《基于VC++的车牌识别系统研究毕业论文.doc》由会员分享，可在线阅读，更多相关《基于VC++的车牌识别系统研究毕业论文.doc（44页珍藏版）》请在三一办公上搜索。
1、西 南 交 通 大 学毕业设计（论文）基于VC+的车牌识别系统研究年 级: 2006级 学 号: 20062241 姓 名: 谢天 专 业: 自动化（交通信息工程及控制方向）指导老师: 侯进 二零一零年六月院 系 信息科学与技术学院 专 业 自动化（交通信息工程及控制方向） 年 级 2006级 姓 名 谢天 题 目 基于VC+的车牌识别系统研究 指导教师评 语 指导教师 (签章)评 阅 人评 语 评 阅 人 (签章)成 绩 答辩委员会主任 (签章) 年 月 日 毕 业 设 计 任 务 书班 级 1班 学 生 姓 名 谢天 学 号 20062241 专 业 自动化（交通信息工程及控制方向） 发
2、题 日 期：2010年 1月1日 完 成 日 期：2010年 6月 15日题 目 基于VC+ 的车牌识别系统研究 题目类型：工程设计 技术专题研究 理论研究 软硬件产品开发一、 设计任务及要求 智能交通系统是21世纪道路交通管理的发展趋势。车辆牌照识别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。作为一个专用的计算机视觉系统，它能够自动地摄取并识别车牌号码，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。由于多样化的牌照形式、不一致的户外光照条件、各种复杂背景的干扰等因素，使得车牌照识别技术课题极具挑战性。具体要求如下： 1. 对给定的静止图像（假设存在
3、车辆）进行预处理分析 2. 完成车牌定位、字符分割、字符识别等步骤，进行车牌识别 3. 输出车牌的识别结果 4. 人机界面简单清楚友好 二、 应完成的硬件或软件实验 1. 利用VC+编程实现车牌照识别系统的设计 2设计一个人机交互界面以显示和记录车牌照识别的各步骤和结果 三、 应交出的设计文件及实物（包括设计论文、程序清单或磁盘、实验装置或产品等） 1. 毕业设计论文（必须完全符合学校规范，内容严禁有丝毫的抄袭剽窃） . 2. CD-R（含论文，程序，程序使用说明书，演示视频，盘面注明姓名，专业，日期） 3. 英文翻译按学校规定，导师无特殊要求 四、 指导教师提供的设计资料 1. 研究介绍（包
4、括课题背景、动机、内容、意义） 2. 计划说明书 3. 部分英文文献资料 五、 要求学生搜集的技术资料（指出搜集资料的技术领域） 1. 本课题相关领域国内外重要论文及资料 2. 图像处理知识与VC+编程学习指南 六、 设计进度安排第一部分 查阅资料，学习相关编程语言 （ 4 周）第二部分 编制程序并进行调试 （ 10 周）第三部分 撰写毕业论文 （ 2 周） 评阅及答辩 毕业论文修改和参加答辩 （ 1 周） 指导教师： 年 月 日系主任审查意见：审 批 人： 年 月 日注：设计任务书审查合格后，发到学生手上。 西南交通大学信息科学与技术学院 2009年制摘 要车牌识别系统是一个专用的计算机视觉
5、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。车牌识别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。本文对车牌识别系统中的图像预处理、车牌定位、字符分割和字符识别等环节涉及到的技术、算法以及系统整体设计作了全面的论述，并与已有方案进行了比较，同时对部分关键算法进行了设计和改进。本程序包括图像预处理，车牌定位，字符处理和字符识别四部分。这里我先介绍图像预处理。图像预处理采用灰度变换、图像二值化、中值滤波、边缘检测、去除噪音等方法对图像进行了处理，提高了图像的质量，强化了图像区域。车牌定位是车牌识别系统中非常重
6、要的一步。本文采取的方法是根据车牌区域的横向竖向纹理特征对车牌进行定位，具有较高的车牌定位准确率。字符处理是针对车牌字符做处理，首先对得到的车牌进行倾斜度调整，然后利用连通域法分割得到单独的字符，最后对字符进行了归一化处理，便于下一步字符识别。字符识别本文选取了13个特征点，采用模板匹配的方法，对字符进行快速识别，取得了较高的识别率。本程序用纯软件的方法实现了车牌字符的自动识别，达到了较高的识别率。关键词：图像预处理； 车牌定位； 竖向纹理； 字符分割； 字符识别 AbstractAs a special computer vision system, the license plate re
7、cognition system (LPR) can capture a vehicle automatically and identify the plate numbers in the image. It can be used in the road tolling system, parking system, stolen vehicle identification system, guard system, intelligent transportation system and so on. It has many contributions on the automat
8、ion of the transportation management.In this thesis, some methods and algorithms are introduced by preprocessing of images, license plate locations, character segmentations and character recognitions. Also, the methods and algorithms have a comprehensive discussion of the overall designs. Moreover,
9、I have compared the methods with the existing. At the same time, I try to design and improve parts of critical algorithms.This process includes preprocessing of images, license plate locations, character processing and character recognitions. The preprocessing of images is the first one I want to in
10、troduce. The image preprocessing is that an image is processed by several algorithms which include gray level stretching, image binarization, median filter, edge detection, and removed noise. Through the processing, the noises on the image are eliminated effectively, and vertical texture on image is
11、 clearer. License plate locations are extremely important steps in the computer vision system. There is a location method which bases on a horizontal texture feature and a vertical texture feature is put forward in this thesis. This method can get a satisfactory recognition effect. Character process
12、ing is work for license plate. In the beginning, inclination rectification method is applied to license plate images. The second step is the corresponding connection regions are used to be divided into several isolate characters. Finally, characters are normalized. These normalized characters can he
13、lp to be recognized. The character recognitions we select 13 features which are based on template matching method for the purpose of character recognition with high speed and high recognition rate. The program is using a pure software method to achieve the automatic license plate character recogniti
14、ons and to reach a higher recognition rate.Keywords: image preprocessing; license plate location; vertical texture; character segmentation; character recognition目 录摘 要IIIABSTRACTV第1章 绪 论11.1 本论文的背景和意义11.1.1 课题的研究背景11.1.2 课题的研究意义11.2 本论文的主要方法和研究进展21.2.1 国内外研究进展21.2.2 车牌识别研究的主要技术方法31.3 本论文的主要内容31.4 本论
15、文的结构安排4第2章 车牌识别系统功能设计方案72.1 车牌识别系统概述72.2 车牌识别系统的设计原则72.3 本章小结8第3章 车牌识别算法设计93.1 车辆图像的预处理93.1.1 图像的灰度化93.1.2 图像的二值化93.1.3 图像的中值滤波113.1.4 图像的边缘检测133.1.5 消弱背景噪声163.2 车牌捕捉173.3 字符处理183.3.1 车牌反色183.3.2 车牌倾斜度调整183.3.3 字符分割183.3.4 字符归一化紧排193.3.5 字符的细化203.4 字符识别213.5 本章小结25第4章 车牌识别系统运行结果及语言介绍264.1 车牌捕捉运行结果26
16、4.2 车牌识别运行识别结果284.3 开发平台及编程语言简介284.3.1 Visual C+的集成开发环境284.3.2 MFC是一个编程框架294.4 本章小结31结 论32致 谢34参考文献35第1章 绪 论1.1 本论文的背景和意义 1.1.1 课题的研究背景20世纪80年代以来，随着我国国民经济的迅速发展，机动车辆规模及流量大幅度增加，全国机动车量年均增长15%以上，城市通路里程年均增长7.9%，高速公路和城市交通管理现代化水平的提高势在必行，迫切需要采用高科技手段来充实和加强交通管理水平。智能交通管理系统是21世纪道路交通管理的发展趋势，高速公路的不断发展和车辆管理体制的不断完善
17、，为智能交通管理系统进入实际应用领域提供了契机。在整个智能交通管理系统中，车牌识别系统是实现交通管理智能化的重要环节，车牌识别系统的应用可有效解决在高速公路收费、超速车辆布控、城市卡口、停车场管理和社区管理中的问题，其具体应用可概括为：1. 交通监控 利用车牌识别系统的摄像设备，可以直接监视相应路段的交通状况，获得车辆密度、队长、排队规模等交通信息，防范和观察交通事故。它还可以同雷达测速器或其他的检测器配合使用，以检测违犯限速值的车辆。当发现车辆超速时，摄像机获取该车的图像，并得到该车的牌照号码，然后给该车超速的警告信号。2. 交通流控制指标参量的测量 为达到交通流控制的目标，一些交通流指标的
18、测量相当重要。该系统能够测量和统计很多交通流指标参数，如总的服务流率，总行程时间，总的流入量流出量，车型及车流组成，日车流量，小时/分钟车流量，车流高峰时间段，平均车速，车辆密度等。这也为交通诱导系统提供必要的交通流信息。3. 高速公路上的事故自动测报 这是由于该系统能够监视道路情况和测量交通流量指标，能及时发现超速、堵车、排队、事故等交通异常现象。4. 对养路费交纳、安全检查、运营管理实行不停车检查 根据识别出的车牌号码从数据库中调出该车档案材料，可发现没及时交纳养路费的车辆。另外，该系统还可发现无车牌的车辆。若同车型检测器联用，可迅速发现所挂车牌与车型不符的车辆。5. 车辆定位 由于能自动
19、识别车牌号码，因而极易发现被盗车辆，以及定位出车辆在道路上的行驶位置。这为防范、发现和追踪涉及车辆的犯罪，保护重要车辆(如运钞车)的安全有重大作用，从而对城市治安及交通安全有重要的保障作用。1.1.2 课题的研究意义汽车牌照识别系统是智能交通系统的一个重要组成部分，它是一个特定目标为对象的专用计算机视觉系统，该系统能从一幅图像中自动提取车牌图像，自动分割字符，进而对字符进行识别，它运用模式识别、人工智能技术，对采集到的汽车图像进行处理，能够实时准确地自动识别出车牌的数字、字母及汉字字符，并以计算机可直接运行的数据形式给出识别结果，使得车辆的电脑化监控和管理成为现实。车牌识别技术的根本性作用在于
20、自动识读出车辆的唯一身份证-车牌号码，摆脱了人工查看图片识读车牌号码的工作，由于这一智能化的技术，顿时使车辆管理的技术水平跨上了一个新台阶，虽然任何车辆管理系统最终都不可能完全摆脱人的参与(即真正意义上的“无人化值守”)，但毕竟在降低人工劳动强度、提高管理效率、增加管理的客观性方面起到了巨大的推动作用。目前这一技术随着需求的不断提高将会得到更快的发展，以这一技术为核心的车牌自动识别系统的成功开发必将大大加速ITS的进程。1.2 本论文的主要方法和研究进展1.2.1 国内外研究进展从20世纪90年代初，国外就已经开始了对汽车牌照自动识别的研究，其主要途径就是对车牌的图像进行分析，自动提前车牌信息
21、，确定汽车牌号。在各种应用中，有使用模糊数学理论也有用神经元网络的算法来识别车牌中的字符，但由于外界环境光线变化、光路中有灰尘、季节环境变化及车牌本身比较模糊等条件的影响，给车牌的识别带来较大的困难。国外的相关研究有J Barroso提出的基于扫描行高频分析的方法以及Lancaster I.T提出的类字符分析方法等。为了解决图像恶化的问题，目前国内外采用主动红外照明摄像或使用特殊的传感器来提高图像的质量，继而提高识别率，但系统的投资成本过大，不适合普遍的推广。车牌识别系统中的两个关键子系统是车牌定位系统和车牌字符识别系统。关于车牌定位系统的研究，国内外学者已经作了大量的工作，但实际效果并不是很
22、理想，比如车牌图像的倾斜、车牌表面的污秽和磨损、光线的干扰等都是影响定位准确度的潜在因素。为此，近年来不少学者针对车牌本身的特点，车辆拍摄的不良现象及背景的复杂状况，先后提出了许多有针对性的定位方法，使车牌定位在技术和方法上都有了很大的改善。然而现代化交通系统不断提高的快节奏，将对车牌定位的准确率和实时性提出更高的要求。因而进一步加深车牌定位的研究是非常必要的。车牌字符识别是在车牌准确定位的基础上，对车牌上的汉字、字母、数字进行有效确认的过程，其中汉字识别是一个难点，许多国外的LPR系统也往往是因为汉字难识而无法打入中国市场，因而探寻好的方法解决字符的识别也是至关重要的。目前己有的方法很多，但
23、其效果与实际的要求相差得很远，难以适应现代化交通系统高速度、快节奏的要求。因而对字符识别的进一步研究也同样具有紧迫性和必要性。1.2.2 车牌识别研究的主要技术方法车牌识别主要分为两大关键技术：一是车牌的定位；二是车牌字符的识别。1. 车牌定位研究车牌定位的研究国外起步比较早，上个世纪90年代以来，我国也开始对车牌定位进行深入的研究，并取得了一定的成效。比较好的定位算法有基于车牌文字变化特点的自动扫描识别算法；基于特征的车辆牌照定位算法；基于变换函数提取车牌的算法；基于视觉的车辆牌照检测；基于字符串的车辆牌照分割方法。这些算法都是基于车牌的特征来研究车牌的定位与识别，因而具有一定的针对性和局限
24、性。对一些复杂图像应用某些数学工具不仅可以加快处理速度而且可以改善和优化处理结果。已有的区域定位算法，比较完善的如机动车辆自动识别收费系统当中所提出的一种基于局部阈值二值化与自适应形态滤波算法。另外，一些学者们从一些数学工具着手，利用数学形态学、小波分析、遗传算法等方法对一些传统定位方法进行改进，提出了基于属性开运算的汽车牌照区域定位算法，通过对灰度图像采用属性开运算，削去满足特定属性的峰部，确定出目标以及少量非目标区域，然后计算出图像的倾斜角及目标区域所在范围；提出了基于小波与形态学的车牌图像分割方法等。上述车牌定位方法具有一定的实用性和参考价值，然而也都有不完善的方面，有待进一步完善。2.
25、 车牌字符识别研究车牌字符识别实际上就是对车牌上的汉字、字母、数字进行准确确认的过程。车牌字符识别实际上是依附在车牌上的印刷体文字的识别，能否正确识别不仅是文字识别技术的问题，还要考虑其载体车牌区域的影响。车牌字符识别技术是文字识别技术与车牌图像自身因素协调兼顾的综合性技术。由于摄像机的性能、车牌的整洁度、光照条件、拍摄时的倾斜角度及车辆运动等因素的影响使车牌中的字符可能出现比较严重的模糊、歪斜、缺损或污迹干扰，这些都给字符识别带来了难度。文献15给出了基于神经网络的车牌字符识别方法；文献16提出了一种基于模板匹配的车牌识别方法。综合上述方法，文献17提出了基于模板匹配和神经网络的车牌字符识别
26、方法，该方法集成了模板匹配识别车牌字符和神经网络识别车牌字符的各自优势，提高了车牌字符的识别效率。车牌字符识别的研究在技术上虽然取得了很大的突破，然而离实用化的要求还相差很远，许多新方法仅停留在理论和文章上或者限制在比较狭窄的约束范围内，并不能以产品的形式大范围的投入使用。因而车牌字符识别的研究仍然有很长的路要走。1.3 本论文的主要内容本文实验的图像是用数码相机拍得的以及从网上收集到的汽车彩色图像 (包括静态的和行驶中的汽车图像)，图像质量比较差，在各种光照条件和自然条件下的汽车图像都有，因此也对本系统的实现增加了难度。在整个车牌自动识别系统中实现高识别率主要有三个部分起着关键的作用：在全车
27、身图像中车牌部分的定位、定位后车牌字符的分割、对单个字符的识别。本文先实现了车牌定位，再对车牌中的字符分割和字符识别，因此本系统由四大部分组成，车辆图像的预处理、车牌区域的定位、车牌字符识别的预处理、车牌字符的识别，系统详细流程图见图1-1。图1-1 系统流程图其中图像预处理流程图如图1-2所示。图1-2 图像预处理流程图字符处理如图1-3所示。图1-3 字符处理流程图1.4 本论文的结构安排本文的结构是按照系统的流程结构来安排的。第1章介绍了车牌自动识别系统的研究背景和意义，国内外的研究现状以及车牌识别研究的技术特点。第2章介绍了车牌识别系统的介绍和程序的设计方法。第3章介绍了车牌识别系统的
28、编程方法和算法。第4章是对车牌识别系统结果的分析和展示。第2章 车牌识别系统功能设计方案上面介绍了车牌识别系统的研究意义和研究方法，让读者对车牌识别这个系统有了一个初步的印象，下面将介绍车牌识别系统具体的设计方案以及设计原则，便于读者理解。2.1 车牌识别系统概述车牌识别(Vehicle License Plate Recognition，VLPR) 是现代智能交通系统中的重要组成部分之一，应用十分广泛。它以数字图像处理、模式识别、计算机视觉等技术为基础，对摄像机所拍摄的车辆图像或者视频序列进行分析，得到每一辆汽车唯一的车牌号码，从而完成识别过程。通过一些后续处理手段可以实现停车场收费管理，交
29、通流量控制指标测量，车辆定位，汽车防盗，高速公路超速自动化监管等等功能。对于维护交通安全和城市治安，防止交通堵塞，实现交通自动化管理有着现实的意义。2.2 车牌识别系统的设计原则本系统的设计必须遵循以下原则：1. 要遵循国内的车牌标准 目前国内汽车牌照有六种类型：（1）大型民用汽车所用的是黄底黑字牌照；（2）小型民用汽车用的是蓝底白字；（3）军队或武警专用汽车是白底红字、黑字牌照；（4）使、领馆外籍汽车是黑底白字牌照；（5）试车和临时牌照是白底红字，且数字前分别标有“试”和“临时”字标志；（6）汽车补用牌照是白底黑字。车前牌照的尺寸均为44 cm长，14 cm宽，共有7个或8个字符。民用汽车牌
30、照上有省、直辖市、自治区的名称和发证照及监督机关的代号，编号是英文大写字母。接着是一个点“.”，后面的汽车编号，一般为5位数字，即从0000199999。编号超过10万时，就由A, B, C等英文字母代替，第三个字符可能是英文字母，也可能是阿拉伯数字，第四至第七个字符均为阿拉伯数字。2. 面向现场环境 本系统主要用于高速公路的交通路口和停车场，因而必须考虑到路口的环境，现场环境对软件设计产生两方面影响：正面影响：（1）在摄像头拍摄时，汽车相对于摄像头的距离是固定的，只要焦距一定，汽车图像大小就是不变的，车牌图像的大小、位置也都是不变的。（2）高速路口处很少有复杂的背景，如树木，多纹理、多色彩的
31、建筑等。因而减少了图像处理的复杂性。负面影响：（1）车辆图像是用摄像头获取的，得到的图像往往存在着0-15度的倾斜，因而要考虑定位和识别的校正。（2）由于阴天或光线不足还会产生图像较暗的情况；由于车牌长期的使用还会造成字符磨损、污染等情况，因而要考虑识别字符的容忍度。3. 黑盒原则 整个系统对外只有一个入口和一个出口，完成汽车图像的输入和车牌字符串输出的功能。至于图像数据读取、车牌定位、车牌校正、车牌字符切割、字符识别等方法的实现都是系统内部自动完成的。4. 模块化结构 本系统采用了四个大模块，即车辆图像预处理模块、车牌定位模块、车牌图像预处理模块、字符的特征提取及识别模块。其中，车辆图像预处
32、理模块又分为灰度化模块、噪声处理模块、边缘检测模块、二值化模块，车牌图像预处理模块又分为倾斜度调整模块、字符分割模块、归一化模块、字符的细化模块等。2.3 本章小结本章对车牌识别的系统设计方案做了介绍，包括车牌系统的概述和设计原则以及现场对程序系统的正面影响和负面影响。相信通过这章的介绍，大家对车牌识别中的一些基本问题都有了简单的了解，也为后面车牌识别算法介绍做了铺垫。 第3章 车牌识别算法设计 上文介绍了车牌识别系统的设计方法，下面我将介绍车牌识别各个步骤的内部算法设计，深度剖析车牌识别系统的编程原理，相信经过这章介绍，大家会与车牌识别系统零距离。3.1 车辆图像的预处理3.1.1 图像的灰
33、度化汽车图像样本，目前大都是通过摄像机、数码相机等设备拍摄获取的，因而预处理前的图像都是彩色图像。真彩色图像又称RGB图像，它是利用R、G、B三个分量表示一个像素的颜色，R、G、B分别代表红、绿、蓝3种不同的颜色，通过三基色可以合成出任意颜色。彩色图像包含着大量的颜色信息，不但在存储上开销很大，而且在处理上也会降低系统的执行速度。由于图像的每个像素都具有三个不同的颜色分量，存在许多与识别无关的信息，不便于进一步的识别工作，因此在对图像进行识别等处理中经常将彩色图像转变为灰度图像，以加快处理速度。数字图像分为彩色图像和灰度图像。在RGB模型中，如果R = G = B，则颜色表示一种灰度颜色，其中
34、R = G = B的值叫做灰度值。由彩色转换为灰度的过程叫做灰度化处理。灰度图像就是只有强度信息，而没有颜色信息的图像，存储灰度图像只需要一个数据矩阵，矩阵的每个元素表示对应位置的像素的灰度值。彩色图像的像素值为RGB(R, G, B)，灰度图像的像素值为RGB(r, r, r)，R、G、B可由彩色图像的颜色分解获得。而R、G、B的取值范围是0-255，所以灰度的级别只有256级。将彩色图像转化为灰度图像常采用的经验公式如图3-1所示： gray = 0.30 R + 0.59 G + 0.11 B (3-1)式中，gray为灰度值，R、G、B分别为红色、绿色和蓝色分量。这是由于人眼对绿色的敏感度最高，对红色的敏感度次之，对蓝色的敏感度最低，这样得到的灰度图像是较为合理的。3.1.2 图像的二值化二值图像是指整幅图像画面内仅有黑、白二值的图像。在数字图像处理中，二值图像占有非常重要的地位。这是因为，一方面，有些需要处理的如文字图像、指纹图像、工程图纸等图像本身是二值的；另一方面，在某些情况下即使图像本身是有灰度的，我们也设法使它变成二值图像再进行处理(即灰度图像的二值化)。这是考虑到在实用的图像处理系统中，针对彩色或灰度图像进行速度高、成本低、信息量大的处理所产生的花销太大。此外，二值化后的图像能够用几何学中的概念进行分析
