License Plate Recognition Technologies
汽車牌照自動辨識技術,是一項利用車輛的動態影像,或靜態圖像,進行牌照號碼、牌照顏色自動辨識的模式辨識技術。
透過對圖像的採集和處理,完成車牌自動辨識功能,能從一幅圖像中,自動提取車牌圖像,自動分割字符,進而對字符進行辨識。
其硬體基礎,一般包括觸發設備(監測車輛是否進入視野)、攝影設備、照明設備、圖像採集設備、辨識車牌號碼的處理機(如電腦)等,其軟體核心包括車牌定位算法、車牌字符分割算法和光學字符辨識算法等。
某些牌照辨識系統,還具有透過影像圖像,判斷車輛駛入視野的功能,稱之為影像車輛檢測。
一、車牌辨識技術流程剖解
車牌辨識作為交通監控的核心技術,應用在多項子系統中,如闖紅燈監測系統、超速監測系統、逆行監測系統、禁行監測系統、公車道監測系統、非機動車道行車監測系統、壓雙黃線監測系統、緊急停車帶行車監測系統、移動式車輛稽查系統等等。
智慧化多媒體網路車牌辨識系統,廣泛應用在過往車輛自動登記、驗證,公路收費,車輛安全核查,社區、停車場管理等方面。
系統採用影像即時觸發方式,進行檢測拍攝,能夠自動偵測、準確辨識及驗證行駛或停泊中,車輛的整車車牌號碼。可對已拍攝圖像與數據庫資料,即時進行比對,當發現應攔截車輛時,系統能在本地機和中心機上即時警報。
系統採用先進的模糊圖像處理技術,透過程序能很好的實現,對於車牌的整體傾斜、車牌的文字傾斜、車牌的污損和模糊等的處理,將人眼都很難辨別的車牌號辨識出來。
車牌辨識的流程,大致可分為車牌定位、車牌預處理、字符分割和字符辨識四個步驟。
二、系統實現功能和技術特點
準確辨識不同地區及各種類型的車牌號碼。
採用圖像自動觸發方式,不需要其他外在觸發機制。
自動完成車輛記數,車流量統計。
對已拍攝圖像能與數據庫資料,即時進行比對,當發現應攔截車輛時,在本地機和中心機即時連上。
內置的數據庫管理軟體,能儲存、搜索及整理車輛資料,能自動備份數據,並完成統計報告。
在網路的環境下,實現各地的數據同步,可即時監控前端系統的運行狀況。
對運動速度在180公里/小時以下的汽車車牌,進行自動辨識。
在良好光照條件下,車牌辨識率不低於96%,在陰雨天、夜間人工光照條件下,車牌辨識率不低於90%。系統能夠辨識的車牌類型包括:普通民用汽車車牌、軍用汽車車牌(含武警車牌)、警用汽車車牌系統能夠辨識車輛類型,繪製出車輛的三維圖像。
抓拍圖像的時間小於0.03秒,辨識圖像的時間小於0.2秒。
系統適應全天候條件下工作。
三、停車場車牌辨識應用
一個完整的牌照辨識系統,應包括車輛檢測、圖像採集、牌照辨識等幾部分。當車輛檢測部分檢測到車輛到達時,觸發圖像採集單元,採集當前的影像圖像。
牌照辨識單元對圖像進行處理,定位出牌照位置,再將牌照中的字符,分割出來進行辨識,然後組成牌照號碼輸出。
(一)車輛檢測
車輛檢測可以採用埋地線圈檢測、紅外線檢測、雷達檢測、影像檢測等多種方式。採用影像檢測可以避免破壞路面、不必附加外部檢測設備、不需矯正觸發位置、節省開支,而且更適合移動式、便攜式應用的要求。
具備影像車輛檢測功能的牌照辨識系統,首先對影像信號中的一幀(場)的信號,進行圖像採集,數位化,得到對應的數位圖像;然後對其進行分析,判斷其中是否有車輛;若認為有車輛通行,則進入到下一步進行牌照辨識;否則繼續採集影像信號,進行處理。
系統進行影像車輛檢測,需要具備很高的處理速度,並採用優秀的算法,在基本不丟幀的情況下,實現圖像採集、處理。
若處理速度慢,則導致丟幀,使系統無法正確檢測到行駛速度較快的車輛,同時也難以保證在有利於辨識的位置,開始辨識處理,影響系統辨識率。因此,將辨識車輛檢測與牌照自動辨識相結合,具備一定的技術難度。
(二)牌照號碼、顏色辨識
為了進行牌照辨識,需要以下幾個基本的步驟:
牌照定位,定位圖片中的牌照位置;
牌照字符分割,把牌照中的字符分割出來;
牌照字符辨識,把分割好的字符進行辨識,最終組成牌照號碼。
牌照辨識過程中,牌照顏色的辨識依據算法不同,可能在上述不同步驟實現,通常與牌照辨識互相配合、互相驗證。
1、牌照定位
自然環境下,汽車圖像背景複雜、光照不均勻,如何在自然背景中準確地確定牌照區域是整個辨識過程的關鍵。
首先對採集到的影像圖像進行大範圍相關搜索,找到符合汽車牌照特徵的若干區域作為候選區,然後對這些侯選區域做進一步分析、評判,最後選定一個最佳的區域作為牌照區域,並將其從圖象中分割出來。
2、牌照字符分割
完成牌照區域的定位後,再將牌照區域分割成單個字符,然後進行辨識。字符分割,一般採用垂直投影法。由於字符在垂直方向上的投影,必然在字符間或字符內的間隙處,取得局部最小值的附近,並且這個位置應滿足牌照的字符書寫格式、字符、尺寸限制和一些其他條件。
利用垂直投影法,對複雜環境下的汽車圖像中的字符分割,有較好的效果。
3、牌照字符辨識
字符辨識方法目前主要有基於模板比對算法,和基於人工神經網路算法。基於模板比對算法,首先將分割後的字符二值化,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。
基於人工神經元網路的算法有兩種:一種是先對待辨識字符,進行特徵提取,然後用所獲得特徵,來訓練神經網路分配器;另一種方法是直接把待處理圖像輸入網路,由網路自動實現特徵提取,直至辨識出結果。
實際應用中,牌照辨識系統的辨識率,與牌照品質和拍攝品質密切相關。牌照品質會受到各種因素的影響,如生鏽、污損、油漆剝落、字體褪色、牌照被遮擋、牌照傾斜、高亮反光、多牌照、假牌照等等;實際拍攝過程也會受到環境亮度、拍攝亮度、車輛速度等等因素的影響。
這些影響因素不同程度上降低了牌照辨識的辨識率,也正是牌照辨識系統的困難和挑戰所在。為了提高辨識率,除了不斷的完善辨識算法,還應該想辦法克服各種光照條件,使採集到的圖像最利於辨識。