服務熱線:
0531-82708376
聯係方式
濟南齐发娱乐智能科技有限公司

聯係人:鄒經理

電話:0531-82708376

手機:15665828210

地址:山東省濟南市天橋區北太平河路5號

網址:www.belviewtech.com

新聞動態首頁 > 新聞動態> 內容
[市場]停車場車牌自動識別技術
編輯:濟南齐发娱乐智能科技   時間:2016-07-26


  its(intelligent transportation system)是一項以信息通信技術將人、車、路三者緊密協調、和諧統一,而建立起的大範圍內、全方位發揮作用的實時、準確、高效的運輸管理係統,該係統在有效利用現有交通設施、減少交通負荷和環境汙染、保證交通安全、提高運輸效率、促進社會經濟發展、提高人民生活質量,推動社會信息化及形成新產業等方麵具有極其重要的作用,從而受到世界各國的重視,目前已形成世界交通二十一世紀的發展方向。
   作為核心技術之一,車輛牌照識別(license plate recognition,lpr)技術是公安執法係統、高速公路自動收費係統、城市道路監控係統、智能停車場管理係統等諸多its相關應用係統的重要一環,可以大大簡化人的勞動,消除人為幹擾,減少乃至杜絕出錯的可能。相對於射頻信號識別和條形碼識別技術,有兩大優點:
  (1)不需要在汽車上安裝專門的條形碼或射頻識別標識;
  (2)lpr係統本身是基於視頻技術的識別係統,可方便地進行圖像回放、檢索。
  車牌自動識別係統主要包括圖像采集、圖像處理、牌照切分、字符識別、近端或遠端數據庫、網絡支持等工作模塊。
   通過視頻采集卡與計算機相連
  車牌識別技術的用途
  城市交通:交通路口流量統計
  智能交通違章監攝管理(電子警察)
  高速公路:自動收費,自動車輛登記,違章記錄
  公安係統:肇事/失竊/犯罪車輛監測
  軍事要塞、機關、賓館:車輛自動化管理
  停車場及居民小區:進出車輛管理,自動計費;
  關鍵:
  第二部分:車輛牌照定位與分割
  即從包含整個車輛的圖像中找到牌照區域的位置,決定其後的車牌字符識別。
  第三部分:車牌字符識別
  車牌圖像的特點
  我國現有車輛牌照:4類——藍底白字、黃底黑字、黑底白字和白底黑字。
  車輛牌照特征:
  (1)一個省份漢字(軍警牌則為其他漢字)後跟字母或阿拉伯數字組成的7個字序列。標準車牌的具體排列格式是:x1x2.x3x4x5x6x7,
  (2)車輛牌照區域牌底與牌字顏色對比大,邊緣非常豐富
  (3)在某相對固定的牌照位置拍得的圖像上車輛牌照子圖像區域高度和長度一定,且昌鎬比例一定。車牌原始尺寸:字寬45mm,字高90mm,間隔符寬10mm,每個單元間隔12mm。
   利普諾車牌定位技術綜述
  出發點:通過車牌區域的特征來判斷牌照。
  車牌主要特征:
  (1) 車牌區域內的邊緣灰度直方圖統計“特征”。——具有兩個明顯且分離的分布中心。
  (2) 車牌的幾何特征,即車輛的寬、高比例在一定範圍內。
  (3) 車牌區域的灰度分布特征,穿過車牌的水平直線其灰度呈現連續的峰、穀、峰的分布。
  (4) 車牌區域水平或垂直投影特征。車牌區域水平或垂直投影呈現連續的峰、穀、峰的分布。
  (5) 車牌形狀特征和字符排列格式特征。車牌有矩形邊框,字符位於矩形框中且有間隔。
  (6) 頻譜特征,即對圖形作行或列的dft變換。其頻譜圖中包含了車牌的位置信息。
   車牌定位係統
   一個車牌定位係統通常包括圖像預處理、車牌區域搜索、車牌定位與分割等部分。
  車牌圖像定位的難點
  (1) 抓拍圖像受環境因素幹擾(環境光照不均勻等),照片質量很難保證。
  (2) 其它字符區域幹擾,難以準確定位。
  (3) 車牌出現汙點,變髒,筆跡模糊,褪色等。
  (4) 車牌被部分遮擋。
  (5) 運動圖像的模糊失真,形成鋸齒等。
   利普諾科技車牌檢測與定位方法要點
  1. 灰度化:將24位真彩色圖像轉換成灰度圖,以便與後續處理的統一和快速。
  2. 灰度拉伸:成像時光照不足或過強,圖像偏暗或偏亮,經處理後使圖像邊緣清晰,牌照區域筆劃特征跟明顯。
  3. 邊緣檢測:車牌子區域邊緣豐富。
  4. 模板匹配:在有著複雜背景的圖像中找車牌
   利普諾科技車牌定位的實現方法
  1. 直接法:直接分析圖像的特征
  2. 神經網絡法:
  首先利用神經網絡對圖像中一個個小窗口進行分類,然後對分類結果進行綜合,從而得到牌照的準確定位。
  3. 基於矢量量化的牌照定位方法:
  在對牌照定位的同時進行了圖像的壓縮;
  對圖像的處理不是以像素為單位,而是以塊為單位,提高了處理速度;
  容易識別圖像中沒有牌照的情況。
   車牌字符的識別
  與通用的ocr識別方法類似。
  主要算法:
  1.基於模板匹配的ocr算法
  首先對待識別字符進行二值化並將其尺寸大小縮放為字符數據庫中模板的大小,然後與所有的模板進行匹配,最後選最佳匹配作為結果。改進:基於關鍵點的模板匹配算法。
  5種簡單識別器:簡單模板匹配;外圍輪廓匹配;改進穿線法;基於 hausdorff距離的模板匹配;簡單分類器。
  2.基於人工神經網絡的ocr算法
   車牌字符識別實現要點
   1. 預處理:
  (1) 二值化:(彩色分割方法)
  難點:閾值選擇和牌照類型多樣(要統一)
  方法:全局閾值(ostu等)和局部閾值
  (2) 傾斜度校正:hough變換檢測直線傾角。
  (3) 字符分割與大小歸一化:統計分析方法
  2. 字符識別(ocr)
  通用的匹配識別方法,小波變換,分形等
   車牌字符識別的難點
  牌照由漢字、字母和數字組成,漢字的筆畫繁多,圖像要具有更高的分辨力,係統要具有很高的采集和處理速度,要達到實時處理。這要求采用的算法簡潔、實用、有較高

返回