車牌識別算法的設(shè)計(jì)與實(shí)現(xiàn)

摘要：本文將實(shí)現(xiàn)一種針對生活中常見的藍(lán)色底色的車牌進(jìn)行車牌識別的機(jī)器學(xué)習(xí)算法設(shè)計(jì)，完成車牌圖像的錄取、車牌圖像的定位及字符識別，實(shí)現(xiàn)對車牌的識別，從而加快社會車輛進(jìn)出場速度，避免出現(xiàn)擁堵，并在一定程度上輔助安全管理，及時(shí)發(fā)現(xiàn)違法車輛，協(xié)助安全管理。

關(guān)鍵詞：深度學(xué)習(xí) ?車牌定位 ?字符識別

1 引言

由于計(jì)算機(jī)技術(shù)不斷發(fā)展，大數(shù)據(jù)和計(jì)算機(jī)能力等也在不斷的提升，傳統(tǒng)機(jī)器學(xué)習(xí)的模型不能很好的適應(yīng)，同時(shí)，隨著神經(jīng)網(wǎng)絡(luò)的發(fā)展，更多層次的神經(jīng)網(wǎng)絡(luò)——深度學(xué)習(xí)被研究及應(yīng)用，所以本文選用深度學(xué)習(xí)來完成車牌圖像的識別。自動車牌識別是一項(xiàng)具有挑戰(zhàn)性的重要任務(wù)，可用于交通管理、數(shù)字安全監(jiān)控、車輛識別、大城市停車管理。車牌識別算法識別車牌的流程分為三個(gè)階段，實(shí)現(xiàn)從輸入含有車牌的圖片到輸出圖片中的車牌號碼文本的整個(gè)識別流程。

第一階段是信息讀取。該階段的任務(wù)是將待識別的含有車牌的圖片輸入程序，將圖片轉(zhuǎn)換為程序能夠處理的圖片數(shù)據(jù)。

第二階段是位置識別，主要完成車牌的檢測與矯正。該階段包括兩個(gè)子任務(wù)。第一個(gè)子任務(wù)負(fù)責(zé)將處理后的圖片數(shù)據(jù)輸入MTCNN進(jìn)行車牌位置的識別，得到車牌信息。第二個(gè)子任務(wù)利用STN 加強(qiáng)MTCNN的識別結(jié)果，加強(qiáng)MTCNN識別的幾何穩(wěn)定性，從而提高識別結(jié)果的準(zhǔn)確性和穩(wěn)定性。

第三階段是文字識別，主要完成車牌的字符分割與字符識別。該階段也包括兩個(gè)子任務(wù)，第一個(gè)子任務(wù)利用LPRNet分析第二階段得到的車牌信息，識別其中的車牌文字。第二個(gè)子任務(wù)負(fù)責(zé)對識別出的車牌文字與車牌號數(shù)據(jù)庫進(jìn)行匹配，輸出車牌識別結(jié)果。

車牌識別算法的樣本數(shù)據(jù)選自CSDN，將其中的 1000張圖片用作訓(xùn)練集樣本數(shù)據(jù)。原始的車牌圖片到張量數(shù)據(jù)，再到車牌的信息，最后到車牌文字的變化過程流程圖如圖1所示。

圖1 車牌識別流程

2 信息讀取

信息讀取階段負(fù)責(zé)將含有車牌的圖片讀入程序。在一般情形下，攝像設(shè)備如馬路的監(jiān)控?cái)z像頭等無法針對車牌號進(jìn)行專門的攝像，而是對車的部分或整體進(jìn)行拍攝。車牌識別算法要求能夠從圖片中準(zhǔn)確定位車牌的位置并識別出車牌號碼。車牌識別算法中利用cv2程序包的imread函數(shù)讀取圖片中的信息，之后利用numpy包的copy函數(shù)將圖片信息另外備份存儲到新的位置，得到圖片數(shù)據(jù)input。這樣做的好處是不破壞原始數(shù)據(jù)。經(jīng)過讀取程序后輸出的圖片數(shù)據(jù)input，是圖片各個(gè)位置的信息組成的張量。

3 位置識別

位置識別階段主要完成車牌的檢測與矯正。位置識別階段將進(jìn)一步處理信息讀取階段輸出的圖片數(shù)據(jù)input，根據(jù)其中的信息識別出car.jpg中車牌的具體位置。該階段包括識別車牌位置和空間轉(zhuǎn)換兩個(gè)子任務(wù)。車牌位置識別可結(jié)合以下2種方式進(jìn)行識別：

（1）基于邊緣的車牌識別

若識別圖像環(huán)境較單一，那么使用基于邊緣的車牌檢測是最合適的，可以達(dá)到簡單又有效的目的?？梢韵葯z查出圖片之中的垂直邊緣，然后再對檢測出的區(qū)域使用Sobel計(jì)算邊緣區(qū)，能夠較準(zhǔn)確鎖定車牌的位置。

（2）基于顏色的車牌識別

若識別圖像清晰度較高，則可以利用顏色進(jìn)行檢測。首先處理圖像，即藍(lán)色底色的車牌。首先選取不是藍(lán)色的圖像部分，然后再對剩下的部分進(jìn)行檢測。如果圖像中的RGB值和藍(lán)色很接近，那么就可以認(rèn)為是車牌的區(qū)域。通常還會對這些區(qū)域進(jìn)行腐蝕膨脹的操作。在灰度圖像中，如果區(qū)域面積和車牌面積大致比相等，那么這一個(gè)區(qū)域就可能是車牌。但是這種方法需要提供的車牌不能太小，太小的車牌會導(dǎo)致檢測不出來。最后是把計(jì)算出來的所有的長方形區(qū)域和車牌的特征數(shù)據(jù)相比，數(shù)據(jù)比值越趨近于1，那么這個(gè)區(qū)域是車牌的可能性就越大。

在現(xiàn)實(shí)生活中，由于種種原因，拍攝到的車牌圖像可能是像素是清晰的，但是可能拍攝角度受限，拍到的圖片會是傾斜的。如果按照正常的矩形去框選車牌的區(qū)域，那么得到的圖像就可能會有殘缺，殘缺的圖像則不能當(dāng)做特征處理。所以需要矯正車牌框選區(qū)域。通過檢測好的車牌區(qū)域，尋找字符的輪廓，按照輪廓可以得到車牌的上線邊界線，這樣就能得到較為準(zhǔn)確的字符區(qū)域。選擇相應(yīng)的算法對字符區(qū)域進(jìn)行旋轉(zhuǎn)，旋轉(zhuǎn)過后的車牌就便可在水平方向和垂直方向進(jìn)行投影，從而得到精準(zhǔn)的正向的車牌圖像。

4 文字識別

文字識別階段主要完成車牌的字符分割與字符識別。字符分割方法主要包含以下兩種：

4.1基于相鄰字符最大間隔寬度的方法

由于車牌的字符的比例大小存在一定差別，同時(shí)車牌之間也是存在空隙的，可以通過這些空隙完成字符的分隔。首先應(yīng)確定空隙的大小。除了字母數(shù)字以外，車牌前端的字符還包括了一個(gè)圓點(diǎn)，這個(gè)圓點(diǎn)所在的空隙是所有字符間隔空隙里最寬的位置。大約是其他的2.6倍。找到它以后就可以確定它旁邊的空隙的位置，然后再按照車牌的空隙比例，兌換到二值圖像進(jìn)行垂直投影操作，從二值圖像里面可以找到更加精準(zhǔn)的空隙數(shù)據(jù)，借此可以得到每一個(gè)字符分割后的圖像。

4.2基于連通域和投影相結(jié)合的方法

基于連通域和投影相結(jié)合的方法需要找到圖像中的連通域，通常情況下使用四連通標(biāo)記法。首先需要確認(rèn)二值圖像中選擇的點(diǎn)的最左，最上有沒有點(diǎn)，有就是連通域，沒有就是新區(qū)域。如果這個(gè)點(diǎn)的最左邊存在一個(gè)點(diǎn)，然而最上不存在點(diǎn)的話，就把這個(gè)點(diǎn)記到最左邊。如果都有的話，那么這個(gè)點(diǎn)就屬于兩點(diǎn)中的小點(diǎn)。識別出連通域后，按照比例，對圖像數(shù)據(jù)進(jìn)行分析判斷，進(jìn)行垂直投影操作。如果大于連通域的高寬，那么就把連通域合并，反之，就把多余部分去除。通過加長方形分割出字符。

完成字符分割后，需要對分割后的字符進(jìn)行字符識別，根據(jù)STN輸出的車牌信息識別其中的車牌文字，完成最后的車牌識別流程。該階段包括識別車牌文字和文字解碼兩個(gè)子任務(wù)。

5 結(jié)束語

本文提出的車牌識別方法受到深度神經(jīng)網(wǎng)絡(luò)的啟發(fā)，對中國車牌識別準(zhǔn)確度達(dá)90%，可以實(shí)時(shí)處理，每個(gè)車牌處理時(shí)間約3ms。但在更復(fù)雜的情況下，無法識別到部分清晰的車牌圖像，將來，將進(jìn)一步優(yōu)化系統(tǒng)以提高系統(tǒng)性能。

參考文獻(xiàn)

[1]高攀.基于卷積神經(jīng)網(wǎng)絡(luò)的車牌識別關(guān)鍵技術(shù)的研究與應(yīng)用[D].北京：北京郵電大學(xué)，2019.

[2]陽光.基于支持向量機(jī)和深度學(xué)習(xí)的車牌識別技術(shù)研究[D].四川：成都理工大學(xué)，2019.

作者簡介

顏琪（1995-），女，四川省成都市人，助教，學(xué)士，主要研究方向?yàn)閿?shù)據(jù)可視化及圖像處理。