隨著汽車的持續(xù)快速增長(zhǎng)，傳統(tǒng)的超聲波探測(cè)技術(shù)的車位引導(dǎo)系統(tǒng)已不能滿足現(xiàn)在智能交通的要求，而視頻車牌識(shí)別技術(shù)的停車場(chǎng)管理系統(tǒng)越來越廣泛的應(yīng)用于各大型商業(yè)綜合體中。停車場(chǎng)車牌識(shí)別技術(shù)的使用使得停車場(chǎng)出入口告別了取卡入場(chǎng)的時(shí)代，取而代之的免取卡的視頻出入口收費(fèi)；停車場(chǎng)車牌識(shí)別技術(shù)的使用讓車位引導(dǎo)告別了有線超聲波的年代，迎來更美觀更省錢更方便的無線視頻車位引導(dǎo)；停車場(chǎng)車牌識(shí)別技術(shù)的使用告別了刷卡定位的尋車技術(shù)，進(jìn)入只需輸入車牌號(hào)便可查詢車輛所在位置的全自動(dòng)方向?qū)ぼ嚨臅r(shí)代。究竟車牌識(shí)別是怎樣實(shí)現(xiàn)這些功能的呢，多奧給你細(xì)細(xì)解說一下。
停車場(chǎng)車牌識(shí)別技術(shù)以計(jì)算機(jī)技術(shù)、圖像處理技術(shù)、模糊識(shí)別為基礎(chǔ)，建立車輛的特征模型，識(shí)別車輛特征，如號(hào)牌、車型、顏色等，其是基于圖像分割和圖像識(shí)別理論， 對(duì)含有車輛號(hào)牌的圖像進(jìn)行分析處理，從而確定牌照在圖像中的位置，并進(jìn)一步提取和識(shí)別出文 本字符。 采用動(dòng)態(tài)連接庫，嵌入到開發(fā)的應(yīng)用程序，使用 C++ 編 程，運(yùn)用多線程編寫技術(shù)，即創(chuàng)建一個(gè)自動(dòng)識(shí)別線程，并且設(shè)置了一個(gè)識(shí)別標(biāo)志，保證系統(tǒng)在進(jìn)行定位識(shí)別的時(shí)候不會(huì)出現(xiàn)第 二個(gè)識(shí)別線程。 車牌識(shí)別一般可以分為車牌定位、字符分割和字符識(shí)別 3 個(gè)主要步驟。
1、車牌定位
為了精確定位，必須對(duì)車牌進(jìn)行預(yù)處理來消除車身顏色不同以及環(huán)境因素給車牌定位造成的不良影響。
1）灰度處理：系統(tǒng)采集的車牌原始圖像是 24 位 RGB 圖， 為了便于后續(xù)快速圖像處理， 有必要先將圖像轉(zhuǎn)為灰度圖像， 主要采用最大值法、平均值法和加權(quán)平均值法。
2）灰度圖二值化：為了進(jìn)一步提高圖像的對(duì)比度，需要對(duì)灰度圖進(jìn)行二值化處理，二值化的關(guān)鍵在于閾值的確定，可采 用 Otsu 算法進(jìn)行灰度圖二值化。
3）邊緣檢測(cè)：采用 Canny 邊緣檢測(cè)法，其是一種比較新的邊緣檢測(cè)算子，具有很好的邊緣檢測(cè)性能，得到了越來越廣泛的應(yīng)用。 該邊緣檢測(cè)法利用高斯函數(shù)的一階微分，它能在噪聲抑制和邊緣檢測(cè)之間取得較好的平衡。
4）中值濾波：中值濾波可以在消除噪聲的同時(shí)保持圖像的細(xì)節(jié)。 中值濾波的主要工作步驟如下：
首先，將模板中心與圖像 中某個(gè)像素位置重合，然后，讀取模板下各對(duì)應(yīng)像素的灰度值，將這些灰度值從小到大排成一列，并找出這些值中排在中間的一個(gè)，最后，將這個(gè)中間值賦給對(duì)應(yīng)模板中心位置的像素。
5）線掃描實(shí)現(xiàn)車牌定位：經(jīng)過上述處理后，車牌圖像中只有顆粒狀的點(diǎn)和長(zhǎng)短不一的曲線了，若在一個(gè)車牌長(zhǎng)度內(nèi)垂直長(zhǎng)度超過閥值的曲線大于 10 條，則認(rèn)為是在車牌區(qū)域之內(nèi)，反之則認(rèn)為在車牌以外的區(qū)域，通過對(duì)圖像進(jìn)行線掃描，找出滿足條件的區(qū)域作為車牌候選區(qū)域。
2、字符分割
為了準(zhǔn)確地識(shí)別牌照上的漢字、英文字母和數(shù)字，必須把單個(gè)字符從牌照中提取分離出來。用的字符切分方法有投影法板匹配法、區(qū)域生長(zhǎng)法、聚類分析法等。本文采用模板匹配與垂直投影結(jié)合的方法分割字符，具體步驟如下：
1）統(tǒng)計(jì)車牌圖像每列中白色像素的個(gè)數(shù)；
2）根據(jù)白色像素的個(gè)數(shù)對(duì)車牌圖像的所有列進(jìn)行分類，若 白色像素個(gè)數(shù)為零，則該列屬于背景列；否則該列屬于字符列。
3）記下所有背景區(qū)域和字符區(qū)域的起始列和結(jié)束列，連續(xù)的字符列形成一個(gè)字符區(qū)域，連續(xù)的背景列形成一個(gè)背景區(qū)域。
4）計(jì)算車牌圖像中所有的背景區(qū)域?qū)挾群妥址麉^(qū)域?qū)挾取?
5）判斷第二個(gè)字符的區(qū)域的起始列以左的字符區(qū)域，離第 二個(gè)字符的區(qū)域最近的字符區(qū)域是否己被標(biāo)記。如果己被標(biāo)記，則該字符區(qū)域被確定為車牌第一個(gè)字符的區(qū)域；否則證明該字符區(qū)域在垂直投影法下分割錯(cuò)誤。
6） 用確定第一個(gè)字符的區(qū)域和第二個(gè)字符的區(qū)域的方法 對(duì)剩余字符區(qū)進(jìn)行分割，確定車牌字符的區(qū)域。
3、字符識(shí)別
常用的字符識(shí)別方法可以大致分為模板匹配法、結(jié)構(gòu)模式識(shí)別、統(tǒng)計(jì)模式識(shí)別以及支持向量機(jī)等，本文采用較為簡(jiǎn)單的 模板匹配法，中國大陸的車牌中使用的字符 59 個(gè)漢字、24 個(gè)大寫英文字母和 10 個(gè)阿拉伯?dāng)?shù)字三種類型共 93 個(gè)，且都是印刷體，結(jié)構(gòu)固定、筆畫規(guī)范。 模板匹配是圖像識(shí)別中最具有 代表性的方法之一，將以待識(shí)別的圖像提取的若干特征與模板對(duì)應(yīng)的特征量進(jìn)行比較，計(jì)算模板和特征量之間的距離，根據(jù)最小距離判定所屬類。 對(duì)于分割出來的二值字母和數(shù)字字符圖 像，先歸一化為 15×15 像素，然后對(duì)其進(jìn)行細(xì)化，最后建立匹配模板，提取特征向量，進(jìn)行匹配識(shí)別。