论文部分内容阅读
智能交通系统是建立在计算机技术,通讯技术,电子工程技术基础上的自动化交通管理系统,它为国家交通管理,交通资源利用,交通行业的进步带来巨大的改进作用。车牌定位与识别系统是智能交通系统的核心系统,它建立在计算机图像处理与分析技术,模式识别技术基础上,提供了智能交通系统中最为核心和最为重要的功能。它主要实现车辆牌照的自动定位和牌照号码的识别功能。并在此核心功能的基础上,提供各种交通管理和交通服务功能。本文将在基于实时视频数据流条件下,研究车牌定位和识别算法,以适应真实环境下的需求。在基于实时视频数据流的车牌识别系统中,车牌定位识别过程实时性要求高,准确率受到运动模糊,光线,阴影等环境影响很大。文中针对视频流数据进行研究,提出一种高效的特征定位算法,通过有效的图像预处理提车牌区域字符轮廓结构特征和车牌字符的水平穿越点信息统计特征,并根据以上特征进行定位。通过设置视频检测窗口加速处理过程,然后经过图像预处理与数学形态学操作,根据车牌区域图像轮廓变化特征,进行车牌的精确定位。该方法速度快,能很好的克服运动模糊,环境的影响,鲁棒性强,定位准确率达到了92%以上,平均定位时间花费低于40ms,取得良好效果。本文通过投影分析和连通域分析,对车牌字符进行分割,并对分割字符进行规格化。通过对传统模板匹配算法研究,本文提出一种基于像素压缩的快速模板匹配算法,该算法根据图像灰度和结构特征提取基于像素压缩的模板,然后利用压缩模板进行匹配识别,通过有效提取特征,大大缩小模板运算量,极大地提高模版匹配速度,实验表明,该算法对字母和数字识别效果非常好,字母和数字识别准确率达到96%,但是对汉字的识别效果不佳,只有79%左右,尚需改进,单个车牌识别平均时间5ms。综上,在实时视频环境下,本文提出的基于字符穿越点信息统计特征的车牌定位算法和基于像素压缩的模板匹配算法,效果良好,整个系统处理流程耗时小于55ms,完全符合实时视频环境下的需求。