摘 要
车牌识别系统作为智能交通系统的重要组成部分，在交通监视和控制中占有很重要的地位，已成为现代交通工程领域中研究的重点和热点之一。车牌识别技术综合了图形处理、计算机视觉、模式识别的技术以及人工智能等多科学知识，目的在于无需为车辆加装其他特殊装置的情况下对车辆进行自动监控，从而给交通系统的自动化管理提供便捷。
本论文首先阐述了车牌识别系统的发展、现状以及整体构建，然后介绍了Qt平台以及OpenCV跨平台视觉库的发展状况，并对如何在汽车上牌照Win7下配置OpenCV的Qt开发环境做出了介绍。本文重点讨论了图像的定位、字符分割和字符识别的原理与实现，最后对系统进行了整体的测试，并提出进一步开发设想。
关键词
图像定位；字符分割；字符识别；
Abstract
License Plate Recognition System plays an important role in traffic surveillance and control as an important part of the intelligent transportation system, has become the focus and hotspot of  research in the field of modern traffic engineering. License Plate Recognition technology combines scientific technologies such as image processing, computer vision, pattern recognition and artificial intelligence, the aim is to automatically control the vehicle without the need to install other special equipments, and thus to provide automated traffic management system convenience.
    This thesis describes the development of license plate recognition system, the present situation and the overall build in the first, then introduces the development of  Qt platform and cross-platform visual OpenCV library, and makes a presentation of how to configure the OpenCV under Win7 Qt development environment. This article focuses on the principles and implementation of image positioning, character segmentation and character recognition. Finally, this thesis tests the whole system, and proposes ideas of further development.
Key words
Image Positioning; Character Segmentation; Character Recognition;
前言
随着现在经济的发展和城市进程加快，汽车数量迅速增长，交通拥挤，交通事故等问题已经成为世界各国面临的共同难题，每个国家都毫无例外地承受着不断加剧的交通问题的困扰。全球对交通运输提出了更大更高的要求，智能交通系统是世界各国解决交通拥挤的问题的关键措施，是规范智能交通系统发展的重要手段，其使人、车、路密切地配合，和谐地统一，
极大提高交通运输效率、保障交通安全、改善环境质量和提高能源利用率。
汽车车牌识别技术是计算机视觉和模式识别技术在现代智能交通系统中的一项重要研究课题，是实现交通管理智能化的重要环节。车牌识别系统是以数字图像处理、模式识别、计算机视觉等技术为基础的智能识别系统，它利用每一个汽车都有唯一的车牌号码，通过摄像机所拍摄的车辆图像进行车牌号码识别。在不影响汽车运行的状态下，计算机自动完成车牌的识别，可降低交通管理工作的复杂程度。
1 课题概述
1.1 课题研究的意义与背景
近几年来，随着车辆在普通民众生活中的普及，城市交通的压力越来越成为影响人们出行方便的一大障碍，同时越来越重的城市交通压力也使越有的交通管理系统不再满足需求，于是人们利用各种先进的科学技术研制出各种交通道路，车辆的管理系统，逐步发展到如今较为全面的，包括交通管理多个方面的智能交通系统（Intelligent  Transportation  System，ITS）。而在整个智能交通系统中，车牌识别（License  Plate  Recognition，LPR）更是其中的一项关键所在。
车牌识别技术是融合了图像处理、计算机视觉、模式识别技术和人工智能等多科学知识在内的在交通领域的重要研究课题之一，是实现交通管理能够智能化的重要环节和手段，其任务是分析、处理汽车图像，自动识别车牌号，并进行相关智能化数据库管理。车牌识别系统可以广泛应用于电子收费、出入控制、公路流量监控、失窃车辆查询和停车场车辆管理等需要车牌认证的场合；特别是在高速公路收费系统中，实现不停车收费提高公路系统的运行效率，车牌识别系统更具有不可替代的作用。因而从事车牌识别技术的研究具有极其重要的现实意义和巨大的经济价值。
在现代社会，随着计算机技术、通信技术和计算机网络技术的发展，自动化的信息处理能力和水平不断提高，并在人们社会活动和生活的各个领域得到广泛的应用，人们正在逐步进入信息时代。在此情况下，作为信息来源的自动检测、图像识别技术越来越受到人们的重视。作为现代社会的主要交通工具之一的汽车，在人们的生产、生活的各个领域得到大量的使用，对它的信息自动采集和管理在交通车辆管理、园区车辆管理、停车场管理等方面有十分重要的意义，成为信息处理技术的一项重要课题。
1.2 国内车牌特征与规格
    我国机动车辆使用的号牌是按照GA36-2007《中华人民共和国机动车号牌》标准设计，按照标准GA36-2007规定，机动车前面牌照的长度是44cm，宽度是14cm，共有7个字符，车牌上的字符的高度是90mm,宽度是45mm，分隔符“.”的直径是10mm，字符与字符之间、字符与分隔符“.”之间的标准距离是12mm，但是，由于字符的形状是不一样的，有些字符没有占据整个矩形空间的宽度，这就导致车牌上部分字符之间的距离大于12mm。其中，民用汽车牌照上有省、直辖市、自治区的简称和发证照及监督机关的代号，代号是英文大写字母。后面是一个五位数的汽车牌号，从00001~99999。当编号超过10万时，就由A、B、C等英文字母代替。
机动的颜特征是：
(1)大型民用汽车使用的是黄底黑字车牌
(2)小型民用汽车使用的是蓝底白字车牌
(3)试车和临时牌使用的是白底红字车牌
(4)军队或武警专用汽车使用的是白底红字、黑字车牌
(5)领使馆外籍汽车使用的是黑底白字车牌
我国车牌规格如图1-1所示：
图1-1 车牌规格图
我国车牌实例如图1-2所示：
图1-2 车牌规格图
1.3 国内外研究现状
车牌自动识别技术的研究国外起步地较早。早在20世纪80年代，便有一些零零散散的图像处理方法用于车牌自动识别的某些具体应用。在这个阶段，车牌自动识别技术的研究还没有形成完整的系统体系，一般采用简单的图像处理方法来解决某些具体问题，并且最终结果通常需要人工干预。 
进入20世纪90年代后，车牌自动识别的系统化研究开始起步。典型的如A.S.Johnson等提出的自动识别系统分图像分割（Image Segment）、特征提取（Feature Extraction）和模板构造（Template Formation）、字符识别（CharacterRecognition）等三个部分，完成车牌的自动识别。R.A.Lotufo使用视觉字符识别技术（Optical Character Recognition Technology）分析所获得的图像，首先在二值化图像中到车牌，然后用边界跟踪技术提取字符特征，再利用统计最邻近分类器（Statistical Nearest Neighbor Classifying System）与字符库中的字符比较，得出一个或几个车牌候选号码，再对这些号码进行核实检查，确定是否为该车牌号码，最终确定车牌号码。这个时期的应用在识别正确率方面有所突破，但还没有考虑识别实时性的要求，识别速度有待进一步提高。 
由于我国的车牌格式和国外有较大的差异，所以对于国外的车牌识别系统的研究技术，我们只能进行参考，不能进行直接应用。虽然我国车牌的识别需要识别汉字，但是对于英文字母和数字的识别，我们可以借鉴国外的研究技术。 
从80年代中期开始，ARGUS英国Alphatech公司就开始了名为RAUS的车牌自动识别系统的
研制。ARGUS的车牌识别系统的识别时间约为100毫秒，通过ARGUS的车速可高达每小时100英里。还有Hi-Tech公司的See/Car system，新加坡Optasia公司的VLPRS等。另外日本、加拿大、德国等发达国家都有适用于本国的车牌识别系统。 
国内在90年代也开始了自己的车牌识别系统的研究。目前比较成熟的产品有中科院自动化研究所汉王公司的汉王眼，香港亚洲视觉科技有限公司的慧光车牌号码识别系统等等。另外西安交通大学的图像处理和识别实验室、上海交通大学的计算机科学和工程系、清华大学人工智能国家重点实验室、浙江大学自动化系等都做过类似的研究。