摘 要

随着汽车工业的飞速发展，我国汽车保有量呈现快速增长的趋势，与此同时车辆管理的问题也日益突出。智能交通系统ITS（Intelligent Transportation System）是城市交通管理的最新成果，它利用前沿的科学技术，能有效地提高交通运输效率、保障运输安全等。交通车牌是车辆的重要标识，高效准确地识别车牌是构建智能交通系统的关键。在此基础上的车牌识别系统LPR（License Plate Recognition）是ITS的核心技术之一，它主要包括车辆图像采集、图像预处理、车牌定位、字符分割与识别四个部分。

本文在分析国内外车牌识别方法的基础之上，对车牌识的核心部分进行研究，针对高速公路车牌识别领域，设计了一个基于LabVIEW的车牌识别算法。本文采用高速公路车牌集作为采集图像，并传输给计算机软件进行后续处理。本文还通过训练特有的模板字符库以便更好地适应本系统所采用的车牌集，从而提高字符匹配速度和识别正确率。利用该系统能完成高速公路应急预警、超速抓拍和抓捕违法犯罪份子等工作，对保障城市安全、促进城市交通运输管理高效化具有积极作用。

关键词：LabVIEW 车牌识别 多模板色彩阈值处理 光学字符识别 模板匹配法

ABSTRACT

With the rapid development of the automobile industry, the number of vehicle ownership in China is rapidly growing. At the same time, the problem of vehicle management has become increasingly prominent. ITS (Intelligent Transportation System) is the latest achievement of urban traffic management. It utilizes advanced technology to effectively improve transportation’s efficiency and ensure transportation’s safety. The traffic license plate is an important identification of the vehicle. Identifying the license plate efficiently and accurately is the key to building an intelligent transportation system. LPR (License Plate Recognition) is one of the core technologies of ITS. It mainly includes four parts: vehicle image acquisition, image preprocessing, license plate positioning, character segmentation and recognition.

Based on the analysis of the license plate recognition methods at home and abroad, this paper will discuss the core parts of license plate recognition and a license plate recognition based on LabVIEW will be designed for the field of expressway. The system uses high-speed pictures and transmit them to computer software for subsequent processing. This article also trains a unique template character library to adapt to the license plate set of this system better, thereby improving the character matching speed and the recognition accuracy rate. The system can be used to warning highway emergency, capturing the speeding vehicles, and arresting criminals. It has a positive effect on ensuring urban security and promoting efficient urban traffic management.

Keywords: LabVIEW； NI Vision Assistant；License Plate Recognition；Multi-template Color Threshold Processing；Optical Character Recognition； Template Matching Method

目录

摘要 I

ABSTRACT II

第1章 绪论 1

1.1 课题研究的背景及意义 1

1.2 车牌识别系统研究现状 1

1.3 本文主要内容 2

第2章 车牌识别系统结构设计 3

2.1 软件的选择 3

2.1.1 NI LabVIEW 2016 3

2.1.2 NI Vision Assistant 4

第3章 图像处理 5

3.1 图像采集 5

3.2 图像大小归一化 6

3.3 色彩阈值处理 7

3.4 凸包处理 10

3.5 中值处理 11

3.6 粒子过滤 12

第4章 车牌定位 13

4.1 国内车牌的特点 13

4.2 二值图运算处理 14

4.3 车牌形状匹配 16

4.4 车牌区域提取 17

第5章 车牌字符分割与识别 18

5.1 车牌图像预处理 18

5.2 字符分割 19

5.3 字符识别 20

5.4 车牌识别记录模块 21

第6章 总结及展望 23

6.1 研究总结 23

6.2 研究展望 25

参考文献 26

附录

绪论

1.1 课题研究的背景及意义

近年来，汽车革命已悄然发生在我们身旁——电动汽车日益普及、无人驾驶技术也在紧锣密鼓的测试中，可以预见在不久的将来，汽车会如同手机一样更加普及。但是凡事都有两面性，汽车在给人们生活增添便利的同时，也由此引发了许多问题——过多的车辆导致城市道路拥堵，增加人们出行的时间成本；汽车的超速超载等违规行为已造成许多惨剧；车辆的违停乱放变相加剧城市管理负担。因此，智能交通系统的建设势在必行。

要想在智能交通系统上取得进步，首先要解决的基本问题就是车辆身份的识别。停车场泊车、封闭小区车辆进出管理、高速路闸口收费等，都需要用到车辆的身份信息。就当下的汽车管理体系而言，车牌可以算是车辆最鲜明的身份信息。因此，能否准确高效地识别车牌是构建智能交通系统的关键^[1]。长远地看，还可以将车牌识别系统和天网系统相结合，以便更好地监控和处罚违章车辆，甚至在打击不法犯罪分子，保障社会治安，构建和谐社会方面都有着重要意义。

1.2 车牌识别系统研究现状

在20世纪90年代，A.S.Johnson等人提出基于图像分割(Image Segment)、特征提取(Feature Extraction)和模板构造(Template Formation)、字符识别(CharacterRecognition)三个部分的车辆牌照自动识别系统，率先完成车牌识别的自动化^[2]。R.A.Lotufo使用光学字符识别技术OCR(Optical Character Recognition Technology)首次在二值化图像中查找车牌。Eunryung等人则利用颜色空间的HLS模型为基础的识别算法进行车牌识别。这个时期的车牌识别系统已经初具雏形，但是受限于当时的技术，系统的自动化程度和识别率并不能令人满意。

伴随着人类社会步入信息时代，计算机科学和人工智能技术飞速发展，设计基于计算机视觉的车牌识别系已经成为学者和机构研究的焦点。

目前，我国车牌与国外车牌存在着一些较为明显的差异：我国车牌的样式繁多，黄底、蓝底、绿底等各色车牌同时存在，而国外车牌样式较为单一；我国车牌中包含汉字，国外车牌大多为英文字母和阿拉伯数字的组合，对汉字的识别无形中增加了车牌识别的难度，这也是我国车牌识别的难点。

如今，国外车牌识别投入商用的产品已经能达到很高的实际应用水平，但是由于其不支持汉字的识别，因此无法在国内使用。我国在车牌识别系统方面的研究虽然起步较晚，但是经过这些年的努力和不断发展，我国已在车牌识别领域超越了许多国家，而且车牌识别成功率屡创新高，在车牌识别领域拥有相当高的话语权。直至目前，国内车牌识别领域著名品牌有火眼、文通、安快、易泊等。其中北京易泊公司的车牌识别仪对字母和数字的识别率高达99.7%，对汉字的识别率可达99%^[3]；即将通车的港珠澳大桥采用的车牌识别系统可以做到最快0.3秒识别车牌，真正实现不停车收费。

1.3 本文主要内容

在对国内外有关车牌识别的文献做了深入研究之后，本文诣在使用LabVIEW软件的基础上应用计算机视觉等技术，设计一个基于高速公路的车牌识别系统。车牌识别系统一般由图像采集、图像预处理、车牌定位、字符分割和识别四个部分组成，本文也将详细阐述对这四个部分的研究成果。其中为了提高在不同天气环境下的定位成功率以及对不同类型车牌的兼容性，本文在车牌定位方面采用基于颜色空间的多模板定位方法，在车牌字符识别方面，建立了适用于本文所用高速路车牌集的字符模板库。经测试结果表明，以上的方法对车牌定位准确率和车牌识别成功率的提升有一定的帮助。

本文共分为六章，具体如下：

第一章主要阐述城市智能交通系统的提出背景以及车牌识别技术的重要意义，并对国内外车牌识别技术的研究现状和存在问题进行探讨。

第二章主要对整个车辆牌照识别系统的原理做了概述，其中分为硬件部分和软件部分。软件部分涉及的图像处理算法是车牌识别系统的核心，决定车牌识别成功率的高低，也是本文重点探讨的内容。

第三章是本文的重点章节，主要介绍车牌识别系统对图像的采集和处理。图像采集用特定的车牌集代替，图像处理对后续的车牌定位以及车牌识别至关重要。本文对图像的预处理包含大小归一化处理、色彩阈值处理、高级形态学处理和基础形态学处理等。

第四章主要介绍国内车牌的颜色特征和形状特征，以及如何运用这些特征来完成车牌定位。本章使用图像运算函数，对上章中的多幅二值图进行合成，之后用形状匹配函数完成车牌定位。

第五章主要介绍车牌字符分割与字符识别。在对提取的车牌图片进行灰度处理后，利用NI Vision Assistant自带的光学字符识别OCR(Optical Character Recognition)函数对车牌图像进行字符分割与识别。其中针对本文所使用的高速公路车牌集，构建特有的字符模板库，使用模板匹配的方法进行字符识别。

第六章对本文所设计的车牌识别系统进行总结，并提出该系统仍需要改进的地方。

车牌识别系统结构设计

车牌识别系统由硬件部分和软件部分构成，车牌识别系统的结构原理图如图2.1所示。

由于本文设计的基于LabVIEW的车牌识别是面向高速领域，利用高速公路车牌集作为采集图像，因此触发装置，高速摄像头，补光灯及上位机（计算机）等硬件装置的选择不在此详述。软件部分采用的是美国国家仪器公司（National Instruments）的LabVIEW 2016和Vision Assistant。LabVIEW图像处理程序又包含图像预处理、车牌定位、字符分割和字符识别等模块^[4]。就车牌识别系统而言，研究的重点难点在于识别算法设计上，因此本文的后续章节主要介绍作者在程序算法设计上的研究成果。

图2.1 车辆牌照识别系统结构原理图

2.1 软件的选择

2.1.1 NI LabVIEW 2016

车辆牌照识别系统的编写使用LabVIEW软件，之所以选用LabVIEW是基于两个原因：一是本课题要求设计LabVIEW编程；二是LabVIEW与Vision Assistant能很好的互通；三是LabVIEW的图形化编程直观高效，对于未曾接触过图像处理的本文作者是最好的选择。

LabVIEW软件具有以下特点和优势：

(1) 编程简单，易学易上手。图形化的程序语言，又称为 “G” 语言。该语言用可视化的图形编程代替代码编程，读懂程序框图和流程图即可看懂程序。

(2) 编程效率高，支持平台广泛。LabVIEW已经集成大量的函数库和子VI，调用这些内置的库和VI可以帮助程序员高效地完成程序的编写，缩短软件的开发时间。

(3) 可拓展性高。LabVIEW可以调用MATLAB、VC等语言编写的程序，进一步拓展了它的应用范围。

(4) 支持图像处理。LabVIEW与Vision Assistant同为NI公司的产品，两者之间的程序能相互调用，在完成图像处理方面的工作时相当方便。

2.1.2 NI Vision Assistant

NI Vision Assistant（视觉助手）是VISION开发包里附带的程序，能够提供给开发者不需要编程就能将LabVIEW应用快速成型的环境。与其他视觉开发产品不同，NI Vision Assistant可自动生成LabVIEW程序框图，这样可以在使用LabVIEW开发图像处理软件时提供便利。

Vision Assistant具有以下特点优势：

(1) 光学字符识别（OCR）函数。Vision Assistant中包含OCR函数，该函数可以把印刷体字符转换为黑白点阵的数字图像，并通过模板匹配的方法识别图形转换成文本格式。该函数时本文所设计的车牌识别系统字符识别的核心，在后文中会重点叙述。

(2) 多种制式的图像分析处理。Vision Assistant能对灰度、彩色和二值图像进行分析处理，广泛支持BMP、JGP、GIF等图像格式。

(3) 能自动生成vi子程序。Vision Assistant强大之处在于其对LabVIEW的支持，导出的程序参数可设置，方便后续的调试。

图像处理

在对采集的车牌图像进行车牌定位和字符分割与识别之前，需要对采集的图像做预处理操作。由于采集的图像包含各类信息，而我们仅仅需要车牌这一个信息，因此使用预处理操作的作用是减少图像的信息量，突出有用区域、增强信噪比以便于对图像进行后续处理。数字图像的预处理通常分为：图像灰度化、图像二值化、形态学处理、数字滤波等，在对不同环境下采集的车牌图像进行实际处理时，可依据使用环境增减或调整处理步骤^[5]。本系统所采用的图像预处理方式包含图像大小归一化、图像二值化、形态学处理、中值滤波和粒子滤波。本文利用NI Vision Assistant对采集的图像做预处理，图像预处理程序如图3.1和3.2所示。

图3.1 NI Vision Assistant 图像处理程序

图3.2 NI Vision Assistant 图像处理程序（续）

3.1 图像采集

本文采用中山大学智能交通研究中心OPENITS计划的车牌集模拟高速公路所采集的图像，因此略去图像采集部分的硬件搭设。但考虑到实际系统采集图像的需要，在此特别编写图像采集程序并对其进行调试。由于设备限制，在此使用计算机自带摄像头模拟高速摄像机。总体调试过程顺利，摄像头能成功打开并拍摄照片，试验结果表明该图像采集程序能控制摄像机对车辆进行拍摄，满足图像采集的基本要求。图像采集程序所用函数见表3.1，程序框图如图3.3所示。

表3.1 图像采集程序说明

图3.3 图像采集程序框图

3.2 图像大小归一化

由于不同的图像采集设备分辨率不同，而且受计算机机能的限制，所以图像预处理的第一步是将采集的图像进行大小归一化处理。

高速摄像机采集的图像像素较高，过高图像质量会造成后续图像处理过程较为缓慢，难以满足车牌识别的实时性要求。因此图像大小归一化好处是能压缩采集图像的大小，使得计算机程序处理时间缩短，以满足车牌识别系统实时性的要求。考虑到所用计算机的机能以及原图像的大小及比例，设置原图像经大小归一化后为1600*1200像素的图像，既满足系统实时性要求，提取出的车牌图像也足够清晰能够较好地进行字符识别。图像大小归一化程序使用的主要控件见表3.2，程序框图如图3.4所示。

表3.2 图像大小归一化程序说明

图3.4 图像大小归一化程序框图

3.3 色彩阈值处理

由于高速相机捕捉到的彩色图像包含大量的颜色信息，而这些信息对于车牌识别系统几乎没有用处。如果对彩色图像直接进行后续处理会占用较大的计算机内存，因此本节主要介绍对彩色图像进行色彩阈值处理^[6]。

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：