《车牌识别初讲课件.ppt》由会员分享，可在线阅读，更多相关《车牌识别初讲课件.ppt（37页珍藏版）》请在三一办公上搜索。
1、LPR,车辆牌照识别（LPR）系统是一个专用的计算机视觉系统，它能够自动地摄取车辆图像和识别车牌号码，可应用在公路自动收费、停车场管理、失窃车辆侦察、门卫系统、智能交通系统等不同场合。LPR系统的广泛应用将有助于加快我国交通管理自动化的进程。,车牌识别系统,车牌识别技术的任务是处理，分析摄取的汽车图像，实现车牌号码的自动识别。 在硬件上，它需要集成可控照明灯，镜头，图像采集模块，数字信号处理，存储器，通信模块，单片机等。 在软件上，它需要包括车牌定位，车牌字符分割，车牌字符识别算法。 车牌识别的过程：,汽车,预处理,车牌定位分割,字符分割,字符识别,输出结果,预处理,为什么要进行预处理 摄像时
2、的光照条件，牌照的整洁程度，摄像机的状态（焦距，角度和镜头的光学畸变），以及车速的不稳定等因素都会不同程度的影响图像效果，出现图像模糊，歪斜或缺损，车牌字符边界模糊不清，细节不清，笔画断开，粗细不均等现象，从而影响车牌区域的分割与字符识别的工作，所以识别之前要进行预处理,怎样进行预处理,1.消除模糊。 用逆滤波处理消除匀速运动造成的图像运动模糊 2.图像去噪。 通常得到的汽车图像会有一些污点，椒盐噪声，应用中值 滤波 3.图像增强 自然光照度的昼夜变化会引起图像对比度的不足，所以必须图像增强，可以采用灰度拉伸，直方图均衡等 4.水平校正 摄像机的位置，车辆的运动等将造成图像的倾斜，应对所得图像
3、进行水平校正，可采用图像旋转,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。,车牌定位处理,图像的灰度化图像灰度拉伸对图像进行边缘检测对其进行二值化纹理分析法模糊判断,边缘检测,Sobel算子 该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像，Gx及Gy分别代表经横向及纵向
4、边缘检测的图像，其公式如下: 图像的每一个像素的横向及纵向梯度近似值可用以下的公式结合，来计算梯度的大小。 然后可用以下公式计算梯度方向。 在以上例子中，如果以上的角度等于0，即代表图像该处拥有纵向边缘，左方较右方暗。,返回,二值化,返回,纹理分析法,行扫描行法是利用了车牌的连续特性。车牌区域有连续7个字符，而且字符与字符之间的距离在一定范围内。定义从目标到背景或者从背景到目标为一个跳变。牌照区域相对于其它非车牌区域跳变多，而且间距在定范围内和跳变次数大于一定次数，并且连续满足上述要求的行要达到一定的数目。从下到上的顺序扫描，对图像的每一行进行从左向右的扫描，碰到跳变点记录下当前位置，如果某行
5、连续20个跳变点以上，并且前一个跳变点和后一个跳变点的距离在一定像素内，就记录下起始点和终止点位置，如果连续有10行以上这样的跳变点，我们就认为该区域就是车牌预选区域。,返回,模糊判断1,（1）区域宽高比：标准车牌的宽高比大约为3，实际中由于倾斜等因素，可能有所变化，根据实验情况，我们设置其隶属度函数为： （2）区域字符密度：车牌的区域字符密度（即车牌区域内白色像素总和与整个区域面积的比值）在一定范围内，根据实验情况，我们定义如下隶属函数：,模糊判断2,（3）车牌区域方差：在边缘检测后的图像中，由于车牌区域有一系列排列均匀的字符边缘，所以车牌区域方差较小，其表达式为：设图像有k 个车牌候选区域
6、，则第i 个候选区域的区域方差隶属度函数为：,模糊判断3,设以上三个评价因素的重要程度分别为 、 、 ，从实验中我们可以得出，三个评价因素的重要程度是：区域方差最重要，其次区域字符密度，再次宽高比，因此我们可设置 =0.25， =0.35， =0.4。进行模糊决策时，首先分别计算车牌候选区域三个评价因素的隶属度，然后利用下面融合公式计算融合后的该车牌候选区域的隶属度P 。融合公式为：融合后隶属度最大值所对应车牌候选区域即为最佳车牌区域，也是定位的最终结果。这种方法很好的解决了伪车牌问题。,返回,字符分割,完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别。字符分割一般采用垂直投影法
7、。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值的附近，并且这个位置应满足牌照的字符书写格式、字符、尺寸限制和一些其他条件。利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果。,字符分割,车牌区域灰度二值化确定字符上下边框和去除铆钉车牌垂直投影或模板匹配字符大小归一化,字符分割难点,由于铆钉和周围其它干扰像素的原因，使得垂直投影中，铆钉会对图像的分割起干扰作用，所以要先去除铆钉和确定字符上下界。方法：采用对车牌图像进行行扫描，并统计该行发生的灰度跳变次数，那可以发现跳变次数很小的行，这是因为对于边框线和铆钉所在的行而言，由于其本身的连续性和个数原因，跳变都会很少
8、，而据此来设置一个阈值进行处理，就可以对车牌的上下位置进行精确定位，从而去除上下边框和铆钉。,返回,车牌垂直投影,返回,方法：将图片看成是一个平面。将图片向水平方向投影，这样有字的地方的投影值就高，没字的地方投影得到的值就低。这样会得到一根曲线，像一个又一个山头。,然后，用一根扫描线从下向上扫描。这个扫描线会与图中曲线存在交点，这些交点会将山头分割成一个又一个区域。车牌图片一般是7个字符，因此，当扫描线将山头分割成七个区域时停止。然后根据这七个区域向水平线的投影的坐标就可以将图片中的七个字符分割出来。,字符大小归一化,外形归一化： 将文字的外边框按比例线性放大或缩小成为规定尺寸的文字图像 简单
9、的采用图像的放大和缩小算法，实现所有字符的同大小，为下一步识别做好准备。,字符识别,字符识别方法目前主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法首先将分割后的字符二值化,并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果。基于人工神经元网络的算法有两种： 一种是先对待识别字符进行特征提取，然后用所获得特征来训练神经网络分配器； 另一种方法是直接把待处理图像输入网络，由网络自动实现特征提取直至识别出结果。,字符模板分为汉字、英文字母和数字模板，尺寸为MN像素，由统计方法构造并保存到数据库中。模板匹配是将字符模板和标准化的车牌区字符进行匹
10、配来识别字符。,1、预处理,1）灰度化主要流程图,2)高斯滤波主要流程图,2、车牌定位,1）Sobel边缘检测主要流程图,2）车牌粗略定位主要流程图,车牌定位后图像标记结果,3、车牌分割,1）车牌人工矫正主要流程图,2）车牌精确分割主要流程图,3）字符模板归一并储存主要流程图,4、简易字符识别主要流程图,经常不断地学习,你就什么都知道。你知道得越多,你就越有力量Study Constantly, And You Will Know Everything. The More You Know, The More Powerful You Will Be,写在最后,谢谢你的到来学习并没有结束，希望大家继续努力Learning Is Not Over. I Hope You Will Continue To Work Hard,演讲人：XXXXXX 时 间：XX年XX月XX日,
