智能交通车牌自动识别系统的设计

摘要：利用图像增强、边缘检测首先对车牌图像进行预处理，然后利用基于边缘特征和形态学相结合的方法对车牌进行定位，接着进行字符分割处理，并采用神BP经网络字符识别算法对车牌进行识别，最终实现车牌自动识别。实验结果表明，该系统对车牌识别效果较好。

关键词：车牌定位 形态学 神经网络 自动识别

中图分类号：TP391.4 文献标识码：A 文章编号：1007-9416（2013）11-0160-01

近年来，随着计算机网络的飞速发展，车牌自动识别技术成为了智能交通管理系统中研究的热点[1]，车牌智能识别系统已经在高速公路、停车场、城市交通等领域广泛应用。一般车牌自动识别的步骤主要包含：车牌图像预处理、车牌定位、车牌字符分割和字符识别。通过对现有的车牌识别技术进行研究和总结，本文提出了一种智能交通车牌识别系统。

1 车牌自动识别系统设计流程

车牌识别系统大致分为：车辆视频的采集、车辆图像预处理、车牌定位、字符分割以及字符识别几个步骤。图1给出了车牌识别系统的设计流程。

2 车牌定位[2]

对预处理之后的车牌图像，采用Otsu法对进行车牌图像进行二值化处理，处理过后的车牌位置区域纹理特征比较明显，主要体现在：近似长方形、位置固定、灰度值与周围区域差别较大。所以本文采用性能较好的Canny算子。

经过边缘处理过后的车牌区域位置比较明显，边缘也被很好的突显处理，但是为了进一步提高车牌定位的精度，本文通过对边缘检测后的图像进行膨胀运算，来扩大车牌字符部分的连通区域，在利用闭合运算去掉车牌的细节部分，最终可以的到车辆的牌照区域。

3 字符分割

根据我国的车牌现行的标准，本文采用水平投影法对车牌进行分割，其具体过程如下：

（1）首先确定车牌字符的大致高度，对车牌图像自下而上地进行逐行扫描，当扫描到像素点为白色像素点时停止，记录该像素行数；接着再自上而下对车牌图像进行逐行扫描，遇到白色像素点时停止，同样记录所在的行数。（2）然后再确定的扫描范围内从右到左进逐行扫描，遇到第一个白色像素值认为是第一个车牌字符的起始的位置，把其分割出来，接着继续扫描一直到没有白色像素的那一列，就认为是第一个字符终止的位置，在分割一次，这样就得到了第一个车牌字符。按同样的方式继续扫描，直到分割到图像的最右端。经过上述步骤，可以得到字符的划分图像。（3）得到分割图像之后，为了确定每个字符的精度高度，再按照步骤（1），对每个字符进行扫描。

4 字符识别

本文采用BP神经网络字符识别。由于车牌字符由汉字、英文字母、数字组成，具有不同的特征，有助于字符识别的速度。本系统构造了三个BP神经网络模型，即汉字网络，英文字母网络和数字网络。汉字网络主要用来识别车牌的省份、自治区以及直辖市，字母网络和数字网络主要用来识别车牌上的英文字符和数字。

5 仿真结果

为了验证本系统设计的性能。本文在VS2010平台上进行实验。其结果如图2所示。

6 结论

通过研究车牌定位、字符分割以及字符识别等算法，设计了一种智能交通车牌自动识别系统，实验结果表明，本文设计的系统对在车牌的识别率较好，准确率较高，满足实时性的要求，在智能交通系统中具有较强的使用价值。

参考文献

[1]候海滨，沈希忠.车辆牌照识别技术的研究发展[J].上海应用技术学院学报（自然科学版），2009，9（3）：240-243.

[2]廖晓姣，李英.基于边缘检测和形态学的车牌定位算法[J].现代电子技术，2011，34（10）：17-19.