基于顏色直方圖的車牌識別技術(shù)初探

[摘要]圖像識別技術(shù)是有著廣泛分布而且重要的應(yīng)用，無論是在計算機視角、醫(yī)學圖像處理，還是工業(yè)領(lǐng)域，而其中的代表車牌識別系統(tǒng)則是引用最廣的一個分支。文章基于顏色直方圖的車牌識別系統(tǒng)的部分關(guān)鍵技術(shù)進行研究，依次從車牌圖像的預(yù)處理、車牌定位以及字符識別展開了分析。

[關(guān)鍵詞]HSV；直方圖；車牌識別

[DOI]1013939/jcnkizgsc201720151

1前言

在交通管理、車輛監(jiān)控等應(yīng)用方面，車牌識別系統(tǒng)廣泛地應(yīng)用在停車場車輛管理、監(jiān)控違章車輛，而識別車牌的準確性和速度會影響到采集車牌信息的具體效率。車牌識別需要從包含了較多無用信息量的圖像中提取出車牌區(qū)域，并能對其進行相應(yīng)字符區(qū)域的分割，根據(jù)字符特征進行識別。現(xiàn)階段車牌識別的正確率仍受到許多因素的干擾，為了算法能達到一個比較高的效率來滿足自動監(jiān)控的實時性，為了配合智能交通系統(tǒng)的飛速發(fā)展，就需要對各個環(huán)節(jié)進行深入研究和改進，車牌識別技術(shù)仍是具有重要意義的研究課題。本文討論特征匹配中的統(tǒng)計方法結(jié)合人工神經(jīng)網(wǎng)絡(luò)算法，運用圖像的顏色直方圖來實現(xiàn)實時識別過程。

2基于HSV顏色模式的預(yù)處理過程

車牌識別系統(tǒng)一般包括圖像采集、車牌定位、車牌字符分割和字符識別四個部分。本文不討論采集部分的實現(xiàn)。圖像采集以直接添加形式呈現(xiàn)，即將相關(guān)識別圖片直接添加入系統(tǒng)。在對圖片進行添加后，需要對圖片中的信息進行處理，尤其是彩色圖片中包含信息量大。而在實時系統(tǒng)中，顏色檢索是一種普遍被應(yīng)用的方法，指的是給定一個查詢圖像，需要從圖像塊中找到與之顏色類似的圖像，即為圖像顏色直方圖。

常用到的顏色模型有RGB和HSV種模型，早期圖像的檢索方法中多使用RGB模式，其原理是用三原色亮度值疊加，因其疊加會產(chǎn)生復(fù)合色，由于光照亮度會影響其三原色的亮度值，因此該模型受光照條件影響，在光照條件復(fù)雜的車牌識別環(huán)境中去除光照影響是非常困難的。為了消除RGB模式的此項弊端，可以考慮使用HSV顏色模式，這個模式用色度（H）、飽和度（S）和亮度（V）3個分量，單獨一個分量V表示了亮度信息，而另外兩個分量H和S包含了圖像的彩色信息，改變其值從某種純色中獲得不同色調(diào)的顏色。HSV顏色模型在車牌識別中優(yōu)勢是如果不考慮亮度分量，可以排除光照條件的影響，采用另外兩個分量就能區(qū)分開不同的顏色區(qū)域。基于采集的圖像多采用RGB模型，且HSV模型在處理效率方面更加出色，所以可以考慮在應(yīng)用時將RGB模型轉(zhuǎn)換為HSV模型。轉(zhuǎn)化過程采取參考文獻[1]中的辦法，其中RGB空間中的向量（r，g，b）轉(zhuǎn)化為

除了選擇相應(yīng)的顏色空間外，顏色直方圖的量化也是預(yù)處理階段關(guān)心的一個問題。顏色直方圖是高位向量數(shù)組，需要很大的計算時間，如何量化減少其包含向量個數(shù)，量化要求保證差別較大的顏色不能分在同一級，又要保證直方圖不能過大。直方圖距離表示為歐拉距離，此表示的特點是不關(guān)心不同級別的直方圖分量，而僅僅關(guān)注兩個直方圖的同一量化級，可在其距離中加入不同權(quán)值。

根據(jù)一般車牌的牌底顏色，要在顏色空間中定位車牌，首先就必須在圖像中找出顏色的區(qū)域。根據(jù)參考文獻3的建議，其中灰度值255用來標識藍色區(qū)域，灰度值200用來標識黃色區(qū)域，灰度值150用來標識白色區(qū)域，灰度值100用來標識黑色區(qū)域，灰度值0用來標識與牌底顏色無關(guān)的圖像背景。

3字符分割和識別的研究現(xiàn)狀

字符分割也分為車牌預(yù)處理和分割兩部分，先通過對提取出來的車牌部位進行進一步加工去邊框，垂直、水平投影處理成合適的圖片，然后將預(yù)處理的圖片分割出來即完成了字符分割功能，在字符識別部分中，模板匹配法是一種特征匹配方法，主要是通過判定測試字符與模板字符間的相似度，將相似性最大的樣本作為輸入字符的所屬類別為結(jié)果。如車牌中出現(xiàn)的字符，包括31個省份的簡稱，24個大寫字母以及10個數(shù)字可保存為一個識別庫。在識別的時候，以現(xiàn)有樣本和已經(jīng)提取出來的測試字符作為兩個參數(shù)進行比對，得出一個誤差值，取其誤差最小值作為識別結(jié)果。此方法原理簡單，但是忽略大量細節(jié)，當字符角度出現(xiàn)變化，或者圖片出現(xiàn)污漬等情況，此識別法容易出現(xiàn)錯誤。模板匹配原理直觀簡單，已經(jīng)得到了普遍的應(yīng)用。而神經(jīng)網(wǎng)絡(luò)法與模板匹配相比，容錯性高。其原理是識別字符的特征提取用來訓練神經(jīng)網(wǎng)絡(luò)的分類器，通過已經(jīng)有過大量訓練的分類器將字符識別出來。這個過程需要大量樣本，復(fù)雜度高，分類器的訓成需要耗費較長時間，實時系統(tǒng)中難以應(yīng)用。

本文對基于顏色直方圖的車牌識別系統(tǒng)的部分關(guān)鍵技術(shù)進行研究，依次從車牌圖像的預(yù)處理、車牌定位以及字符識別展開了分析，字符分割為進一步研究內(nèi)容。

參考文獻：

[1] Smith J R，Chang S FTools and Techniques for Color Image Retrieval[A].In∶SethiIk，Jain，RC，edStorage & Retrieval for Image an Video Databases IV，IS&T/SPIE Proceeding[C].SPIE∶1996，2670，426-437

[2] 吳大勇，魏平，侯朝楨，等一種車牌圖像中的字符快速分割與識別方法[J].計算機工程與應(yīng)用，2002，38（3）：232-233

[3] 王洪建基于HSV顏色空間的一種車牌定位和分割方法[J].儀器儀表學報，2005，26（8）：371-372

[4] 付煒，趙正則，王大江基于水平灰度跳邊和垂直投影的車牌定位方法[J].電子測量技術(shù)，2008，31（3）：61-65

[5] 遲曉君，孟慶春基于投影特征值的車牌字符分割算法[J].計算機應(yīng)用研究，2006，23（7）：256-257

[基金項目]2015年海南省教育廳教改項目（項目編號：Hnjg2015-56）；2016年海南省教育廳教改項目（項目編號：Hnjg2016-45）；海南熱帶海洋學院2016年校級教育教學改革項目（項目編號：RDJGb2016-37）。

[作者簡介]吳淑婷（1985—），女，黎族，海南屯昌人，碩士，講師。研究方向：軟件工程。