基于HALCON的汽車牌照識別技術(shù)研究*

巖淑霞

(蘇州健雄職業(yè)技術(shù)學(xué)院,江蘇 蘇州 215400)

0 引言

車牌識別在車輛定位、汽車防盜、高速公路超速自動化監(jiān)管、闖紅燈電子警察和公路收費站方面應(yīng)用廣泛，大大提高了智慧城市交通的運行和管理效率。車牌識別技術(shù)是指通過監(jiān)控、拍攝、自動提取車輛牌照信息并進行圖像處理的技術(shù)，可以在汽車行駛狀態(tài)下由計算機自動完成車牌的識別。車牌識別以數(shù)字圖像處理、模式識別、機器視覺等技術(shù)為基礎(chǔ)，對攝像機所拍攝的車輛圖像或者視頻序列進行分析，得到某汽車唯一的車牌號碼，從而完成識別過程。當前機器視覺應(yīng)用軟件主要包括OPEN CV、HALCON和Visionpro，HALCON是德國MVtec公司開發(fā)的一套完善的標準的機器視覺算法包，擁有應(yīng)用廣泛的機器視覺集成開發(fā)環(huán)境。HALCON由一千多個各自獨立的函數(shù)以及底層的數(shù)據(jù)管理核心構(gòu)成，其中包含了各類濾波、色彩以及幾何、數(shù)學(xué)轉(zhuǎn)換、形態(tài)學(xué)計算分析、校正、分類辨識、形狀搜尋等基本的幾何以及影像計算功能。運用HALCON軟件進行視覺開發(fā)，能夠節(jié)約產(chǎn)品成本，縮短軟件開發(fā)周期，本文采用HALCON作為車牌識別系統(tǒng)的關(guān)鍵處理模塊，將機器視覺技術(shù)應(yīng)用于車輛牌照的快速、高效識別和檢測。

1 車牌識別系統(tǒng)總體設(shè)計

基于HALCON軟件的車牌識別流程如圖1所示。通常情況下首先使用工業(yè)相機采集車牌圖像，接下來對采集的原始圖像進行預(yù)處理，該過程主要是為了留下更多有用的真實信息，增強圖像信息檢測的準確性；之后運用軟件中的算子完成預(yù)處理圖像的閾值分割，并進行域連通，然后再進行數(shù)字形態(tài)學(xué)處理；最后通過特征提取完成車牌字符和數(shù)字以及漢字的識別。

2 圖像的識別過程與實現(xiàn)

2.1 圖像的預(yù)處理與加載

在實際的車牌識別過程中，采集到的圖像會受到很多因素影響，比如大氣環(huán)境中的霧霾、拍攝光源的不穩(wěn)定、行人的遮擋、拍攝系統(tǒng)機械結(jié)構(gòu)的不穩(wěn)定等等，這都會使得獲取到的原始圖像質(zhì)量不佳，從而需要對獲取到的圖像進行預(yù)處理。預(yù)處理是指對工業(yè)相機采集到的原始圖像進行提取、分割和識別之前的圖像預(yù)處理操作，這些操作主要包括圖形的切割、車牌的突出顯示等，通過該操作可以改善車牌圖像的視覺效果，并且大大提高車牌區(qū)域和背景區(qū)域的區(qū)分度。

圖1 基于HALCON軟件的車牌識別流程

2.2 確定ROI

ROI是指感興趣區(qū)域，即將需要識別的圖像聚焦在特定部分。該方法結(jié)合含有圖像矩陣的區(qū)域信息，即僅僅相對于圖像部分的區(qū)域保持相關(guān)，其可減少被處理像素的個數(shù)。

運用ROI的優(yōu)勢有很多：①提高了圖像的處理速度，使得被處理的像素更少；②聚焦處理，如灰度特征的計算僅僅是針對圖像部分進行；③ROI重新定義模板，如對于匹配，HALCON運行能夠應(yīng)用于任意形狀，使得用戶不會受限于標準的形狀，而是可以用任何形式或最好的形式去解決給定的問題。

運行ROI分為兩個部分：創(chuàng)建區(qū)域和結(jié)合圖像。HALCON能夠提供許多方法去創(chuàng)建區(qū)域，并將其用作ROI；結(jié)合圖像是指將區(qū)域與圖像相結(jié)合，區(qū)域承擔一個ROI的角色，它定義圖像的那個部分必須被處理，這個ROI就是對這個函數(shù)域從完整圖像到相關(guān)部分的剪切，因此，結(jié)合區(qū)域和圖像的算子被稱為reduce-domain，這個簡單的算子在幾乎所有的應(yīng)用中能夠滿足所期望的任務(wù)。

2.3 尋找算子

在確定了識別范圍之后，如何從HALCON軟件的一千多個算子中選用合適的算子是要依靠用戶的經(jīng)驗以及對于影像分析領(lǐng)域的知識完成的。HALCON軟件提供了一系列的方法，使得選擇運算符更為正確而便利，如果知道運算符名稱的部分字符串，則只要在運算符窗口中的文字輸入欄輸入，所有含有該字符串的名字就會列在combo box中。

2.4 確定參數(shù)

一般來說，灰度值范圍的上、下限值選取會直接影響識別效果，通常情況下，有兩種方法可以確定灰度值的上、下限值：

(1) 將圖像盡量放大，放大到灰度值顯示明顯時，在軟件的左下角觀察其灰度值，如果識別的圖像是黑色，則上限值為0，下限值在灰度值附近取值；若二值化后選取的圖像是白色，則下限值為255，上限值在灰度值附近取值。

(2) 通過移動軟件中的特征值直方圖的箭頭，在所要識別的圖像能夠完全清晰顯示時，記錄該時刻的灰度值區(qū)域，然后進行適當縮放即可。

2.5 結(jié)果輸出及程序通用性驗證

經(jīng)過以上步驟對車牌圖像進行處理，順利完成了車牌字符的識別，包括漢字、數(shù)字和字母的識別。

3 車牌號識別舉例

在這里，首先選取包含簡單漢字的車牌號進行識別。下面以“蘇E 8889X”車牌號為例，對以上識別過程進行驗證。

3.1 車牌圖像的預(yù)處理與加載及ROI的確定

對原始圖像進行預(yù)處理與加載及ROI確定后得到的識別區(qū)域如圖2所示。

圖2 預(yù)處理后得到的識別區(qū)域原圖像

3.2 尋找算子

首先進行圖像獲取，然后設(shè)置圖像打開的窗口尺寸，之后進行圖像灰度化處理，確定圖像的閾值范圍后對圖像進行連通。具體的實現(xiàn)步驟如下：

get_image_size(Image1, Width, Height)

dev_open_window(0,0,Width*2.8, 2.8*Height, 'black', WindowHandle)

dev_display(Image1)

rgb1_to_gray(Image1, GrayImage)

stop()

threshold(Image1, Region,90, 210)

connection(Region, ConnectedRegions)

select_shape(ConnectedRegions, SelectedRegions, 'area', 'and', 50, 2000)

經(jīng)過以上圖像處理后，得到灰度化處理后的圖像和閾值分割后的圖像，分別如圖3、圖4所示。

3.3 確定識別該車牌的閾值參數(shù)

選擇一個運算符，如threshold(Image1,Region,90,210)，其中“90”和“210”兩個參數(shù)的選取是非常關(guān)鍵的。因為識別的圖像偏白色，所以threshold(Image1,Region,90,210)第一個數(shù)值在114附近，第二個數(shù)值最大值是255，越白值越接近255。根據(jù)圖中顏色判斷及反復(fù)嘗試，第二個參數(shù)選取210得到了較好的識別效果。參數(shù)的選取及驗證過程如圖5所示。

圖3 灰度化處理后的圖像 圖4 閾值分割后的圖像

圖5 程序運行中參數(shù)范圍的確定

在算子select_shape(ConnectedRegions,SelectedRegions,'area','and',50,2000)的參數(shù)選區(qū)中，也是先框定大致的區(qū)間，然后再通過反復(fù)實驗確定面積的取值范圍，最后得到滿意的識別效果。連通域后的圖像如圖6所示。在特征提取后，得到的識別圖像如圖7所示。車牌識別結(jié)果如圖8所示。根據(jù)識別結(jié)果可見，該識別方法對漢字的識別也取得了非常滿意的效果。

圖6 連通域后的圖像 圖7 特征提取后的圖像

圖8 車牌識別結(jié)果

4 識別過程的通用性驗證

為了進一步驗證該車牌識別程序的通用性，特選擇漢字較復(fù)雜的車牌樣本進行識別。以“粵B 9F422”為例，運用同樣的識別步驟，但對其中的部分參數(shù)進行了修改，修改后的程序參數(shù)如下：

threshold(Xt1g0kZ8vL5gv3AB, Region, 65, 230)

select_shape(ConnectedRegions,SelectedRegions,'area', 'and',50, 550)

實驗結(jié)果表明：針對不同的圖像種類，只需要對程序中的若干參數(shù)進行修改即可得到滿意的效果。其原始圖像及識別結(jié)果分別如圖9和圖10所示。

圖9 原始圖像1 圖10 識別結(jié)果1

為了再進一步驗證本程序?qū)^復(fù)雜的車牌漢字的識別效果，又選取了含有更加復(fù)雜漢字的樣本進行識別，通過同樣的系列操作，取得了滿意的識別效果，其原始圖像和識別結(jié)果分別如圖11和圖12所示。

圖11 原始圖像2 圖12 識別結(jié)果2

識別程序主要修改的參數(shù)如下：

read_image(Image, 'C:/Users/91290/Desktop/豫.png')

threshold(Image, Region, 130, 235)

select_shape(ConnectedRegions,SelectedRegions,'area', 'and',400, 1500)

5 結(jié)束語

本文基于HALCON軟件設(shè)計了汽車牌照識別系統(tǒng)。為了驗證HALCON軟件的識別準確度，對含有較復(fù)雜漢字的車牌照片進行了識別實驗。結(jié)果表明：該技術(shù)簡單高效，識別準確度高，具有一定的推廣價值。