首頁熱門文章
在智慧停車系統中，車牌識別的算法處理步驟是怎樣的?
發布時間：2019-10-10 分類：交通百科
在智慧停車系統中，車牌識別是基于圖像分割和圖像識別理論，對車輛號牌的圖像進行分析處理，從而確定牌照在圖像中的位置，并進一步提取和識別出文本字符。車牌識別過程包括圖像采集、預處理、車牌定位、字符分割、字符識別、結果輸出等一系列算法運算。
1.圖像采集
根據車輛檢測方式的不同，圖像采集一般分為兩種，一種是靜態模式下的圖像采集，通過車輛觸發地感線圈、紅外或雷達等裝置，給相機一個觸發信號，相機在接收到觸發信號后會抓拍一張圖像，該方法的優點是觸發率高，性能穩定，缺點是需要切割地面鋪設線圈，施工量大;另一種是視頻模式下的圖像采集，外部不需要任何觸發信號，相機會實時地記錄視頻流圖像，該方法的優點是施工方便，不需要切割地面鋪設線圈，也不需要安裝車檢器等零部件，但其缺點也十分顯著，由于算法的極限，該方案的觸發率與識別率較之外設觸發都要低一些。
2.預處理
由于圖像質量容易受光照、天氣、相機位置等因素的影響，所以在識別車牌之前需要先對相機和圖像做一些預處理，以保證得到車牌最清晰的圖像。一般會根據對現場環境和已經拍攝到的圖像的分析得出結論，實現相機的自動曝光處理、自動白平衡處理、自動逆光處理、自動過爆處理等，并對圖像進行噪聲過濾、對比度增強、圖像縮放等處理。去噪方法有均值濾波、中值濾波和高斯濾波等;增強對比度的方法有對比度線性拉伸、直方圖均衡和同態濾波器等;圖像縮放的主要方法有最近鄰插值法、雙線性插值法和立方卷積插值等。
3.車牌定位
從整個圖像中準確地檢測出車牌區域，是車牌識別過程的一個重要步驟，如果定位失敗或定位不完整，會直接導致最終識別失敗。車牌定位方法一般會依據紋理特征、顏色特征和形狀特征等信息，采用投影分析、連通域分析、機器學習等算法檢測車牌。投影分析方法根據車牌字符與背景交替出現的次數相比于其他情況要多這個特征，通過圖像在水平和垂直方向的投影分析來定位車牌。連通域分析根據車牌中的每個字符都是一個連通域且這些連通域的結構和顏色都一致的特征，通過檢測并合并這些連通域來定位車牌;機器學習的思路是，先使用從很多個車牌樣本中提取出來的特征把一個弱分類器訓練成一個強分類器，再使用這個強分類器對圖像進行掃描檢測從而定位到車牌。由于復雜的圖像背景，且要考慮不清晰車牌的定位，所以很容易把柵欄，廣告牌等噪聲當成車牌，所以如何排除這些偽車牌也是車牌定位的一個難點。為了提高定位的準確率和提高識別速度，一般的車牌識別系統都會設計一個外部接口，讓用戶自己根據現場環境設置不同的識別區域。
4.車牌校正
由于受拍攝角度、鏡頭等因素的影響，圖像中的車牌存在水平傾斜、垂直傾斜或梯形畸變等變形，這給后續的識別處理帶來了困難。如果在定位到車牌后先進行車牌校正處理，這樣做有利于去除車牌邊框等噪聲，更有利于字符識別。目前常用校正方法有：Hough變換法，通過檢測車牌上下、左右邊框直線來計算傾斜角度;旋轉投影法，通過按不同角度將圖像在水平軸上進行垂直投影，其投影值為0的點數之和最大時的角度即為垂直傾斜角度，水平角度的計算方法與其相似;主成分分析法，根據車牌背景與字符交界處的顏色具有固定搭配這一特征、求出顏色對特征點的主成分方向即為車牌的水平傾斜角度;方差最小法，根據字符在垂直方向投影點的坐標方差最小導出垂直傾斜角的閉合表達式，從而確定垂直傾斜角度;透視變換，利用檢測到的車牌的四個頂點經過相關矩陣變換后實現車牌的畸變校正。
5.字符分割
定位出車牌區域后，由于并不知道車牌中總共有幾個字符、字符間的位置關系、每個字符的寬高等信息，所以，為了保證車牌類型匹配和字符識別正確，字符分割是必不可少的一步。字符分割的主要思路是，基于車牌的二值化結果或邊緣提取結果，利用字符的結構特征、字符間的相似性、字符間間隔等信息，一方面把單個字符分別提取出來，也包括粘連和斷裂字符等特殊情況的處理;另一方面把寬、高相似的字符歸為一類從而去除車牌邊框以及一些小的噪聲。一般采用的算法有：連通域分析、投影分析，字符聚類和模板匹配等。污損車牌和光照不均造成的模糊車牌仍是字符分割算法所面對的挑戰，有待更好的算法出現并解決以上問題。
6.字符識別
對分割后的字符的灰度圖像進行歸一化處理，特征提取，然后經過機器學習或與字符數據庫模板進行匹配，最后選取匹配度最高的結果作為識別結果。目前比較流行的字符識別算法有：模板匹配法、人工神經網絡法、支持向量機法和Adaboost分類法等。模板匹配法的優點是識別速度快、方法簡單，缺點是對斷裂、污損等情況的處理有一些困難;人工神經網絡法學習能力強、適應性強、分類能力強但比較耗時;支持向量機法對于未見過的測試樣本具有更好的識別能力且需要較少的訓練樣本;Adaboost分類法能側重于比較重要的訓練數據，識別速度快、實時性較高。我國車牌由漢字、英文字母和阿拉伯數字3種字符組成，且具有統一的樣式，這也是識別過程的方便之處。但由于車牌很容易受外在環境的影響，出現模糊、斷裂、污損字符的情況，如何提高這類字符和易混淆字符的識別率，也是字符識別的難點之一。易混淆字符包括：0與D、0與Q、2與Z、8與B、5與S、6與G、4與A等。
7.車牌結果輸出
將車牌識別結果以文本格式輸出，包括車牌號，車牌顏色，車牌類型等。
迪蒙人工智能共享停車解決方案包括智慧路內停車、智慧停車場、立體停車庫、共享停車、新能源充電樁等子系統。作為一款真正實現“無感出入、無感支付、無人值守”的城市級智慧停車解決方案，該方案以“高位視頻+掌停車APP+AI停車管理云平臺”為框架，一套高位視頻設備可管理8-12個車位，車牌識別率高達99.99%，可自動儲存用戶路內停車視頻和圖像記錄，為處理違章停車，追繳逃費、漏費提供了完整的證據鏈，解決了傳統停車管理效率低、依賴人工、操作繁瑣、用戶體驗感差等問題。此外，迪蒙人工智能共享停車以路內停車為支點，可將路內路外停車資源徹底打通，全面鏈接城市公交出行系統、交通指揮系統、公安監控系統、交警執法系統，實現城市一個平臺、一張網、一體化、智慧化停車管理和平臺共享、車位共享、數據共享，徹底顛覆傳統停車管理模式。
