合的车辆管理发挥着重要作用,而车牌识别是智能交通系统中的重要部分。车牌识别系统包括像采集、车牌定位、字符分割与字符识别四部分。其中,车牌定位是车牌识别系统实现字符分割与字符识别的前提。目前车牌定位有以下几种方法:基于纹理特征和颜色匹配的方法[2]、基于小波分解的方法[3]、基于边缘检测的方法[4?5]、基于形态学的方法[6]等。实践表明,以上每种方法都有其优点和不足之处,例如基于纹理的方法是根据车牌区域灰度变化密集的特征利用扫描法和投影法同时与车牌颜色匹配来实现车牌定位,克服了单一特征的局限性,但容易受光线干扰;边缘检测方法噪声抑制能力较强,定位准确率高,但在车牌褪色严重字迹不清的情况下无法检测到车牌边缘而导致定位失败。字符分割是将车牌区域中的7个字符分割为相互独立的字符区域。通常字符分割方法有以下几种:聚类分析法[7]、垂直投影法[8?9]、模板算法[10]和最大最小优化熵法[11]等。但聚类方法中由于汉字包含多个连通域所以需要重复的聚类,而垂直投影法受噪声的影响较大。本文针对车牌定位与字符分割模块分别提出了一种新的处理方法,在车牌定位模块提出了在HSV通道上采用两次阈值实现车牌定位的方法,由于在S通道上车牌区域明显比其他部位亮,可采用阈值方法获取,此方法筒单并且节省时间。在字符分割模块提出了汉字分割与连通域相结合的方法,先将汉字独立分割出来,得到它的连通域,再将独立的汉字连通域与其他6个字符的独立连通域合并到一个区域中,得到一个包含7个相互独立的字符连通域的区域。此方法能够准确获取字符信息并解决了聚类方法中需要对汉字重复聚类的问题。字符识别是先提取分割字符的特征,然后利用已训练好的分类器进行分类识别的过程。在字符识别模块采用的是BP神经网络识别法。1车牌识别系统车牌识别系统在德台Halcon上实现,此软件包含1000个以上的独立的函数,已经是公认的具有最佳效能的机器视觉软件[12]。使用Ha1con软件来实现车牌识别系统的设计具有运行时间短、稳定性高和实