关键词：图像预处理 车牌定位 竖向纹理 字符分割 字符识别
基于VC++的车牌识别系统研究与开发
 
摘 要：车辆牌照识别（LPR）系统是一个专用的计算机视觉系统，它能够自动地摄取车辆图像和识别车牌号码，可应用在公路自动收费、停车场管理、失窃车辆侦察、门卫系统、智能交通系统等不同场合。LPR系统的广泛应用将有助于加快我国交通管理自动化的进程。
本文对车牌识别系统中的图像预处理、车牌定位、字符分割和字符识别等环节涉及到的技术、算法以及系统整体设计作了全面的论述，并与已有方案进行了比较，对部分关键算法进行了设计和改进。
图像预处理：采用灰度变换、对比度增强、图像平滑、边缘检测、二值化等方法对图像进行了处理，提高了图像的质量，强化了图像区域。
车牌定位：这是车牌识别系统中至关重要的一步，本文采取了基于边缘点图，根据车牌区域的竖向纹理特征对车牌进行定位，具有较高的车牌定位准确率。
字符分割：首先对得到的车牌进行倾斜度调整，然后利用连通域法分割得到单独的字符，并对字符进行了归一化处理，便于下一步字符识别。
字符识别：选取了13个特征点，采用模板匹配的方法，对汉字、字母、数字字符进行快速识别，取得了较高的识别率和可靠性。
用采集到的40多幅汽车图片作为实验样本数据，用纯软件的方法实现了车牌字符的自动识别，达到了较高的识别率。
 
关键词：图像预处理 车牌定位 竖向纹理 字符分割 字符识别
1 引言
1.1 课题的研究背景与意义
1.1.1 课题的研究背景
20世纪80年代以来，随着我国国民经济的迅速发展，机动车辆规模及流量大幅度增加，全国机动车量年均增长15%以上，城市通路里程年均增长7.9%，高速公路和城市交通管理现代化水平的提高势在必行，迫切需要采用高科技手段来充实和加强交通管理水平。
智能交通管理系统（Intelligent Transport Systems, ITS）是21世纪道路交通管理的发展趋势，高速公路的不断发展和车辆管理体制的不断完善，为智能交通管理系统进入实际应用领域提供了契机。在整个智能交通管理系统中，车牌识别（License Plate Recognition, LPR）系统是实现交通管理智能化的重要环节，车牌识别系统的应用可有效解决在高速公路收费、超速车辆布控、城市卡口、停车场管理和社区管理中的问题，其具体应用可概括为：
(1)      交通监控 利用车牌识别系统的摄像设备，可以直接监视相应路段的交通状况，获得车辆密度、队长、排队规模等交通信息，防范和观察交通事故。它还可以同雷达测速器或其他的检测器配合使用，以检测违犯限速值的车辆。当发现车辆超速时，摄像机获取该车的图像，并得到该车的牌照号码，然后给该车超速的警告信号。
(2)      交通流控制指标参量的测量 为达到交通流控制的目标，一些交通流指标的测量相当重要。该系统能够测量和统计很多交通流指标参数，如总的服务流率，总行程时间，总的流入量流出量，车型及车流组成，日车流量，小时/分钟车流量，车流高峰时间段，平均车速，车辆密度等。这也为交通诱导系统提供必要的交通流信息。
(3)      高速公路上的事故自动测报 这是由于该系统能够监视道路情况和测量交通流量指标，能及时发现超速、堵车、排队、事故等交通异常现象。
(4)      对养路费交纳、安全检查、运营管理实行不停车检查 根据识别出的车牌号码从数据库中调出该车档案材料，可发现没及时交纳养路费的车辆。另外，该系统还可发现无车牌的车辆。若同车型检测器联用，可迅速发现所挂车牌与车型不符的车辆。
(5)      车辆定位 由于能自动识别车牌号码，因而极易发现被盗车辆，以及定位出车辆在道路上的行驶位置。这为防范、发现和追踪涉及车辆的犯罪，保护重要车辆(如运钞车)的安全有重大作用，从而对城市治安及交通安全有重要的保障作用。
1.3 车牌识别研究的技术特点
车牌识别主要分为两大关键技术：一是车牌的定位；二是车牌字符的识别。
(1)    车牌定位研究
车牌定位的研究国外起步比较早，上个世纪90年代以来，我国也开始对车牌定位进行深入的研究，并取得了一定的成效。比较好的定位算法有基于车牌文字变化特点的自动扫描识别算法；基于特征的车辆牌照定位算法；基于变换函数提取车牌的算法；基于视觉的车辆牌照检测；基于字符串的车辆牌照分割方法。这些算法都是基于车牌的特征来研究车牌的定位与识别，因而具有一定的针对性和局限性。对一些复杂图像应用某些数学工具不仅可以加快处理速度而且可以改善和优化处理结果。已有的区域定位算法，比较完善的如机动车辆自动识别收费系统当中所提出的一种基于局部阈值二值化与自适应形态滤波算法。另外，一些学者们从一些数学工具着手，利用数学形态学、小波分析、遗传算法等方法对一些传统定位方法进行改进，提出了基于属性开运算的汽车牌照区域定位算法，通过对灰度图像采用属性开运算，削去满足特定属性的峰部，确定出目标以及少量非目标区域，然后计算出图像的倾斜角及目标区域所在范围；提出了基于小波与形态学的车牌图像分割方法等。
上述车牌定位方法具有一定的实用性和参考价值，然而也都有不完善的方面，有待进一步完善。
(2)    车牌字符识别研究
1.4 论文的主要工作
本文实验的图像是用数码相机拍得的以及从网上收集到的汽车彩色图像 (包括静态的和行驶中的汽车图像)，图像质量比较差，在各种光照条件和自然条件下的汽车图像都有，因此也对本系统的实现增加了难度。在整个车牌自动识别系统中实现高识别率主要有三个部分起着关键的作用：在全车身图像中车牌部分的定位、定位后车牌字符的分割、对单个字符的识别。本文先实现了车牌定位，再对车牌中的字符分割和字符识别，因此本系统由四大部分组成，车辆图像的预处理、车牌区域的定位、车牌字符识别的预处理、车牌字符的识别，系统详细流程图见图1-1。