论文总字数：22357字

摘 要

随着社会发展及科技进步，智能视频识别系统得到广泛应用。智能停车场系统是视频识别方向比较成熟的应用，其中车牌识别是智能停车场系统中不可或缺的功能模块，与智能楼宇系统关系密切。因此，深入了解该系统的实现过程是一件很有意义的工作。本课题基于OpenCV和C 开发实用化的车牌识别系统。该系统大体上分为两个部分：车牌图像的定位、车牌字符的切割与识别。

本课题在车牌图像的预处理上采用了高斯模糊平滑处理、灰度化、sobel算子边缘检测、二值化等步骤，之后通过纵横比尺寸判断、角度判断和SVM模型成功定位车牌区域。最后通过以上步骤筛选出车牌区域的矩形后进行字符切割与识别。字符的识别采用字符模板匹配，可以通过扩充字符库的方式进行训练从而提高准确度。本系统可以较为准确地完成固定摄像头的车牌识别。

关键词：图像识别 OpenCV 边缘检测 字符分割

Automatic License Plate Recognition System Based on OpenCV

Abstract

With the development of society and the advancement of science and technology, intelligent video recognition systems are widely used. The intelligent parking system is a mature application of video recognition. The license plate recognition is an indispensable function module in the intelligent parking system, and it is closely related to the intelligent building system. Therefore, a deep understanding of the implementation process of the system is a very meaningful work. This paper is based on OpenCV and C to develop a practical license plate recognition system. The system is roughly divided into two parts: positioning of license plate images, cutting and identification of license plate characters.

In this paper, Gaussian blur smoothing, grayscale, sobel operator edge detection and binarization are used in the preprocessing of license plate image. Then, the license plate area is successfully located by size judgment, angle judgment and SVM model. Finally, through the above steps, the rectangle of the license plate area is screened for character cutting and recognition. Character recognition uses character template matching, which can be enhanced by expanding the character library to improve accuracy. The system can accurately complete the license plate recognition of the fixed cameras.

Key words: Image Identification; OpenCV; Edge detection; Character segmentation

目录

摘要 II

Abstract III

第一章 绪论 1

1.1 课题背景 1

1.2 车牌识别的研究现状（补充） 2

1.3 本课题所做工作 3

第二章 系统概述 4

第三章 车牌的预处理和定位 7

3.1图像预处理 7

3.1.1读取图像文件和剪切边缘 7

3.1.2高斯模糊平滑处理 9

3.1.3 灰度化 10

3.1.4基于Sobel算子的边缘检测 12

3.1.5二值化 14

3.1.6形态学处理 15

3.2 车牌定位 18

3.2.1利用纵横比进行判断 18

3.2.2利用角度进行判断 20

3.2.3利用SVM模型进行判断 23

第四章 字符的分割与识别 25

4.1 车牌的颜色识别 25

4.2 去除铆钉 25

4.3 字符分割 26

4.4 字符识别 28

第五章 实验分析 31

5.1 软件介绍 31

5.2 实验结果 31

第六章 论文总结 34

6.1 论文总结 34

6.2 课题不足 34

参考文献 35

附录 37

致谢 37

第一章 绪论

1.1 课题背景

车牌识别系统(Vehicle License Plate Recognition，VLPR)是指能够检测到受监控路面的车辆并自动提取车辆牌照信息进行处理的技术^[1]。该系统对拍摄的车辆图像和视频进行处理与识别，应用了大量图像识别的基础技术，从而最终识别得到每个车辆唯一对应的车牌号码。

随着经济发展，由于私家车的数量逐渐增加，传统的车辆管理手段逐渐变得不适应当下的现状，为了更好管理数量庞大的车辆，车牌识别系统在停车场管理、高速公路监控管理和城市道路安全监控等领域被应用。随着交通监控的普及，车牌识别系统逐渐成为智能道路系统中不可或缺的一部分，快速检测众多监控视频中的车辆目标并提取车牌，可以提高工作效率并节约相关部门的人力成本。

一个典型的车牌识别系统可分为以下模块：预处理（包括图像增强和恢复）、车牌区域提取、车牌区域阈值处理、字符分割、字符识别和处理（有效性检查）。前两个模块仅涉及车牌的形状和前/后地面颜色，而与车牌中的字符集无关，是系统的前端，模块4和5则与之相反，与车牌上的字符集有关，而与车牌的形状和前/后底色无关，因此它们是系统的后端^[2]。模块3要考虑车牌的形状和前/后底色以及车牌上的字符集，因此很难将它归类到哪一端。车牌矩形区域的准确稳定识别对于开发车牌的自动识别系统是至关重要的。为了达成这一需求，霍夫变换和形态学运算等技术被应用与该类系统的图像处理中。基于边缘的方法通常简单快速。然而它对不必要边缘过于敏感，这些边缘可能恰好出现在汽车的前部，因此该方法不能单独使用。使用灰度值效果更佳，但如果图像具有许多与车牌区域相似的灰度值部分，例如散热器区域，则仍然难以识别汽车图像。众所周知，形态学处理噪点信号的效果很强，但由于其运行缓慢，很少在实时系统中使用。因此近年来多采用彩色图像处理技术来克服这些缺点。首先通过直方图找到所有车牌区域候选。之后通过将每个对象的WHR（宽度与高度比）、前景和背景颜色与当前车牌标准进行对比。

OpenCV全称是Open source Computer Vision Library，是一个开源的跨平台计算机视觉库，主要用于各种图像和视频处理操作，可以运行在Linux、Windows、Android和Mac OS操作系统上^[3]。OpenCV是一个C 库，但依旧保留了很多其他语音的接口。库中所有代

请支付后下载全文，论文总字数：22357字