浅析车牌识别系统之图像识别

　　算法

　　目前车牌识别系统的软硬件相对而言都较为成熟，其中图像识别的过程虽然根据各个厂家的研发能力与侧重点有所不同，但其大致过程可总结为如下五个步骤：

　　· 图像的预处理：对采集到的图片的背景以及噪声进行处理，方便后续工作;

　　· 车牌定位：通过形态学滤波等方式，使车牌区域连通，并根据车牌的先验知识，对联通区域进行筛选;

　　· 车牌校正：捕捉到的车牌可能跟摄像头存在角度差，用相应算法进行变换校正;

　　· 车牌分割：对车牌进行投影分析的时候，根据车牌字符之间的宽度使之分割成一个个字符;

　　· 字符识别：模板匹配，对分割来的字符进行归一化，与标准字库里的字符进行逐一比较识别。

　　“近年来出现了一些较新的识别算法与技术，如扩展小波分析、Fractal、Morphology、Retinex、超分辨率以及遗传和神经网络算法等。其中Fractal算法广泛用于图形/图像处理和纹理分析，将杂乱无章随意性很强的事物以数学的方法加以规范和描述，在分析和描绘自然现象上有独到之处。Retinex是基于人类视觉系统的图像增强理论，可以在动态范围压缩、边缘增强和颜色恒常三个方面达到平衡，具有很广的应用前景。而超分辨率算法，可以以人为的方式模拟地恢复出图像获取过程中丧失的一些信息，使数字图像能够还原为原始信息。这些算法和理论在未来图像处理技术发展的道路上都可能产生很大的影响。”大华产品经理朱克玉对于近年来出现的算法做了如上归纳。

　　而杭州中威电子股份有限公司工程师陈芝斌则进一步补充了国外的相关进展：“YuniaoCul提出了一种车牌识别系统，在车牌定位以后，利用马尔科夫场对车牌特征进行提取和二值化，对样本的识别达到了较高的识别率。EunRyung等利用图像中的颜色分量，对车辆牌照进行定位识别，其中提到了三种方法：以Hough变换为基础的边缘检测定位识别;以灰度值变换为基础的识别算法;以HLS彩色模式为基础的车牌识别系统，它们的识别率分别为81.25%、85%、91.25%。”

　　架构

　　算法优劣决定了最终的图像识别效果，但是用户通常都只需接触成熟的图像识别软件或说模块，能做的选择或很少。相对而言，更该考虑的是如何根据自身需求选择合适的架构模式：

　　1、外围

　　通俗来说即图像识别模块安装或集成在前端，优点是处理器可直接对未经压缩保留了所有信息的原始视频流或图片进行识别。此方式在一定程度上提升了识别率，且由于无需经过网络传输，其具有较好的实时性。卡口系统要求必须集成在前端，以免造成重要识别结果的延迟。此方式还可进一步细分：

　　· 一体化识别摄像机模式，亦即直接把识别模块、抓拍控制和车辆检测、照明控制集成在摄像机内部，优点是可以简化系统结构，安装调试相对比较简洁，但是相应地对识别模块和抓拍控制的DSP芯片的处理能力、算法等提出了较高的要求。另一方面其采用SD卡进行暂存，容量小且在紧急状况时可能存在安全隐患。此类型车牌识别方式以海康、大华为代表;

　　· 嵌入式主机+摄像机模式，识别模块、抓拍控制和车辆检测、照明控制都集成在专门的工控机内，其环境适应性好，拥有更丰富的硬件资源，信息存储容量与安全性能都更好，故此目前行业应用得也比较多，代表厂商如博康。

　　2、内场

　　图像识别模块集成在后端控制中心等处，原始图片或视频流压缩后经过网络传输到后端进行识别，具有一定的延迟性，但该类方式，基于强大的计算机处理能力，故辨识精度和速度都要高，一套系统能识别多台摄像机图像。其维护较为方便，但辨识率受制于视频流压缩，且存在网络延迟的问题。