试论车牌自动识别系统

车牌自动识别技术是指能够检测到受监控路面的车辆并自动提取车辆车牌信息（含汉字字符、英文字母、阿拉伯数字及号牌颜色）进行处理与识别的技术。本文着重介绍了车牌自动识别系统需要进行的几个基本步骤、关键技术以及主要应用方式，同读者共同探讨。[编者按]     

基于边缘颜色聚类和神经网络的车牌类型识别

汽车牌照自动识别系统是实现智能化道路车辆监控的基础,而车牌类型的识别率是车牌识别系统中重要的技术指标之一。提出了一种基于聚类和神经网络车牌类型识别算法。首先进行车牌的倾斜校正,其次提取车牌的有效区域,最后应用K-means边缘颜色聚类和两级BP神经网络进行车牌类型的识别。对各种条件下采集的500幅车牌图像进行实验,识别率在99%以上。实验结果表明,该算法对光照变化和噪声具有很好的鲁棒性。     

基于多属性层次识别的车辆视频 检索系统设计研究

交通监控视频中车辆的有效检测和实时跟踪,是车辆行为分析和识别的前提,也是智能交通系统（ITS） 的核心内容和关键技术。本文在深入分析当前车辆属性识别方法以及车辆视频检索关键技术的基础上,结合交通监控 视频的自身特点,从应用的角度出发,设计一款融合车牌、车身颜色、车型等多个车辆外观属性进行层次识别的机动车辆 检索系统。该系统可为用户提供多种查询方式,从而实现交通监控视频中相关机动车辆的准确检索。     

BP神经网络在车牌识别技术中的应用

车牌识别系统作为智能交通系统的重要部分,对车辆定位、交通流量的监控具有重要的意义。在车牌识别系统中,利用BP神经网络对车牌进行识别得到广泛的应用,如何提高车牌识别的准确率是车牌识别系统最根本的问题。在多路监控系统中,所采集的车牌图像大小比较小,严重影响了车牌的识别率。采用优化的BP神经网络结构以及根据环境差异进行识别的方法,对车牌识别进行研究,研究实现了对较小的车牌进行准确的识别。     

基于EmguCV和ArcGIS Engine的车辆定位与追踪系统设计与实现

为了高效获取城市中车辆行驶信息,有效监管车辆,并且快速锁定出现在道路上的嫌疑车辆,以实施抓捕.在对现阶段车牌识别技术和车辆监控系统的研究与改进基础上,在现有的车辆追踪定位方式中引入车牌识别技术,据此设计了路网追踪系统.系统通过道路监控抓拍识别,将识别结果上传至监控中心数据库匹配出嫌疑车辆,依据监控位置定位车辆的实时位置,生成抓捕方案上传至警方抓捕中心,并在电子地图上对目标车辆进行实时跟踪显示,提供抓捕路径方案.     

公路电子警察系统解决方案

此套公路车辆智能监测记录系统（通称治安卡口系统）包括智能车牌定位技术、字符分割技术、光学字符识别技术（OCR）和图像智能容错匹配技术。真彩色序列图像处理和分析方法以及独有视频触发、硬件识别等技术,实时记录经过监控区域的所有机动车辆的全景和车牌特写图像,并对车辆号牌和车牌颜色进行自动识别．存储．和处理。     

基于自然语言处理的车牌匹配技术

研究车牌的准确匹配识别问题。马路上车辆日益增多,车牌个性化的趋势也在蔓延,由于个性化车牌与常规车牌在字体、大小、颜色等特性存在差异,像素识别特征不明显,传统车牌识别方法无法有效解决个性化车牌与匹配库中车牌像素特征的差异,在库中根据车牌信息进行匹配识别存在识别准确率不高的问题。为了解决上述问题,提出了一种基于图像和自然语言处理相结合的车牌匹配识别方法。通过将车牌中的数字信息准确提取,转化成自然语言环境下的语义特征,由于语义特征不受像素因素影响,解决了像素特征不一致造成的漏识别问题,实现对车牌的准确识别。实验表明,利用改进算法实现了个性化车辆图像的正确识别,取得令人满意的效果。     

基于OpenCV智能车牌及颜色识别

车牌识别在高速收费口、小区车辆出入口、停车场自动收费系统等方面得到越来越广泛的应用，可一定程度减少交通道路拥挤，缓解交通压力。该文基于树莓派为主控平台，采用高清摄像头模块采集图像，应用OpenCV库相关功能完成车牌定位及字符分割，实现了精准提取车牌信息及颜色识别，并存入数据库中，最后将识别到的车牌号显示在屏幕的GUI界面。实验表明，车牌识别准确率达98%，识别效果较好，值得推广。     

交通肇事逃逸车辆的车牌自动识别算法

针对交通肇事中智能交通监控系统由于事故车辆快速逃逸导致其车牌难以辨识的问题,研究了智能交通监控系统中如何克服监控图像模糊,实现逃逸车辆的车牌自动识别.根据逃逸车辆和监控摄像设备之间的空间几何关系以及车牌图像的灰度特点,提出了一种融合监控录像视频复原和车牌号码局部HOG特征的交通肇事逃逸车辆的车牌自动识别算法.算法主要包含两个关键步骤:监控录像的复原和车牌号码的自动识别.算法首先将监控录像中的关键帧进行频域分析,得到车辆的逃逸方向和逃逸速度,进而判断造成监控图像模糊的关键参数,并据此对监控图像进行复原;然后通过车牌号码局部HOG特征提取和构建特征字典,并求解字符图像HOG特征的稀疏系数,进而完成车牌的自动识别.实验结果表明,算法能很好地复原交通监控录像中的关键帧,在车牌识别功能上,改进方法与BP神经网络法相比有很高的正确识别率,具有很大的应用价值.     

基于多种车辆特征信息识别的停车场管理系统*

提出了一种基于多种车辆特征信息识别的停车场管理系统。多种车辆特征信息识别包括车牌识别、车标识别和车身颜色识别。     

车牌识别系统研究与实现

车牌识别(LPR)系统是智能交通系统中的重要组成部分,该系统分为车牌定位、字符切分和字符识别3个模块。文中基于数学形态学方法和边缘特征分析来进行车牌定位,接着进行二值化、引入多指标联合评价函数判断反色等处理,然后基于连通体分析的方法切分字符。实验表明该系统设计方法是可行的。     

A configurable method for multi-style license plate recognition

Despite the success of license plate recognition (LPR) methods in the past decades, few of them can process multi-style license plates (LPs), especially LPs from different nations, effectively. In this paper, we propose a new method for multi-style LP recognition by representing the styles with quantitative parameters, i.e., plate rotation angle, plate line number, character type and format. In the recognition procedure these four parameters are managed by relevant algorithms, i.e., plate rotation, plate line segmentation, character recognition and format matching algorithm, respectively. To recognize special style LPs, users can configure the method by defining corresponding parameter values, which will be processed by the relevant algorithms. In addition, the probabilities of the occurrence of every LP style are calculated based on the previous LPR results, which will result in a faster and more precise recognition. Various LP images were used to test the proposed method and the results proved its effectiveness.     

基于小波的车牌汉字特征提取

车牌识别系统是智能交通不可或缺的一部分.在车牌识别系统中,车牌首位汉字的特征提取和识别是一个难点.为此,将小波的多分辨率特性应用于车牌汉字特征的提取,提出了一种直接从灰度图象提取车牌汉字特征的提取方法.该方法首先提取图象的小波矩和基于小波分解的区域密度特征,然后以识别率好坏为最优依据,进行特征分量排序和选择,最后把特征矢量送入BP神经网络进行字符识别.该方法避免了一些传统汉字特征提取方法需要对图象进行二值化操作而造成的汉字字符结构信息丢失.提取的特征有效地反映了车牌汉字的局部和全局特征.实验结果表明该特征提取方法可以得到比较好的识别效果.     

高性能的车牌识别系统

描述了一个车辆牌照识别系统.该系统首先利用车辆位置传感器和图像采集卡来自动获取车辆图像并传输至计算机,然后识别车牌字符.结合网络技术,特定车牌信息和车辆图像可以很方便地从远端检索到.文中介绍了该系统的结构及工作流程,以及两种字符的识别方法:基于PCA-LSM的有限中文字符识别方法和基于结构特征分析的字母及数字字符识别方法.在实际应用环境下,该系统的日间整体识别率超过97%,夜间整体识别率超过95%.     

基于四元数特定颜色对边缘检测的车牌定位

车牌定位是车牌识别系统中的一个关键问题。提出了一种基于四元数特定颜色对边缘检测的车牌定位算法。首先将输入彩色图像用同色调全饱和度四元数形式表示;然后借助四对模板检测特定颜色对边缘,结合形态学膨胀运算提取潜在车牌区域;最后根据车牌形状约束条件定位车牌区域。该方法综合利用了车牌的颜色、边缘和形状特征,具有较好的鲁棒性。对各种情况拍摄的485幅车牌图像应用该算法,查全率达到96.8%,查准率超过93.2%。     

一种分级的车牌颜色识别方法

针对复杂环境中车牌颜色识别率不高的问题,提出了一种分级的车牌颜色识别方法。首先将原始彩色图像投影到HSI空间,根据不同牌照在HSI空间的不同分布进行初步识别,接着提取出牌照的前景和背景,并根据各自的颜色信息再次进行识别,最后综合上述两个步骤得到最终的识别结果。大量实验结果表明,该方法颜色识别准确率高、适应性强。     

一种基于多特征提取的实用车牌识别方法

针对车牌识别系统的实际应用, 利用车牌区域的边缘梯度特征、几何形状特征、颜色特征、灰度纹理特征定位车牌, 然后校正车牌图像的颜色及倾斜度; 基于灰度投影法, 对普通及武警车牌均提出了有效字符分割方案, 通过自适应判别去除因字符断裂粘连、特殊字符等造成的干扰; 通过基于多特征值提取的神经网络方法初识别车牌; 最后将人眼的视觉特性用于模板匹配法, 解决易混淆字符及污损车牌的问题。通过大量实验证明, 该方法对车牌颜色、拍摄角度、光照条件等限制较少, 适用范围广、识别率高, 有较强的实用性。     

LPR系统车牌定位提取方法的研究

车牌定位在车牌自动识别中起着非常重要的作用,定位准确度直接影响车牌识别的正确率。文中使用了数学形态学和几何拓扑学相结合的方法对车牌区域进行定位提取。该方法首先采用Top-Hat变换以及开、闭运算对抓拍的车辆图像进行预处理;然后采用连通体态分析法（CCA）对图像进行粗定位;最后对计算得到的车牌候选区的欧拉数进行判别,最终提取真正的车牌区域。实验证明该方法能够很好的对牌照区域顶角进行快速搜索定位,将牌照从复杂背景图像中分割出来。     

车牌图像的快速匹配识别方法

在车牌识别中,经常遇到车牌字符发生缺损、污染现象,统计识别、结构识别方法很难将它们准确识别出来。该文提出了一种快速匹配识别方法,根据图像放大和缩小原理构建多种字符模板,利用图像上、下矩对字符进行粗分类,然后根据图像自相关特性,构建了失配比例加权惩罚匹配模型,可以对车牌字符进行精确识别,该方法识别率达到了99%以上。     

基于MATLAB的车牌定位算法的分析与仿真

车辆牌照识别是智能交通系统的重要部分。该论文针对车辆牌照识别问题中的车牌定位问题进行了分析,并对车牌图像的灰度处理,车牌图像的边缘检测,车牌图像的形态学处理等相结合的方法对车辆牌照进行仿真分析。实践证明,与其他的车牌区域定位方法相比,用该方法要相对快一些,而且成功率高一些。