车牌识别技术
浅析车牌定位
综述
车牌自动识别技术的应用背景及发展现状及发展方向
车牌自动识别的主要技术
车牌定位的算法
车牌自动识别技术的应用背景及发展现状
随着汽车数量的逐年递增,摆在我们面前的是巨大的城市交通压力。如何高效地进行交通管理,越来越成为我们现实生活中的焦点问题。针对此问题,人们运用先进的科学技术,相继研制开发出了各种交通道路监视、管理系统,这些系统一般都包括车辆检测装置。通过这些装置对过往的车辆实施检测,提取相关交通数据,用于达到监控、管理和指挥交通的目的。国内开发的识别系统的识别率和误判率还远远没有达到标准,而一些发达国家(如英国)在这方面已经有了广泛应用。
车牌自动识别技术发展方向
随着技术的进步和现代化程度的提高,车牌识别技术应用领域,应用功能广泛,并在现代智能交通体系中发挥更重要的作用。
车牌识别系统作为现代交通管理手段中的重要一环,经过多年的发展,已不再是单一的识别车牌,而是朝着更广泛的应用领域、更多的功能方向发展。
车牌识别目前已成为“平安城市”建设中重要的组成部分,为道路交通管理提供帮助,其不仅应用于闯红灯抓拍、超速行驶违章抓拍、车辆旅行时间统计、高速公路车辆管理应用等道路交通应用中,还在治安安防监控中如治安卡口车牌识别、盗抢车辆通缉、刑事案件辅助侦破等应用中都得到了广泛的使用。
应用领域
1 . 偷盗车辆识别
2 . 公路布控管理系统
3 . 停车场收费管理系统
4 . 高速公路收费管理系统
5 .城市交通路口的“电子警察”
6 . 高速公路超速自动化管理系统
7 . 封闭式居民小区物业管理及重要部门的安保管理
车牌识别系统的主要步骤
1 . 图像采集
2 . 车牌定位
3 . 车牌字符分隔
4 . 车牌字符识别
5 . 输出识别结果
车牌定位
自然环境下,汽车图像背景复杂、光照不均匀,如何在自然背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的视频图像进行大范围相关搜索,找到符合汽车牌照特征的若干区域作为候选区,然后对这些侯选区域做进一步分析、评判,最后选定一个最佳的区域作为牌照区域,并将其从图象中分割出来。
常用的一些算法
1 . 基于边缘检测的车牌定位方法
2 . 基于彩色分割的车牌定位方法
3 . 基于小波变换的车牌定位方法
4 . 基于遗传算法的车牌定位
5 .基于数学形态的车牌定位方法
6 . 基于灰度图像纹理特效分析的车牌定位方法
基于边缘检测的车牌定位方法
原始图像
图像预处理
边缘算子及其二值
车牌定位
所谓“边缘”就是指其周围像素灰度有阶跃变化的那些像素的集合。“边缘”的两侧分属于两个区域,每个区域的灰度均匀一致,而这两个区域的灰度在特征上存在一定的差异。边缘检测的任务是精确定位边缘和抑制噪声。检测的方法有多种, 例如Roberts 边缘算子、Prewitt 算子、Sobel 算子以及拉普拉斯边缘检测。这些方法正是利用物体边缘处灰度变化剧烈这一特点来检测图像的边缘。各算子对不同边缘类型的敏感程度不同, 产生的效果也不同, 经过大量实验分析可知, Roberts边缘算子是一种利用局部方差算子寻找边缘的算子, 定位比较精确; Prewitt算子和Sobel算子对噪声有一定的抑制能力, 但不能完全排除伪边缘; 拉普拉斯算子是二阶微分算子, 对图像中的阶跃型边缘点定位准确且具有旋转不变性, 但容易丢失一部分边缘的方向信息, 同时抗噪能力较差。针对不同的环境和要求, 选择合适的算子来对图像进行边缘检测才能达到好的效果。具体定位流程如图1所示。
车牌定位处理后的结果
车牌识别技术 PPT课件 来自淘豆网m.daumloan.com转载请标明出处.
