论文部分内容阅读
车辆细节特的征检测与识别是智能交通系统的重要内容,其中车牌作为车辆最为关键的特征,其检测和识别有巨大的实用价值。尽管已经有许多成熟的车牌识别系统面世,但大多数产品只能在特定场景下才能取得较好的识别效果,在大角度、光照不均匀、雨、雪、雾等复杂环境下仍然存车牌定位率和识别率较低的问题。本文主要解决大角度环境下车辆牌照识别所遇到的一系列难题。具体的研究内容如下：(1)在车辆牌照定位阶段,本文利用两级定位算法。在粗定位阶段,分别使用垂直边缘和颜色两种特征获取候选车辆牌照区域,对比了霍夫变换与仿射变换对倾斜和偏斜图像的校正效果,最终选用仿射变换校正存在倾斜和偏斜的车辆牌照图像；在精定位阶段,利用候选车牌图像的投影特征和支持向量机二类分类算法对候选车牌图像进行两次判别,准确获取真实的车牌图像。实验表明,本文的车牌定位方法在大角度环境下的定位率为0.9074,在门禁卡口场景下的定位率为0.9462,在高速公路场景下的定位率为0.9500,对随手拍摄图像的定位率为0.9595。(2)在车牌字符分割阶段,本文采用基于轮廓和汉字重建的方法,解决了汉字字符难以完整分割的问题,准确而完整地分割出了所有车牌字符。实验表明,本文使用的字符分割方法其准确率超过98%。(3)在车牌字符识别阶段,本文对比了后向传播神经网络和支持向量机在多种特征下的分类情况,最终联合使用方向梯度直方图特征和支持向量机多类分类算法,获得了良好的识别结果。实验表明,本文的识别方法在大角度环境下的完全识别率为0.9184,在门禁卡口场景下的完全识别率为0.9765,在高速公路场景下的完全识别率为0.9474,对随手拍摄图像的完全识别率为0.8795。(4)最后,本文利用opencv和VS2012完成了自主设计的车辆牌照识别软件。该软件系统引入多线程处理方法,确保软件系统在处理多幅图像或者视频文件时仍然保持活动状态。本文采用的方法能够有效地解决大角度环境下车牌定位率与字符识别率低的难题,同时对门禁卡口、高速公路等环境下拍摄的图像能够达到较高的定位率和识别率。因此,本文采用的方法具有一定的实用价值。