摘 要

随着我国经济的不断发展，人民生活水平日益提高，汽车保有量逐年增加。汽车数量的增长给交通系统带来了巨大的压力，交通监管也显得十分困难，交通堵塞、环境污染、有车难停等问题层出不穷，严重影响了人民的正常生活和我国经济的持续发展。因此，建立智能高效的交通管理系统势在必行，车牌识别系统作为智能交通系统的一个重要研究课题，受到了广大学者的热切关注。

车牌识别系统主要由车牌定位、车牌字符分割、车牌字符识别三大部分组成，图像预处理作为一项重要技术在每一步中都有使用，所以本文主要针对这四部分进行相关研究，设计了一个完整的车牌字符识别系统，该系统具有良好的识别率。

首先，对获得的车牌图像进行预处理。灰度化处理降低图像内存占用，提高识别速度；二值化操作进一步减少数据量，凸显目标轮廓；利用Canny算子进行边缘检测，得到边缘图像，为后续的车牌定位做好准备。

然后，对边缘图像进行相关形态学操作，如膨胀、腐蚀、开闭运算等，生成候选车牌区域；根据车牌的宽高比特征筛选候选区域，实现车牌粗定位；通过水平投影和垂直投影进一步精确定位车牌。

接下来，对分割出的车牌图像进行垂直投影，寻找字符与字符之间的分割点，并且根据字符宽高比特征设定阈值防止粘连字符切割到一起，得到每个字符的独立图像。

最后，通过建立标准字符模板库，将分割出来的字符与模板库字符进行比对，找到相似度最大的模板，其对应的字符作为识别结果进行输出，最终得到车牌字符的识别结果。

经过试验分析，本文所设计的车牌识别系统在车牌定位、字符分割以及字符识别上均表现良好，对于小型汽车的蓝底白字车牌具有良好的识别率。

关键词：车牌识别；图像处理；车牌定位；字符分割；字符识别

Abstract

With the continuous development of China's economy and the improvement of people's living standards, car ownership is increasing year by year. The growth of the number of cars has brought great pressure to the traffic system, and traffic supervision is also very difficult. Traffic jams, environmental pollution, difficulty in parking and other problems keep emerging, which have seriously affected the normal life of the people and the sustainable development of China's economy. Therefore, it is imperative to establish an intelligent and efficient traffic management system. As an important research topic of the intelligent traffic system, the license plate recognition system has been paid close attention by many scholars.

License plate recognition system is mainly composed of license plate location, license plate character segmentation, of license plate character recognition as an important image pretreatment technology are used in each step, so this paper focuses on the four parts to research, design a complete license plate character recognition system, the system has good recognition rate.

First, the license plate image is preprocessed. Grayscale processing reduces the memory consumption of image and improves the recognition speed. The binarization operation further reduces the amount of data and highlights the target contour. Canny operator is used to detect the edge and get the edge image for the subsequent license plate positioning.

Then, relevant morphological operations are performed on the edge images, such as expansion, corrosion, open and close operations, etc., to generate candidate license plate regions. According to the feature of the aspect ratio of the license plate, the candidate regions are selected to realize the coarse localization of the license plate. The license plate is further accurately located through horizontal projection and vertical projection.

Next, a vertical projection is performed on the segmented license plate image to find the segmentation points between characters, and a threshold value is set according to the character aspect ratio feature to prevent the adhesive characters from being cut together to obtain an independent image of each character.

Finally, through the establishment of standard character template library, the characters segmented are compared with the characters in the template library to find the template with the largest similarity. The corresponding characters are output as recognition results, and finally the recognition results of license plate characters are obtained.

Through test and analysis, the license plate recognition system designed in this paper performs well in license plate location, character segmentation and character recognition, and has a good recognition rate for small cars with white plate on blue background.

Key words: License plate recognition; Image Processing; License plate location; Character segmentation; Character recognition

目 录

第1章 绪论 1

1.1 研究背景及意义 1

1.2 车牌识别系统的研究现状 2

1.2.1 国外研究现状 2

1.2.2 国内研究现状 2

1.3 中国车牌的特点和识别特性 4

1.3.1 中国车牌的特点 4

1.3.2 中国车牌的识别特性 5

1.4 论文组织结构 5

第2章 车牌图像预处理算法 7

2.1图像灰度化处理 7

2.2 图像二值化 8

2.2.1 全局阈值法 8

2.2.2 局部阈值法 9

2.3 图像边缘检测 9

2.3.1 Roberts算子 9

2.3.2 Sobel算子 10

2.3.3 Prewitt算子 10

2.3.4 Canny算子 11

2.4 数学形态学处理 12

2.4.1 膨胀运算 12

2.4.2 腐蚀运算 12

2.4.3 开运算 14

2.4.4 闭运算 14

2.5 均值滤波和中值滤波 14

2.5.1 均值滤波 14

2.5.1 中值滤波 15

第3章 车牌定位算法 16

3.1 常用车牌定位算法概述 16

3.1.1 基于边缘检测的车牌定位算法 16

3.1.2基于投影法的车牌定位算法 16

3.1.3 基于颜色特征的车牌定位算法 17

3.2 基于边缘检测和投影法的车牌定位实验分析 17

3.2.1 图像预处理 17

3.2.2 车牌粗定位 18

3.2.3 基于投影法的车牌精确定位 20

第4章 车牌字符分割算法 23

4.1 车牌字符特征 23

4.1.1 字符构成 23

4.1.2 几何特征 23

4.2 常用车牌字符分割算法概述 23

4.3 基于投影法和字符特征的字符分割实验分析 24

第5章 车牌字符识别算法 27

5.1 常用的车牌字符识别算法 27

5.2 基于模板匹配的字符识别实验分析 28

第六章 总结与展望 30

6.1 论文工作总结 30

6.1 问题和展望 31

参考文献 32

附 录A 34

附 录B 46

致 谢 47

第1章 绪论

1.1 研究背景及意义

近年来，伴随着国民经济的迅猛发展，人民生活水平得到显著提升，人民对于提升自我生活水平的愿望越来越强烈，在交通出行领域的表现就是私家车的数量越来越多。截至2018年底，全国汽车保有量达2.4亿辆，比2017年增加2285万辆，增长10.51%。汽车数量的增加给交通系统带来了巨大压力，虽然我国政府在交通基础设施建设方面花费了大量人力物力财力并取得了显著进步，但是落后的交通管理方式一日不改变，交通出行方面的问题就难以解决。早在上世纪90年代，发达国家就提出了智能交通系统（Intelligent Transportation System,ITS）^[1]的理念，用于解决交通问题。ITS 综合运用信息、计算机、人工智能等技术，使得交通系统中的“人、车、路”三大主体协调配合，提升交通运输效率^[2]。

车牌识别系统（License Plate Recognition System，LPRS）^[3]作为 ITS 中最为重要的组成部分之一，在交通管理中发挥着至关重要的作用。LPRS不需要为车辆加装其他设备，也不需要改变车辆原有的运动状态，便能够自动识别车辆的牌照，实现交通管理的自动化信息化。LPRS 在以下几个方面发挥重要作用^[4]：

1）获取道路上的实时车流情况。利用这些信息，可以对车流进行分流，短时间减少交通堵塞。同时，对一段时间内的车流情况进行分析，可以制定有效的道路优化方案，有望从源头提高道路利用率。

2）对以车辆为交通工具进行的违法犯罪行为进行监管打击。通过车牌识别系统，可以根据车牌号对嫌疑车辆进行追踪，从而调查其违法犯罪活动。

3）LPRS 可以为交通违章以及交通事故提供证据，保证事件的顺利解决，避免产生纠纷。

4）LPRS可以为商场、小区等车流密集区域提供监管，准确细致地记录车辆的进出时间，提高车辆管理效率。通过车牌识别系统，记录进入场所的车辆数量以及停留时间，这在停车场上有着广泛应用。

综上所述，车牌识别系统能够帮助实现交通管理系统的智能化信息化，改变传统的管理方式，降低人力资源消耗的同时提高管理效率，在车辆监管方面有着不可忽视的作用。所以，加强对车牌识别系统的研究不但具有深远的现实意义，而且可以产生经济效益。

1.2 车牌识别系统的研究现状

1.2.1 国外研究现状

发达国家对于车牌识别系统的研究，可以追溯到二十世纪的七八十年代，到目前为止，国外学者以及研究开发出多种成熟的车牌识别方法^[5]。早在1982年英国的一个研发组就开发出一种基于车牌识别的发现被盗车辆自动报警系统，但识别率仅有50%左右，1983年日本一家公司开发出一种检测超速车辆的车牌识别系统，但是由于识别率不能令人满意最终未能投入使用^[6]。在二十世纪九十年代末期，计算机性能以及机器学习能力得到大幅度提升，这为车牌识别系统的迅猛发展提供了技术层面支持。到目前为止，国外对于车牌识别系统的研究已经相当成熟，有了许多优秀的研究成果，进入了实用化应用阶段。Bolotova Yu.A.等人利用边缘检测和车牌形态学特征分别进行车牌的粗定位和精确定位，用连通域法分割车牌字符，最后用皮质学习模型完成车牌字符的最终识别^[7]。该系统不仅在白天拥有极高的识别成功率，能够达到94.1%，而且在夜间的识别率也能达到90%以上。Luis为高速公路收费口开发的车牌识别系统，在正常使用情况下识别率达到90%以上，哪怕是在极端恶劣的天气条件下，识别率也能达到70%以上^[8]。目前，国外比较知名的几种车牌识别系统有以色列Hi-Tech公司的See Car System，识别率达到93%，速度达到500ms；新加坡Optasia公司的VLPRS，识别率达到了惊人的99%，识别速率在400ms到2000ms之间^[9]。国外开始研究车牌识别系统的时间远远早于国内，技术水平已经达到一定高度，再加上国外车牌的标准化程度要高，识别难度相对较低，车牌识别系统已经被广泛应用在各个方面。但是由于国内的车牌标准与国外有显著差异，导致国外的成熟技术无法直接应用于国内，如果强行采用识别率也不会尽如人意。因此，我国学者要发挥力量，研究适合我国车牌标准的车牌识别系统，当然，在进行这项研究时，国外系统里已有的成熟稳定的算法可以作为非常重要的参考。

1.2.2 国内研究现状

在我国的车牌识别系统的研究上，已经有许多学者、院校、公司等投身其中，并且取得了不俗的成绩。目前，国内也有一些比较优秀的车牌识别产品。例如成都臻识科技发展有限公司的火眼臻睛车牌识别系统，北京汉王科技有限公司的汉王眼等等。

车牌识别系统的算法处理模块主要包括车牌定位、车牌字符分割以及车牌字符识别三大部分，接下来作者将围绕这三个方面对国内的一些研究成果进行介绍：

1）车牌定位研究现状。车牌定位的车牌识别系统的第一步骤，也是后续车牌字符分割和字符识别的基础，如果在这一步骤中车牌区域定位失败，那么后续操作根本无从谈起。

郑贵林和吴黄子桑提出一种基于MSER与边缘投影的车牌定位算法，利用MSER算法分析连通域定位车牌，垂直边缘投影作为补充，保证定位精确度，实验表明该方法具有很好的鲁棒性，准确率高达97%以上^[10]。杨鼎鼎等人提出一种基于车牌背景和字符颜色特征的车牌定位算法，通过设计的颜色模型对车牌粗定位，然后利用改进Canny算子进行竖向边缘检测，解决车牌区域的断裂粘连情况，完成精确定位，该方法在实验中定位简单快速，并且具有很好的通用性^[11]。胡峰松和朱浩提出一种基于HIS颜色空间和行扫描的车牌定位算法，首先对彩色车辆图像按照车牌颜色特征进行颜色分割，经图像预处理后进行行扫描分析纹理特征，确定车牌上下边界，最终通过投影法精确定位车牌位置，该方法能够完成复杂场景下的车牌定位，适用性很强^[12]。

2）车牌字符分割研究现状。车牌字符分割就是将车牌的七个字符从定位后的车牌图像中分离出来，得到每个字符的外界图像。

施隆照和王凯提出一种基于连通域的车牌字符分割算法，通过对预处理后的车牌图像的连通域的高度和间隔特征进行筛选，同时辅以模板匹配法和投影法，解决字符粘连、缺省等问题，该算法能有效分割车牌字符，并且具有较高的鲁棒性^[13]。迟晓君和孟庆春提出一种基于投影特征值的车牌字符分割算法，这种算法能够快速找到字符之间的最优分割点，并且能够去除噪声以及边框等的干扰，分割准确率较高^[14]。

3）车牌字符识别研究现状。车牌字符识别是车牌识别系统的最后一步，分割出来的独立的字符图像经过这一步就能得到最终的识别结果。用于字符识别的方法多种多样，但是基本是由以下这几种衍生改进而来：基于模板匹配的算法、基于人工神经网络（Artificial Neural Networks，ANN）的算法、基于支持向量机（Support Vector Machines，SVM）的算法等等。

模板匹配法，首先需要建立标准模板库，然后将样本与模板库中的每个模板进行比对，相似度最大的模板所对应的内容就是样本的输出结果。邹明明和卢迪提出一种改进的模板匹配算法，解决了相似字符误判率高以及低质量图像字符识别率低的问题，该方法识别速度快，具有很好是识别效果^[15]。陈鑫和闻会明提出一种多模板匹配算法，他们构建了三种类型的模板库，以此进行模板匹配，提高了对笔画粘连、缺失等不完整字符的识别率^[16]。

人工神经网络法，是仿照神经细胞结构开发出一种算法，由许多简单的计算单元连接组成的一个大型处理器，它能够在不断的“学习”中获得处理问题的能力。神经网络算法不但识别分类能力强，而且对噪声不敏感，对质量较差的图像也能达到良好的识别效果。杨建华和王鹏利用基于BP神经网络的算法进行车牌字符识别，识别率能够达到90%以上，而且拥有良好的容错能力^[17]。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：