论文部分内容阅读
进入21世纪,社会现代化不断深入发展,世界各国汽车保有量不断增长,智能交通系统(Intelligent Transportation System,ITS)逐渐成为解决城市交通管理难题的关键一步,车牌识别(License Plate Recognition,LPR)技术是ITS的重要研究领域,车牌识别系统可以对车辆信息进行有效登记和管理,广泛应用于超速行驶、违章抓拍、城市交通监测、车辆旅行时间统计等道路交通管理中;在小区、学校、医院、停车场等安防监控领域,车牌识别也得到了大量应用。本文对近年来车牌识别研究的主要算法和相关理论进行了较为全面的了解,系统地分析了车牌识别技术的难点。对车牌识别技术中的关键算法:车牌检测、字符分割和字符识别等模块进行深入的研究。在硬件上也进行了相应地改进,并完成了PC端车牌识别系统的优化升级。本文主要工作如下:(1)在车牌定位方面,提出了一种以AdaBoost级联分类器为基础,结合最大稳定极值区域(Maximally Stable Extrernal Regions,MSER)算法的定位算法,通过有序地分步处理实现车牌的精确定位,该方法有效克服了光照、倾斜、外界字符干扰等不利因素,去伪效果显著。实验收集了不同地点、光照、天气等条件下采集的6816张含车牌的样本数据进行离线测试,准确定位出6784张车牌,车牌定位模块的平均准确率提高到99.53%。(2)在车牌字符分割方面,首先进行主要包括倾斜矫正和反色变换在内的车牌字符分割预处理,并提出了一种基于MSER车牌字符检测的水平矫正方法。实验结果表明在车牌倾斜角度较大,图像质量不佳时,提出方法比基于Hough变换方法的倾斜角度检出效果较好,对6784张不同程度倾斜的车牌进行矫正实验,提出方法的矫正准确率达到99.75%。经过分割预处理,在滑动模板初分割的基础上,结合自适应投影的字符边界调整进行车牌字符精确分割。综合车牌字符分割模块的实验,包含预处理在内准确率达到了97.32%。(3)在字符识别方面,选取方向梯度直方图(Histogram of Oriented Gradient,HOG)特征作为车牌字符的提取特征,选择支持向量机(Support Vector Machine,SVM)进行字符识别,对不同特征训练得到的分类器进行实验对比;统计误识别的车牌字符,发现HOG特征相比局部二值模式(Local Binary Pattern,LBP)特征能够更有效地提取车牌字符的边缘形状特征;最终确定选择字符特征为HOG特征。再通过对车牌字符库以及特征参数进行优化扩充,进一步提高了字符识别的准确率。(4)在整体系统设计方面,实现了基于QT平台搭配工业相机与自动触发装置的车牌识别系统的搭建。通过QT平台设计了一个良好的用户交互界面,结合工业相机与红外触发装置,实现了一套基于卡口的车牌识别系统的整体设计,对离线图片和实时视频捕获的车辆均可以实现车牌识别的完整流程。在实际场景中应用实测,对实时捕获到的2500张车牌进行车牌识别,其中识别正确2406张车牌,系统综合识别准确率相较原系统提升到了96.25%。