车牌识别系统(License Plate Recognition System,LPRS)是对受控路面的车辆进行检测并提取代表车辆唯一“身份”标识的车牌信息系统,它是组成现代化智能交通系统不可或缺的部分之一,并且以数字图像处理,计算机视觉与模式识别等技术为基础,广泛应用于道路治安卡口、交通调查、电子警察不停车收费(ETC)以及封闭区域车辆惯例(机关、厂矿、小区、停车场)等。由于该项技术可使智能交通系统得到长足的发展,因此为了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,所以对车牌识别系统的深入研究可实现理论和经济的双重价值。车牌识别系统一般由车牌定位、字符分割、字符识别三部分组成。本文分别针对这三个组成部分进行研究,在关键环节提出改进算法,并对其进行了实验,达到了预期的效果,进一步完成了车牌识别系统的开发。本文的主要工作如下:1.车牌定位算法研究。在现有车牌定位算法的基础上,本文针对各种复杂因素影响下导致的定位难问题,提出了一种结合车牌颜色特征、灰度特征、几何形状特征的通用车牌定位算法。该算法在HSV色彩空间下利用车牌颜色进行初步定位,再用改进Sobel边缘检测算子二次定位,实现了在多个方向上的车牌纹理特征提取;然后采用最大类间方差法(OTSU)进行阈值化;最后运用数学形态学结合车牌特征从二值化图像中剔除伪车牌并筛选出符合条件的车牌。2.车牌字符分割算法研究。借鉴投影法和横向采样线两种车牌字符分割方法,对投影分析与穿线法的不稳定性进行改进,提出基于垂直投影和模板匹配的字符分割方法。该方法需要对定位阶段的候选车牌进行阈值化,并运用直线拟合法对存在倾斜的车牌进行矫正,去除矫正后的车牌区域边框,最后对车牌字符进行分割,以获得车牌字符。实验结果表明在复杂环境下,该方法具有较好的适应性和鲁棒性。3.车牌字符识别算法研究。在整个车牌识别系统中,字符识别是最后环节,也是能够体现整个系统成败的关键。传统的统计模式识别都是经验风险最小化,其缺点在于样本数不够大的时候将无法保证识别效果,再加上车牌字符的样本数量有限,故采用传统方法达不到预期的效果,而支持向量机针对小样本学习而提出的,可以很好地处理该问题,其目标识无论样本量多少,都可以得到最优解。因此,本文在详细研究支持向量机模型的基础上,并综合分析各种识别方法的优劣之后,最终采用基于SVM多分类器的车牌识别方法。4.车牌识别系统的实现。在VS2013平台下,结合Open CV,将本文在各个环节中所改进的算法运用到系统中。经过测试,应用改进算法的系统,其车牌识别效果要更能满足用户的需求,具有一定的应用价值。