基于融合算法的車牌識別系統(tǒng)

王海峰

(山西省信息產業(yè)技術研究院有限公司，山西 太原 030012)

0 引言

近些年來，伴隨著我國國民收入水平和整體綜合實力的提高，機動車輛以每年10%～20%的速度迅速增長，道路智能化建設步伐加快，全國城市化水平也在不斷提高，道路交通現狀和需求的矛盾進一步加劇，特別是像肇事逃逸、盜搶機動車輛、車輛違章行駛等案件。

基于融合算法的車牌識別系統(tǒng)通過對車輛進行圖片抓拍、車牌號碼識別、車身顏色識別等數據進行采集分析，實現對機動車輛的構成、車流量分析，違法違章等情況進行24小時不間斷記錄，為有效快速偵破交通事故逃逸和機動車盜搶、快速處理交通違章行為提供技術支持和有力證據，在城市治安管理和交通管制過程中發(fā)揮重要作用。

1 車牌識別系統(tǒng)圖像處理技術

1.1 圖像灰度化

前端相機采集到的車輛圖像一般都是彩色圖像，雖然它包含很多的圖片顏色信息，但是缺點是占用的存儲量比較大，影響系統(tǒng)處理的速度。本系統(tǒng)處理圖像信息時需要將彩色圖像轉為灰度圖像，即圖像灰度化[1]。一般將24位真彩圖像轉為灰度圖像主要有三種計算方法，即平均值法、最大值法、加權平均值法。本系統(tǒng)采用的是加權平均值法，即灰度化圖像灰度值等于RGB圖像三個分量的加權平均值，Ii,j=0.299Ri,j+0.578Gi,j+0.114Bi,j。

1.2 圖像增強

采用圖像增強技術是為了改善視覺效果，增強系統(tǒng)對圖像的進一步分析。凸顯出圖像中有用的信息，減弱或者去除干擾信息，使經過處理后的圖像更加適用于車輛識別分析。

1.3 圖像二值化

圖像二值化是將前景與背景區(qū)域進行分離的過程。圖像二值化的過程相當于圖像閾值分割，首先將像素點的灰度值設定為0或255，然后依據設定的閾值進行分類，確定當前像素是前景區(qū)域還是背景區(qū)域，也就是將圖像呈現出黑白效果的過程，最終實現將圖像轉為只有兩個灰度級的二值化圖像。二值化后的圖像，數據量大大減少，從而起到凸顯出目標位置輪廓的作用。

1.4 邊緣檢測

邊緣是指其周圍像素灰度值急劇變化的像素集合，它是圖像具有的最基本特征。由于邊緣存在于背景、目標和區(qū)域之間，所以它是圖像分割最重要的依據，同時邊緣也是位置的象征，對圖像灰度的變化不敏感，所以邊緣也是圖像匹配重要的特征。

圖像分割主要有邊緣檢測和區(qū)域劃分兩種方法，圖像邊緣檢測，通過提取圖像中不連續(xù)部分的特征，然后根據形成的閉合邊緣確定區(qū)域。圖像區(qū)域劃分，則是通過把圖像分割成特征相同的區(qū)域，不同特征區(qū)域之間的邊界就是邊緣[2]。

邊緣檢測的主要目的是標注圖像中亮度變化明顯的像素點，而通常圖像屬性的顯著變化則反映屬性的重要變化[3]。在本系統(tǒng)中，由于車牌底色與車牌字符有顯著的灰度變化，圖像的邊緣是通過灰度不連續(xù)性來顯現的，所以機動車車牌有著較為明顯的圖像邊緣信息，本系統(tǒng)采用邊緣檢測方法使車牌區(qū)域從整幅圖像中凸現出來。

1.5 形態(tài)學處理

數學形態(tài)學是一門建立在格論和拓撲學基礎之上的圖像分析學科，是數學形態(tài)學圖像處理的基本理論。數學形態(tài)學可以分為二值形態(tài)學和灰度形態(tài)學，灰度形態(tài)學是由二值形態(tài)學延伸而來的。

數學形態(tài)學包括膨脹和腐蝕兩個最基本的運算，而膨脹和腐蝕通過不同的組合又形成了閉運算和開運算[4]。腐蝕運算過程使目標區(qū)域信息范圍“縮小”，實質是造成圖像的邊界收縮，通過腐蝕運算過程可以消除目標區(qū)域沒有價值的信息；而相反，膨脹運算過程會使目標區(qū)域信息范圍“擴大”，將與目標區(qū)域接觸的背景像素點合并到該目標區(qū)域中，使得目標區(qū)域邊界向外擴張，膨脹的作用就是用來填補目標區(qū)域的空洞點以及消除噪聲顆粒。由于二值化后的圖像中含有較多的噪聲孤立點，是不利于進一步圖像特征提取，所以本系統(tǒng)采用了開運算方式，即先腐蝕再膨脹的過程，可以有效地去除圖像中的孤立點。

2 結論

車牌號碼是機動車輛重要的身份證明，在車輛識別優(yōu)先級方面，一般將車牌號碼識別設定為最高優(yōu)先級，當機動車車牌比較清晰時，可以正確的識別出車牌號碼，從而準確的確定車輛的身份，而當車牌被遮擋或缺損時，車牌號碼無法被準確識別出來時，本系統(tǒng)可以進一步進行車標、車身顏色識別，通過查詢比對數據庫中與此車標信息相對應的車牌號碼，系統(tǒng)自動篩選出最接近的車牌號碼，從而確定出車輛的正確信息。本文所提出的基于融合算法的車牌識別系統(tǒng)，實時采集車輛的多種特征信息，包括車牌號碼、車輛標志、車身顏色等信息，利用同一車輛不同信息之間的相互印證，通過優(yōu)化的識別算法準確的識別出車輛的信息。

在系統(tǒng)測試階段，共對200個樣本進行測試，測試結果如表1。

表1 測試結果

從測試數據可以看出，基于融合算法的車牌識別系統(tǒng)識別正確率遠遠高于普通車牌識別系統(tǒng)。由于普通車牌識別系統(tǒng)僅僅依靠單一的車牌號碼進行車輛識別，識別結果往往受很多外在因素影響，無法根本解決車輛遮擋號牌、套牌、無牌的疑難問題，針對這一現狀，本文提出的基于融合算法的車輛識別系統(tǒng)，采用信息融合的方法，利用車輛不同信息之間的互補性，將車標、車身顏色等特征信息作為車輛識別的其他識別手段，通過融合多種車輛信息準確識別出車輛身份信息，能夠很好的解決車牌遮擋、套牌、污損、缺失等情況下，無法準確識別車輛的疑難問題。