一种基于matlab车牌识别算法的研究

[摘 要]提出了一种车牌数字图像自动识别的算法，采用MATLAB语言编程实现仿真。该算法可以实现车牌图像的采集、处理、车牌定位、字符分割、字符识别，并且将车辆进出情况详细记录并保存下来，方便了小区或单位车主的通行，提高了车辆进出管理效率。

[关键词]数字图像 ；车牌识别；MATLAB

中图分类号：TP391.41 文献标识码：A 文章编号：1009-914X（2014）46-0112-01

1 引言

车牌自动识别系统是智能化交通的重要组成部分，也是计算机视频图像识别技术在车辆牌照中的一种应用。车牌自动识别系统的关键技术在于数字图像预处理技术，车牌定位，校正，字符分割。本文以Matlab软件作为仿真平台，完成了基于一种基于Matlab的车牌识别算法的研究。

2 车牌识别具体步骤

（1）图像采集

本文采用的是在MATLAB软件的GUI中调用摄像头，采集汽车图片并进行识别的。

（2）车牌定位

车牌定位对于图像处理很重要，直接影响到处理图片的效率。首先读取汽车图片，利用车牌彩色信息来进行车牌区域的定位，本系统针对家庭小型车蓝底白字车牌进行识别。根据彩色图像的RGB比例定位出近似蓝色的候选区域。但是由于RGB三原色空间中两点间的欧氏距离与颜色距离不成线性比例，在设定蓝色区域的定位范围时不能很好的控制，因此造成的定位出错是最主要的，这样在图片中出现较多的蓝色背景情况下识别率会下降，不能有效提取车牌区域。对此本文提出了自适应调节方案。对分割出来的区域进行识别调整。根据长宽比，蓝白色比对候选区域进行多次定位，最终找到车牌区域。

（3）车牌分割

在获得车牌大致位置后，利用车牌的彩色信息的彩色分割方法。根据车牌底色等有关的先验知识，采用彩色像素点统计的方法分割出合理的车牌区域，确定车牌底色蓝色RGB对应的各自灰度范围，然后行方向统计在此颜色范围内的像素点数量，设定合理的阈值，确定车牌在行方向的合理区域。然后，在分割出的行区域内，统计列方向蓝色像素点的数量，最终切出完整的车牌区域。

（4）字符分割

对分割出的车牌照区域，会有一种特殊情况，就是在采集图片的时候，车牌照可能会有倾斜的情况，我们用RANDO方法来进行倾斜校正，达到到水平方向一致的图片。这样有利于后续的牌照分割及字符识别。在完成牌照校正后，我们采用垂直投影法进行字符分割，分析垂直投影找到每个字符的中心位置，再按照左右宽度切割字符。因为车牌字符间间隔较大，不会出现字符粘连情况，所以此处采用的方法为寻找连续有文字的块，若长度大于某阈值，则认为该块有两个字符组成，需要分割。该方法对于复杂环境下的图像有很好的处理效果。通过实验表明，该方法较为实用，抗干扰能力强，成功率高，分割速度快，精确度高，实用性很强。

（5）字符识别

常用做法是采用神经网络模型对系统进行训练，但是这种做法增加了系统的复杂度，对实时性要求较高的场合不适应，这里采用简单模版匹配算法。首先采用模板匹配的方法来进行字符的识别，由于在前期的有效处理使得分割后的字体清晰度完整度都能保持较高的水平，有利于提高模版匹配的成功率，然后进行查询数据库，所处理得的数据传送至后端应用系统，发出控制栏杆机的命令，同时将识别出来的字符及车辆出入时间存储到指定文件夹的EXCEL文件内。

由于客观条件的限制，本文所实现的车牌识别很大程度上依赖于matlab的仿真。通过实验表明该系统基本可以实现家用汽车牌照的识别，识别率达到90%以上。我们不断优化算法，极大地缩短了识别时间，可以控制识别时间在0.5秒以内。大大增强了本次研究的现实意义。

3 结语

仿真结果表明，本系统可对对车牌进行自动区域定位、文字提取、识别。识别出结果之后进行语音朗读提醒。在定位出错和识别出错时可以进行语音警告。识别结果存入指定文件内的文件中。不足方面是该识别系统是针对蓝底白字的车牌进行的识别，故对颜色依赖度高，对颜色的抗干扰能力差，对蓝色汽车无法识别。目前没有想到好的改进算法，在图片中出现较多的蓝色背景情况下识别率会下降，不能有效提取车牌区域，识别的照片是用320万像素相机拍摄的，对图片的清晰度要求较高。

参考文献

[1] 马东，韩其睿；基于MATLAB的汽车牌照识别的研究[J].电子世界，2011（11）期13-15.

[2] 陈明照《应用MATLAB语言处理信号与数字图像》，科学出版社，2000.5.

[3] 张志涌，《精通MATLAB6.5》，北京北航电子版，2002.12.

[4] 王雪茹.车牌自动识别技术的研究与实现[D].哈尔滨：哈尔滨理工大学，2009.

[5] 陈宁宁，苏坤，基于MATLAB的车牌识别系统研究与实现，电子测试，2013（22）67-68.

[6] 飞思科技产品研发中心，《MATLAB6.5辅助图像处理》，电子工业出版社，2003.1.