《用于视频交通检测监控系统的车牌自动识别算.pdf》由会员分享，可在线阅读，更多相关《用于视频交通检测监控系统的车牌自动识别算.pdf（6页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第 35 卷 第 6 期河北工业大学学报2006 年 12 月Vol.35 No.6JOURNAL OF HEBEI UNIVERSITY OF TECHNOLOGYDecember 2006文章编号：1007-2373(2006)06-0082-06用于视频交通检测监控系统的车牌自动识别算法研究陈杨，杨兆选（天津大学 电子信息工程学院，天津 300072）摘要针对视频交通检测监控系统对车牌自动识别算法的要求，提出了基于 Hough 变换改进的几何失真矫正方法以及基于马尔可夫随机场模型和遗传算法的函数优化二值化算法 实验表明，采用这两项改进算法能够有效地提高车牌自动识别的正确率和识别速度，其功
2、能和技术指标满足视频交通信息检测监控系统的要求关键词车牌识别；几何失真矫正；二值化；BP 算法中图分类号U412.6文献标识码AStudy of Video Vehicle Etection and Monitoring Sywtem BasedAutomatic Vehicle License Plate Recognition AlgorithmCHEN Yang，YANG Zhao-xuan(Schoolof Electronic Information Engineering,Tianjin University,Tianjin 300072,China)AbstractThis pa
3、per studies the algorithm of Automatic License Plate Recognition(ALPR)applied in Video VehicleDetection and Monitoring System.To meet the systems requirement of accuracy and speed,an improved algorithm oforiental correction based on Hough Transform and a way of character segment based on Markov Rand
4、om Field(MRF)and Genetic Algorithm(GA)are presented.The results of experiments demonstrate that the accuracy and speed ofALPR are effectively improved whenthis algorithm is applied.Key wordsLicense Plate Recognition；orientation correction；binarization；BP algorithms0引言在智能交通领域，视频交通信息检测以其优越性占有重要的位置，其中的
5、关键技术之一是车牌的自动识别通常，车牌识别算法包括 3 个主要模块：牌照区域分割、字符分割和字符识别牌照区域分割和字符分割模块从车头图像中提取车牌字符，供字符识别模块获取车牌信息本文首先简介了算法应用系统的结构，然后分析了算法模块中影响车牌识别正确率的主要因素，提出了相应的改进算法，并完成了编程实现1视频交通检测监控系统的结构及其工作流程视频交通检测监控系统的硬件结构由图像采集设备、视频检测器、通信网和监控端服务器组成，如图 1车牌自动识别算法在监控端服务器上完成1图 1 中，用大区摄像机获取道路全景图像，抓拍摄像机获取车头近景图像视频检测卡根据道路全景图像完成车辆违章事件检测，包括闯红灯、超
6、速、逆行和违章停车当检测到违章事件时，视频检测卡产生抓拍控制信号，控制图像捕捉卡从抓拍摄像机获取违章车头图像 为了保证车头图像能清楚地看到车牌，一条道路需要安装多台抓拍摄像机，每台监视一条车道收稿日期：2006-05-16基金项目：天津市科学发展基金（033183311）作者简介：陈杨（1982-），女（汉族），硕士生83陈杨，等：用于视频交通检测监控系统的车牌自动识别算法研究第 6 期采集的违章车辆车头图像均为 232 288 像素，经工控机进行 JPEG 压缩后送往监控端监控端对车头图像进行解压缩、牌照识别，将获得的车辆信息和车辆违章现场图像一起上传给交管中心，用于违章处罚这种事后处罚的机
7、制对违章检测和车牌号识别的正确性提出了较高要求，同时也要求算法具有一定的实时性2牌照区域分割算法区域分割的目的是从车头图像中提取牌照图像，算法流程如图 2 所示选择具有较好噪声抑制特性的 Sobel 算子进行边缘检测并连接边缘像素小邻域内梯度算子响应强度和方向都相似的点，可以得到车辆图像的边缘图根据车牌区域的特点扫描边缘图纹理，可以对牌照区域粗定位2定位后的牌照图像会出现水平和垂直拉伸现象 出现这种几何失真主要是因为抓拍摄像机处在一定高度且水平方向不与车头正对，产生的原因很难避免，因此必需从算法上加以矫正几何失真矫正采用改进的 Hough 变换2.1 Hough 变换矫正几何失真的原理3设平面
8、坐标系,为原始图像空间，极坐标系,为变换空间，如图 3，是直线到原点的距离，是以水平轴为准的直线倾角 由直线在原始空间的斜截式方程可以推导出直线的极坐标方程：=cos+sin(1)由式(1)，,空间任一点0,0，在,空间可以表示为=0cos+0sin的形式所以,空间的一个点对应于,空间的一条正弦曲线，而,空间中同在一条直线上的点序列对应于,空间一簇相交图 1视频交通检测监控系统的结构框图Fig.1Structure of video vehicle detecting and monitoring system监 控 端服 务 器（图像识别单元）其他道口通信网（DDX，X,25,PSTN)交管
9、中心（显示，存储，查询，报警）通信网以太网工业控制计算机视频检测卡图像捕捉卡视频检测器 1视频检测器 2视频检测器大区摄像机抓拍摄像机 1抓拍摄像机图像采集设备图像采集设备图像采集设备图 2牌照区域分割算法流程图Fig.2Flowchart of algorithm for segmentation of license plate region图 3直线极坐标方程的几何解释Fig.3Geometrical explanation of the equationin line-polar coordinates systemminminmaxmax汽车灰度图汽车边缘图求得几个候选区牌照区域相
10、定 位几何失真矫正84河北工业大学学报第 35 卷于同一点的正弦曲线设交点为0,0，则0为原始空间中直线的倾角几何失真矫正的方法是根据 Hough 变换的原理求出车牌边框相对于水平轴的倾角，并据此角度旋转图像定义二维累加器将,空间量化为许多小格对车牌长边的每个点，将的量化值带入式(1)，算出，所得的值落在哪个小格内，与之对应的累加器就加 1所有点变换完毕以后，最大计数的小格对应的就是车牌的倾角求出的倾角与实际倾角的接近程度取决于的量化精度2.2 几何失真矫正算法的改进和编程实现Hough 变换对车牌边缘上的铆钉和噪声影响都不敏感，但运算量巨大实际求解时，倾角范围根据实际情况被限制在-20，20
11、，当量化精度选 0.1 时，直接计算次数为 2 20/0.1+1=401 次为了在不降低精度的前提下提高速度和减少内存空间需求，运算过程作了以下改进：数据结构中二分法搜索是不断将搜索的范围缩小，搜索时只在被缩小的范围内而不是在所有范围内查找，这样可以有效地降低计算量因此在求直线倾角的过程中，量化精度也可以分成两级，对最大计数的小格进行分级搜索第一级精度在-1，1,计算值的范围是-20，20，计算次数为 2 02/1+1=41 次；第二级精度在-0.1，0.1，值范围是-1，1，计算次数 21/0.1+1=21 次；两级一共计算 62 次使用分级搜索的方法以后，总计算次数比原来减少了 80%以上
12、，显著提高运行速度并降低了内存空间的需求，而算出的直线倾角精度不变由上可知，通过改进的 Hough 变换可以实现车牌几何失真的快速矫正但在算法的具体编程求解中还需解决如下问题2.2.1 部分车牌的严重弯曲问题在第一级精度下完成直线上所有点的变换后，检验二维数组的元素设数组中最大元素为max，若存在其他元素与max的差小于设定好的参数，说明车牌出现了比较严重的弯曲解决方法是以原曲线上的点为参数调用直线拟和函数，并重新回到第一级精度下计算2.2.2 非整数位置的像素灰度值计算问题将求出的直线倾角记为0设矫正前的图中任一点坐标为,，矫正后为,，则矫正前后的坐标关系如式(2)逐个计算,时，tg0可能为
13、非整数解决方法是调用双线性插值子函数求解=tg0(2)3字符分割算法字符分割处理的结果是归一化的单个数字、字母和汉字图像2，其算法流程如图 4 所示其中，二值化处理是将字符从背景中分割出来的主要手段，是字符分割处理的关键技术之一图 4字符分割算法流程Fig.4Flowchart of algorithm for characters segmentation车牌灰度图二值化字符精定位求点阵水平灰 度 图找出 7 个联 通 域字符位置大小归 一 化85陈杨，等：用于视频交通检测监控系统的车牌自动识别算法研究第 6 期对车辆牌照的二值化处理通常采用阈值法，例如全局阈值法和局部阈值法全局阈值法是对全
14、图使用相同的阈值它计算简单，但在实际应用中无法抵抗噪声和不均匀光照的影响局部阈值法对全局阈值法有很大改进，它由每个像素周围的局部灰度特性来各自确定自己的阈值其优点是受噪声、光照不均匀以及牌照污染等复杂情况的影响小，但同时会出现字符笔画断裂和“伪影现象”3，并需要保持场景低亮度自然条件下的车牌图像受到光线、噪声和车牌本身质量的影响，常会出现字符与背景灰度差异不明显，或灰度范围有重叠的情况上述阈值方法的缺陷是仅仅利用了图像的灰度信息，而忽略了图像的空间信息为此，设计了一种基于马尔可夫随机场(MRF)模型的函数优化二值化方法，采用遗传算法(GA)优化目标函数3.1 MRF 模型的建立马尔可夫随机场理
15、论是一种研究物理现象空间或时间相关性的概率理论，目前在图像处理领域有了广泛的应用根据该理论建立的模型可以通过单个像素及其邻域的局部交互，获得复杂的全局行为，因此将 MRF 模型应用于解决图像分割问题具有独特的优势4设是有限大小的栅格结构上所有点的集合 称随机场=,为上关于邻域系统=,的一个马尔可夫随机场，当且仅当有如下性质：1)0，；2)|)=|)设不可观测的随机场=,是图像的类别标号场，用于表征灰度图上的像素所属的类别 满足 MRF 分布，是的一个实现=,是与对应的一个邻域系统可观测随机场=,是图像的灰度场，是的一个实现根据 Hammersly-Clifford 理论，MRF 可以由 Gib
16、bs 分布表征因此，的先验概率可以表示为=1exp(3)式(3)中=是 Gibbs 概率分布的归一化函数=称为能量函数是邻域中所有簇的集合，是簇的势函数其中是表征分布属性的关键函数，它的选择应该有效的利用相邻像素的空间连续性对给定的一个配置，图像上任意一点满足一定的条件概率分布|，这些条件概率具有相同的函数形式;)，是函数参数根据图像灰度分布模型满足有限高斯混合模型可知，条件概率分布满足高斯分布形式|=;=122exp222(4)其中函数参数=,根据式(4)，|可以表示为指数形式|=1exp|(5)其中：是常数；能量函数|=222+log3.2 函数优化二值化算法在以上建立的马尔可夫随机场模型
17、下，对灰度图的二值化就是根据最大后验概率估计准则(MAP)和贝叶斯公式对真实的图像类别标号做出估计：=argmaxlog+log|(6)根据式(3)和式(5)，图像类别标号的 MAP 估计就等价于求的估计值，使能量函数最小化的问题了=argmin+|(7)86河北工业大学学报第 35 卷目标函数式(7)属于非凸函数，可以使用模拟退火、ICM 算法求最优解为了得到比较精确的全局最优解，选择鲁棒性很强的遗传算法优化目标函数另外，由能量函数和|的表达式可以看出，目标函数中包含两类参数：类别参数=,和 MRF 模型参数，对参数的估计需要在递归过程中更新以下给出基于 MRF 模型和遗传算法的函数优化二值
18、化算法结构：步骤 1 选择图像的类别配置 为遗传算法处理的基本对象，即个体采用二进制编码将其表示为染色体位串适应值函数为=argmin+|；步骤 2选择群体大小随机产生初始群体，并获得初始参数；步骤 3计算个体的适应值，并求出各自在群体总适应值中的比例使用滚花轮法选择个强性个体；步骤 4 确定交叉概率和变异概率，对强性个体进行交叉和变异，产生下一代个体交叉的方式为单点交叉为了加快收敛速度，定义变异概率为=120，位串中存在第个基因需要被翻转，是第个基因翻转后的位串；步骤 5 根据个子代个体求后验概率，使用最大似然(EM)算法更新参数估计；步骤 6 返回步骤3 求新一代个体的适应值 若求出的适应
19、值最小值与上次相差小于参数，则算法结束，否则继续繁殖新的个体图 5 是上述函数优化二值化算法与阈值二值化算法部分实验结果的比较第一列是车牌原图，后三列分别是全局阈值、局部阈值和函数优化二值化算法的二值化图像其中前两幅车牌图像是在光线较好时拍摄的，后两幅是在光线差时拍摄并经过灰度拉伸的图像在函数优化二值化算法中，选择=100，1=0.9，2=0.01，=0.001比较结果可以看出，全局阈值法在光线环境较差时无法区分前景和背景，局部阈值法会产生不自然的笔画断裂现象函数优化二值化算法的效果要优于前两种传统的二值化方法，能够对车牌字符给出更精确的描述当图像质量过于低下时，将算法稍作修改，还可以通过采集
20、多帧图像，同时利用时空信息对车牌字符做更加精确的分割4字符识别算法介于模板匹配法、字符特征识别法等3字符识别算法识别率低，误识率高，所以采用有多种特征提取的 3 层 BP 神经网络识别法，并对其无法正确识别的形似字符如和 7，和等，采用拓扑分析加以弥补BP 算法的流程图如图 6输入信息正向传播图 5二值化算法效果的比较Fig.5Contrast of the results by using different binarization algorithms图 6BP 算法的流程图Fig.6Flowchart of BP algorithm初始化给定输入向量和目标输出求隐层，输出层各单元的输出
21、求目标值和实际输出的偏差满足要求？全部 满足要求？END计算隐层单元误差求误差梯度权值学习nonoyesyes87陈杨，等：用于视频交通检测监控系统的车牌自动识别算法研究第 6 期时，从输入层经隐单元层逐层处理传向输出层若不能得到期待的结果，则转入反向传播，将误差信号沿原通路传回，修改各层神经元的权值，使得误差信号最小神经元权值就是网络记住的内容55结论针对视频交通信息检测监控系统对车牌识别技术的要求，提出了基于 Hough 变换改进的几何失真矫正方法和基于马尔可夫随机场模型及遗传算法的函数优化二值化算法，包括算法原理和编程实验实验结果证明，采用上述两种改进算法，能有效地提高车牌字符识别的正确
22、率在较好的光照环境下，识别正确率由 90%提高到 94%；在阴天傍晚等光线较差或者光照不均匀的环境下，正确率提高了 5 个百分点以上算法采用 VC+6.0 编程实现，监控端服务器的配置为 Pentium4 2.0G CPU，512M 内存在此工作环境下，识别一幅车牌照的典型工作时间为 0.45s 左右，一般不会超过 0.6s影响牌照识别正确率的其它因素还有车牌光线严重不足和车牌曝光过度引起的定位错误，这些问题可以通过引入多种传感器的图像融合技术6等办法解决参考文献：1 Yang Zhaoxuan，LinTao，Li Xiangping，et alDigital Signal Processin
23、g Based Real Time Vehicular Detection System，Tianjin,Transactions ofTianjin University，2005，11(2)：119-1242 徐慧Visual C+数字图像实用工程案例精选 M北京：人民邮电出版社，2004214-2553 Rafael C，Gonzalez，RichardE，et alDigital ImageProcessing MBeijing：Publishing House ofElectronics Industry2003567-642,693-7504 Yuntao Cui，Qian Hua
24、ngAutomatic License Extraction from Moving Vehicles JImage Processing，1997（3）：126-1295 Abhijit S，Pandya，Robert B，etaiPattern Recognition with Neutral Networks in C+MBeijing：Publishing House of Electronics Industry199957-936 王曾敏，杨兆选，丁学文，等图像融合与压缩算法在动态交通信息服务系统中的应用 A第一届建立和谐人机环境联合学术会议(HHME 2005)论文集 D北京：清
25、华大学出版社200510机械工程学院举办专家学术讲座2006 年 12 月 2 日，在机械工程学院举办的专家学术讲座系列活动中，武警部队装备研究所总工程师陈晓东大校应邀来校，以“警用机器人的应用现状与发展趋势”为题作了一场精彩的学术报告报告会现场座无虚席机械学院领导、教师、博士生、硕士生和本科学生共 260 余人聆听了报告机械工程学院院长、博士生导师张明路教授致欢迎词，并介绍了陈晓东总工所从事的研究领域和获得的科研成果陈晓东总工在报告中详细介绍了国际上警用机器人的发展现状，对我国发展反恐科技研究与技术装备建设作出了全面的分析，阐述了警用机器人新技术发展方向，提出了警用机器人未来发展的思考和建议陈晓东总工语言幽默，知识丰富，例证贴切，报告会场不时响起热烈的掌声和会心的笑声对与会老师、同学提出的很多问题，都耐心的一一予以解答，取得了很好的效果最后，张明路院长致诚恳的感谢词，并希望进一步加强院所之间的合作交流（学摘）