自然环境下,汽车图像背景复杂、光照不均匀,如何在自然背景中准确地确定牌照区域是整个识别过程的关键。对采集到的视频图像进行大范围相关搜索,找到符合汽车牌照特征的若干区域作为候选区,然后对这些侯选区域做进一步分析、评判,后选定一个佳的区域作为牌照区域,并将其从图象中分割出来。
完成牌照区域的定位后,再将牌照区域分割成单个字符,然后进行识别。字符分割一般采用垂直投影法。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部小值的附近,并且这个位置应满足牌照的字符书写格式、字符、尺寸限制和一些其他条件。利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果。
字符识别方法目前主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法将分割后的字符二值化,并将其尺寸大小缩放为字符数据库中模板的大小,然后与所有的模板进行匹配,后选佳匹配作为结果。基于人工神经元网络的算法有两种:一种是先对待识别字符进行特征提取,然后用所获得特征来训练神经网络分配器;另一种方法是直接把待处理图像输入网络,由网络自动实现特征提取直至识别出结果。
红外光路线是指利用车牌反光和红外光的光学特性,用红外摄像机采集车辆灰度图像,由于红外特性,车辆图像上几乎只能看见车牌,然后用黑白图像处理方法识别车牌。950nm的红外照明装置可抓拍到很好的反光车牌照图像。因红外光是不可见光,它不会对驾驶员产生视觉影响。另外,红外照明装置提供的是不变的光,所抓拍的图像都是一样的,不论是在一天中明亮的时候,还是在一天中暗的时候。的例外是在白天,有时会看到一些牌照周围的细节,这是因为晴朗天气时太阳光的外光波的影响。采用红外灯的缺点就是所捕获的车牌照图像不是彩色的,不能获取整车图像,并且严重依赖车牌反光材料。
识别速度决定了一个车牌识别系统是否能够满足实时实际应用的要求。一个识别率很高的系统,如果需要几秒钟,甚至几分钟才能识别出结果,那么这个系统就会因为满足不了实际应用中的实时要求而毫无实用意义。例如,在高速公路收费中车牌识别应用的作用之一是减少通行时间,速度是这一类应用里减少通行时间、避免车道堵车的有力保障。
交通监管部门每天都要处理大量的违章车辆图片,一般由人工辨识车牌号码再输入管理系统,这种方式工作量大、容易疲劳误判。采用自动识别可以减少工作强度能够大幅度提高处理速度和效率。这种功能可用于电子警察系统、道路监控系统等。