摘 要

车牌识别技术是指通过拍摄路面上的过往车辆视频，截取图片并从中自动筛选提取车辆牌照图像，对筛选出来的图像进行字符识别，最后输出车牌号码的技术。车牌识别系统的关键是运用合适的车牌识别算法提高车牌识别准确度。传统的车牌识别项目将整个车牌识别流程分为四个模块：车牌定位，车牌分割，字符裁剪和字符识别，因为每个模块被分开设计的，所以算法能够减少总的算法设计的复杂性，进而降低了整个项目的设计复杂度。然而，该方法也有不利的一面，因为模块分开进行的，所以误差的模块之间的累积会导致最终的车牌识别的精度较低。因此，为了解决这个问题，本文将传统车牌识别算法进行了改进，从原来的四个模块减少到了只有两个模块：车牌检测、字符识别。

在车牌检测部分，本文采取了基于边缘检测和OTSU阈值化的车牌定位方法，先用区域像素大小和拟合矩形框的长宽比进行粗筛选，并结合SVM(支持向量机)分类算法对定位出的车牌可能位置进行进一步细筛选。经过实验测试，该项目设计的车牌定位算法具有较高的识别准确性。

在车牌字符识别部分，对比于传统的车牌识别算法，本项目设计的字符算法整合了字符分割和字符识别两个部分，首先采用基于OpenCV的RotatedRect类方法对车牌进行水平娇正，然后利用像素值分析和水平投影的方法对车牌进行字符分割，最后使用SVM对车牌字符进行分区域识别：汉字区域、英文字母区域和数字 英文字母区域。实验结果显示，传统车牌识别算法之所以降低了车牌识别的鲁棒性，是因为其算法的识别准确率对车牌字符分割的准确程度有很重的依赖性。本项目在研究OpenCV技术的基础上，通过训练三个车牌不同区域的SVM模型并将其应用于车牌识别算法中的字符识别模块，实现对车牌字符的分割与识别。通过大量实验得知，本文提出的车牌识别算法在复杂环境下拥有较高的识别准确率，具有一定的现实意义。

关键词：图像处理、车牌定位、字符识别、SVM

Abstract

License plate recognition technology refers to the technology that takes pictures of passing vehicles on the road video, intercepts pictures and extracts license plate images automatically from them, recognizes characters in the screened images, and finally outputs license plate Numbers.The key of license plate recognition system is to use appropriate license plate recognition algorithm to improve the accuracy of license plate recognition.Traditional license plate recognition project divides the whole license plate recognition process into four modules: license plate location, license plate segmentation, character clipping and character recognition. This algorithm can reduce the complexity of the overall algorithm design, because each module is designed separately, which in turn reduces the design complexity of the whole project.However, this method is also disadvantageous, because the modules are carried out separately, so the accumulation of errors between modules tends to lead to a lower accuracy in the final license plate recognition.Therefore, in order to solve this problem, this paper improves the traditional license plate recognition algorithm, from the original four modules to only two modules: license plate location, character recognition.

In the license plate detection section, based on consulting a large number of domestic and foreign data, adopted based on edge detection and OTSU threshold of license plate locating method, with regional pixel size and fitting rectangle first the length-width ratio of coarse screening, and combined with the SVM (support vector machine (SVM) classification algorithm to locate the license plate location for further screening.Through the experimental test, the license plate location algorithm designed by this project has high recognition accuracy.

In license plate character recognition part, compared with the traditional license plate recognition algorithm, and the project design of character algorithm integrates the character segmentation and character recognition of two parts, first of all, based on OpenCV RotatedRect class method of license plate is charming, the level and then use the pixel value analysis and horizontal projection method of license plate character segmentation, finally using the SVM for license plate character recognition areas: Chinese, English letters regional English letters and Numbers.Experimental results show that the traditional license plate recognition algorithm reduces the robustness of license plate recognition because the recognition accuracy of the algorithm is highly dependent on the accuracy of license plate character segmentation.Based on the research of OpenCV technology, this project realizes the segmentation and recognition of license plate characters by training the SVM model of three license plate regions and applying it to the character recognition module in the license plate recognition algorithm.Through a large number of experiments, it is known that the license plate recognition algorithm proposed in this paper has a high recognition accuracy in a complex environment, which has a certain practical significance.

Keywords: image processing, license plate location, character recognition, SVM

目 录

第一章 绪论 6

1.1研究背景与意义 6

1.2研究现状 6

1.2.1国外研究现状 6

1.2.2国内研究现状 6

1.3研究内容 7

1.4文章结构 8

第二章 OpenCV简介 9

2.1 OpenCV介绍 9

2.2计算机视觉介绍 10

2.3 OpenCV结构 10

第三章 相关技术概述 12

3.1国内车牌简介 12

3.2常见的滤波方法 13

3.3 SVM 17

3.3.1 SVM介绍 17

3.3.2关于核 19

3.3.3处理离群点 20

3.3.4 SVM的多分类拓展 20

3.3.5一分类SVM 20

3.3.6支持向量回归 21

3.4 MFC编程简介 21

3.4.1 MFC介绍 21

3.4.2 Windows消息机制 22

3.4.3 Windows编程模型 23

第四章 车牌定位和检测 23

4.1图像预处理 23

4.1.1图像灰度化 23

4.1.2图像滤波 24

4.1.3边缘检测 25

4.1.4 OTSU阈值化 25

4.2区域拟合与筛选 26

矩形拟合 27

4.3 SVM车牌检测分类器 27

4.4实验结果及分析 29

第五章 车牌字符分割和识别 33

5.1图像处理 33

5.1.1水平校正 33

5.1.2二值化 33

5.1.3形态学开操作 34

5.2字符裁剪 34

5.3 SVM字符分类与识别 35

5.4实验结果及分析 35

第六章：MFC项目框架搭建 38

第七章：总结与展望 39

7.1总结 39

7.2展望 39

参考文献 41

致 谢 42

1. 绪论

1.1研究背景与意义

当今的社会是一个高速发展的社会，人们的生活水平显著提高，小型轿车的数量也越来越多了，如何提高车辆的管理效率，缓解道路交通压力，是我们必须思考的一个问题。 车牌作为一种凭证，是汽车的“身份证”，可以唯一地确定其公共车的身份。所以在此基础上，我们可以设计一个车牌识别系统，监控每一辆车。因此，各省市的交通管理部门高度重视汽车牌照的管理，并且建立了一套严格的管理制度。其中，要求汽车牌照的生产，安装和维护要由主管部门来确定。基于此，如果能研制出一种能在各种公众场合通过一张照片就能检测出其车牌号的系统的话,那么这将是一件很有意义的事,并将很大地提高汽车的安全管理水平及效率。

车牌识别技术作为智能交通的一个重要环节，在道路信息监控、停车场管理和高速公路管理等场景中得到了广泛应用。目前正常环境下的车牌识别已经达到了较高的准确率，但在一些环境恶劣的区域（如干散货码头），容易造成车牌污损（如车牌附着污泥，字符断连等情况），此时车牌识别率会受到较大影响，研究污损车牌的识别对干散货码头等环境恶劣场所具有重要意义。

1.2研究现状

1.2.1国外研究现状

在80年代初左右,西方发达国家由于私家车数量增加,出现了车辆管理困难的问题,面对日益增长的人力资源费用，政府交管部门及个别企业做出到借助机器对车辆进行管理的策略,因此很多企业研究部门和部分高校开始着手对研究车牌检测和识别技术。经过多年的发展,目前大部分国外的发达国家的车牌识别系统已经开始商用了,并且在一般场景下,都达到了较高的识别准确率。如：以色列的See-CarSystem、新加坡的VLPRS等。

1.2.2国内研究现状

国内研究现状:在车牌识别领域,国内的研究相对较晚，大概是在20世纪90年代开始。由于中国车牌的特殊性，国外的车牌识别系统并不适合国内使用，也不能用一个简简简单单的技术转移国外的研究成果。其原因是，中国的车牌底色，前景是不同的（蓝色背景，黑色的黄色背景，黑色的白色背景和新近推出的新能源车牌的黑绿色版），以及最重要的是，中国车牌是中国字、英文字母和阿拉伯数字的组合，如果你还要考虑为车型的话，双排车的车牌也不同于单排车的车牌。以上的各种原因就决定研发中国车牌识别系统的难度比国外的车牌识别系统要大很多,所以我们只能在数字和英文字符的识别上借鉴国外的研究方法。由于巨大的市场需求推动,即使国内针对车牌识别的研究稍晚,但发展也还比较快。在这几年的研究中,目前己有较多好的、成熟的车牌识别系统进入商用了,但各个公司的车牌识别系统其有各自的侧重点和优势。

1.3研究内容

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：