车牌识别英文文献2翻译

2021年2月28日发(作者：july是什么意思)

实时车辆的车牌识别系统

摘要

本文中阐述的是一个简炼的用于 车牌识别系统的算法。基于模式匹配，该算法可以应用

于对车牌实时检测数据采集，测绘 或一些特定应用目的。拟议的系统原型已经使用

C++

和实

验结果已证明认可阿尔伯塔车牌。

1.

介绍

车辆的车牌识别系统已经成为在视频监控领域中一个特殊的热门领域超过

10

年左右。

随着先进的用于交通管理应用的视频车辆 检测系统的的到来，

车牌识别系统被发现可以适合

用在相当多的 领域内，

并非只是控制访问点或收费停车场。

现在它可以被集成 到视频车辆检

测系统，

该系统通常安装在需要的地方用于十字路 口控制，

交通监控等，

以确定该车辆是否

违反交通法规或找到被盗车辆。一些用于识别车牌的技术到目前为止有如

BAM

（双向联想回

忆）神经网络字符识别

[1]< /p>

，模式匹配

[2]

等技术。应用于系统的 技术是基于模式匹配，该系

统快速，

准确足以在相应的请求时间 内完成，

更重要的是在于阿尔伯塔车牌识别在字母和数

字方位确 认上的优先发展。

由于车牌号码的字体和方位因国家

/

州

/

省份的不同而不同，

该算

法需要作相应的修改保持其结构完整，如果我们想请求系统识别这些地方的车牌。

本文其余部分的组织如下：第

2

节探讨了在识别过程中涉及的系统的结构和步骤，第

3

节解释了算法对于车牌号码的实时检测，

第

4

节为实验结果，

第

5

节总结了全文包括致谢和

参考文献。

2.

系统架构

系统将被用来作为十字路口 的交通视频监控摄像系统一个组成部分来进行分析。图

1

显示了 卡尔加里一个典型的交叉口。

只有一个车牌用在艾伯塔，

连接到 背面的车辆照相机将

被用于跟踪此背面车牌。

图

1

卡尔加里一个的典型交叉口

系统架构 包含三个相异部分：

室外部分，

室内部分和通信链路。

室外部分是安装摄像头

在拍摄图像的不同需要的路口。室内部分是中央控 制站，从所有这些安装摄像头中，接收，

存储和分析所拍摄图像。通信链路就是高速电缆 或光纤连接到所有这些相机中央控制站。

几乎所有的算法的开 发程度迄今按以下类似的步骤进行。

一般的

7

< br>个处理步骤已被确定

为所有号牌识别算法

[3]

共有。它们是：

触发：

这可能是硬件或软件触发。

硬件触发是旧的方式，

即 感应圈用于触发和这个表述

了图像通过检测车牌的存在何时应该被捕获。

硬件触发现在在操作上在许多地方被软件触发

取代。在软件触发，图像分为区， 通过图像对于分析的车辆的检测的执行。

图像采集：硬件或软 件触发启动图像捕捉设备来捕捉和存储图像来进一步的分析。

车辆的存在：

这一步是只需要如果在确认一定时间间隔后触发完成不需要知道车辆存在< /p>

于捕获的图像中。

这一步背景图像与捕获的图片作比较，

并检测是否有任何重大改变。

如果

没有，拍摄的 图像被忽略，否则进入到下一个步骤。

寻找车牌：

< p>
此步骤是在捕获的图像中定位车牌。

一些技术的可用于这一步，

< p>
例如颜色检

测

[4]

，特 征分析

[5]

，边缘检测

[6]

等。在捕获的图像中的任何倾斜是纠正在这一步。一旦

车牌已被定位， 图像即准备进行字符识别。

字符分割：

分割可以通过检测浓到淡或者淡到浓的过渡层。

车牌中的每个灰色字符产生

< p>
了一个灰色带。因此，通过检测类似灰度带每个字符可以被分割出来。

< /p>

识别过程：

这是光学字符识别的一步。

一 些技术可以被用于到这一步包括模式匹配

[2]

，

特征匹配

[7][8]

和神经网络分类

[9]

。

发布过程：

这是应用程序的特有的一步。

根据应用此步骤可保存已被检测出来的 车牌用

于交通数据收集，

尝试匹配号牌与被盗车辆数据库或在停 车场中为认可停车的车辆打开汽车

门等等。

3.

算法

该算法用于在处理捕获的图像和车牌检测后的车牌字符识别。

基 于模式匹配，

系统沿用

了一个智能算法用于艾伯塔车牌字母和数 字的识别。

图

2

显示了一个艾伯塔省车 牌样本其中

包含三个字母，

3

个数字和 破折号在内。

所以通过基本的字符确认方法，

模糊的字符比如有 ：

数字

'0'

和字母

< br>'O'

，数字

'8'

和字母

'B

已被解决。

此外，

由于前三个字符是字母，

所以只需与

A-Z

这一段的字母作比较比较。

类似的，在

最后三个字符，它门只需与

0-9

这一段数字作比较 。

图

2.

阿尔伯塔省的车牌

首先字符识别问题 是要找出字符的印刷区域。

这一区域通常是垂直和水平居中的。

因此，

通过采取颜色的浓度，

我们可以得到字符垂直的顶部和底 部。

一旦图像中字符的顶部和底部

位置被找到，

该区域可以从生成的图像中分割出来，

生成图

3

一样的图像。

这个图像现在为

字符分割和识别 作准备。

图

3.

分割的图像只包含字符作进一步处理

字符分割可通过横向颜色的浓度来进行。

为了模式匹配有效地进行，

需要在车牌上找到

一个与之相匹配的字体。

Arial

字体在阿尔伯塔省的车牌字符识别用起来相当好。在用到这

种字体时 一个库首先被建立起来。这个库包含直方图字母

AZ

和数字

0-9

。

15

个不 同的直方

图已为了库生成各自相应的字符。

它们是：

< p>
水平直方图对应的

（

1

）

全尺寸，

（

2

）

下半部分，

（

3

）上半部分，（

4

）下部三分之一，（

5

）上部三分之一，（

6

）下部四 分之一，（

7

）上

部四分之一，

（

8

）

上部的三分之 二的字符和垂直直方图对应的

（

9

）< /p>

全尺寸，

（

10

）

左半部，

（

11

）右半部，

（

12

）左边三分之一 ，

（

13

）右边三分之一，

< p>
（

14

）左边四分之一以及（

15

）

右边四分之一的字符。

< /p>

识别的流程图已在图

4

中给出。如图所示 ，

3

段在每次用于识别以及库在每次被调用时

< br>取决于这‘三段’是否被采用。

如果

3

< br>段设定被检测的为字母，

'

字母

'

库将被调用来进行比

较，

否则就是< /p>

'

数

'

库被调用 来进行比较。

有

15

个不同的直方图每 个字母的排序为

A-Z

在

‘字

母

'

库中与

15

位不同的直方图每个字符排序为从

0-9

在< /p>

‘数字’

中。

图

4

中所示的算法要运

行两次，将‘三段’设置各自运行一次，为 了完整地识别车牌。

i

在流程图中迭代算子。

< br>s

和

p

是匹配的参数。