基于matlab的汽车牌识别与语音播报
作者姓名:龙芸    指导老师:谢绍国
摘要:为了方便管理汽车,车牌识别系统应运而生。本文主要研究了基于matlab的汽车牌照识别与语音播报系统,首先介绍了该系统的关键技术及原理,然后重点分析了车牌的识别与播报,最后进行了仿真实验。从结果来看,仿真实验很好的实现了基于matlab的汽车牌照识别与语音播报。
关键词:Roberts边缘检测算子,彩分割法,均值滤波法,模板匹配法
1  绪论
1.1研究背景
随着时代的进步,我国公路交通事业也不断发展,车辆的数量正在快速增长。车辆给我们出行带来巨大的便利,问题也随之而来,如何管理车辆成为目前的一大难题。我们需要提高车辆的管理效率来缓解交通压力。我们也能非常明显地看出,原来人工管理的方式是没有办法满足我
们当下的需求。我们正处于信息时代,图像识别技术越来越成熟,计算机技术飞速发展,会不会为传统的人工管理带来一些改变呢?计算机可以长时间只做一件事而不疲倦,同时它的精确度也是相当可靠的,在这样的前提下汽车牌照自动识别系统就这样应运而出。
1.2研究现状
1.2.1国内外的发展情况
中外文化有很大的差异,从车牌上我们也能到些蛛丝马迹,它们是有一些区别的。且相对国外来说,中国对车牌识别的研究时间还是较短的,综上所述外国的算法研究对于中国来说只具有参考作用。其在中国的应用效果虽然不能达到最佳的应用效果,但其识别系统中的各种思想和算法可以给我国研究带来一些启发。在中国有非常多的学者从事该方面的研究,他们也提出了非常多的算法,不但想法新颖大胆而且也符合我国的实际情况[1]
欧美的发达国家很早就开始研究这方面的技术了,因此他们的技术会比我国成熟很多。早在20纪80年代,便有一些零散的图像处理技术应用于这方面。刚开始时,车牌识别还只是零散的技术,仅仅是采用简单的图像处理来解决问题,最终的结果差强人意,还不如人工处理的结果。
但是20世纪90年代以后,我们的研究才有了质的飞跃。有学者提出了新的研究方向,也就是车牌自动识别。大概分为图像的分割、提取特征与构造模板、字符识别三个方面来进行车牌自动识别。后来陆续有人提出更好的想法,进一步推动车牌识别技术的发展。
21世纪的今天车牌识别系统的应用更加广泛,在我们日常生活中也是越来越常见,越来越离不开。
1.2.2车牌识别技术的应用领域及运用情况
车牌识别这一技术能在一幅包含车辆的图像中精准的出车牌所在位置,将字符一个个分开和自动识别,从而进行车牌自动识别,方便我们的生活。那么车牌识别技术在生活中有哪些应用呢?具体又运用在什么地方呢?
目前车牌识别技术主要运用于以下四大领域:
(1)“电子警察”:进行交通流量统计,方便交通检测以及及时疏通,同时还可对违章车辆进行责任追究。
(2)小区的停车场及出入口:利用车牌识别系统对出入车辆进行辩别和匹配,从而实现对其管理。还会和停车场的停车卡结合使用,完成计时、收费等一系列非人工行为。而在小区中也能通过对比车辆表实现自动防盗监控管理[2]
(3)公路关卡路口:车牌识别是车辆违反交通法规,实施处分的主要证据,对视频中出现的车辆进行自动辨别,为盗取车辆、违法取得的车辆等提供重要的线索,以此来抓获不法分子。
(4)高速公路:它能将车牌识别技术与相关产业结合,二十四小时监测高速路况,有问题及时发出警报通知相关人员,保证高速公路行驶的流畅。
1.2.3未来的发展趋势
当下,我们的社会已经迈入了快速发展的行列,汽车的数量增长的愈加快速,汽车牌照识别技术也需要越来越完善,那么运用也会愈加广泛。
1.3研究目的及内容
车牌识别系统的研究目的是为了方便管理汽车,车牌识别技术是一项计算机技术,是使用计算机达到车牌识别目的的技术。这项技术可以从一幅汽车图片中获取车牌的图片、再对其进行字符分割、最后用分割出来的单个字符与图库里的字符进行辨别。该技术由软件和硬件组成,本文主要研究的是软件部分,汽车牌照应用到的核心技术有:车牌定位、字符分离、字符匹配技术[3]
车牌识别技术目前在交通监测控制和交通治理系统中占主要地位。同时在其它相关联的领域中也有很重要的应用,所以汽车牌照识别技术就目前而言是非常有研究意义的[4]
2  汽车牌照识别的关键技术及原理
2.1汽车牌照识别的原理概述
汽车牌照识别技术的完整流程是从图片的收集到最后字符识别,输出结果[5]。本文主要从软件方面进行叙述,不涉及硬件方面。基本结构如图1所示:
1 车牌识别系统基本结构框图
汽车牌照安装(1)图像预处理:对图像进行二值转换、噪声滤波、边缘增强、对比度调整等。
(2)字符分割:对车牌图像进行几何校正、灰度化、二值化、去噪等处理后,确定车牌图片对应的字符区域,进行字符分割。
(3)字符识别:对分割出来的字符进行预处理然后分析提取其特征并与模板进行匹配,最后将识别结果输出。
2.2汽车牌照识别的关键技术介绍
2.2.1定位技术
汽车图片定位技术在整个汽车牌照识别技术中是第一步,处于重要地位,是后面的基础,它的准确性决定着后续环节。汽车牌照识别技术中的定位技术融合了我国车牌的一些关键特点,适合于可能出现的各种始料不及的汽车牌照图片。
2.2.2字符分割技术
字符切割技术是难以控制的一项技术,它必须要到关键特征才能切割。车牌切割就应用了车牌上文字的某些特点,如颜的不同、边缘点像素的变化等,都能很好的减少车牌四周的噪声,从而确定车牌中的字符区域,再根据字符尺寸进行字符切割。
2.2.3字符识别技术
本文字符识别使用的是字符匹配法。将字符一个一个分开后,再进行一系列的处理,出每个字符的关键之处,与字符库里的模板辨认分配,出对应字符。
3  汽车牌照识别及语音播报实现
3.1图像预处理
车牌的分割和识别受原始图片的影响,有的可能难以分割和识别。原始图像的画质受拍照时的光照、车牌表面的状况和车辆的速度等原因影响,会使图像出现不清晰、不完整等情况,导致车牌的分割与识别不顺利,因而在分割之前我们就尽量让图片符合我们的处理要求,对其进行提前的处理。
3.1.1图像灰度化
图像灰度化是将图片由彩变成灰。原始图像如图2-1所示,原始图像一般是彩图像,这些图像中的任意一个像素点它的颜构成分别是RGB,每个分量都可以取255种值,当三个分量值相等时就得到了灰度图像。灰度图像如图2-2所示,灰度图像是黑白的,但点与点之间黑的程度是不同的,说明它们的取值各不相同[6]
     
2-1原始图像                                图2-2灰度图像
2  车牌原始图像和灰度图像
3.1.2图像的边缘检测
假如将边缘认为是一定的数量点发生变化的地方,边缘检测可以看成是计算这个地方亮度变化的导数[7]。用相机捕捉到的汽车画面可能遭到噪声的扰乱或者汽车本身也产生一些影响,
让我们捕捉到的图像不符合我们的要求,像素不过关。所以在到车牌照片中车牌所在区域及对所在区域的车牌字符分割匹配之前要先对车辆图片进行检测,出它的边缘区域,从而提高图像处理的质量,使后续分割车牌和字符匹配流程更加顺利。使用好的边缘检测能极大的控制住噪声使之保持在我们能接受的范围、抽离出杂乱情况下的车辆图像、保存清晰的字符信息,利于之后的车牌定位、车牌分割和字符识别。
图像的边缘查有许多办法,从大的方面可以看成为基于检索和基于零交叉这两种。基于检索图像边缘是通过计算图像的突变程度出图像的边缘,通过一阶导数计算得出。而基于零交叉查边缘则是通过二阶导数计算确定边缘的零交叉点,最终到图像边缘。
在我们收集汽车牌照图像时,摄像头的安装位置是固定不变的,我们查看过大量的数据,经过不断的分析比较,最后发现车牌所在的图片都包含在水平区域中,并且呈矩形分布。它们在图像中的位置变化是不大的,字符的排列方向都是按照水平方向的排列的。研究者们发现了这些与其他区域不同的特征,也就是能区分它们的关键之处,因此只要我们进行一些细微的变换,就能将一个完整清楚的车牌边缘图像展现在眼前。车牌边缘检测图像如图3所示,文章中是使用了Roberts算子检测图像边缘的。