對於視頻車輛檢測,系統需要較高的處理速度和優秀的算法來實現圖像采集和處理不丟幀。如果處理速度慢,會導致丟幀,使系統無法檢測到行駛速度較快的車輛,也難以保證識別處理會在有利於識別的位置開始,影響系統的識別率。因此,將視頻車輛檢測與車牌自動識別結合起來,在技術上有壹定的難度。為了識別牌照,需要執行以下基本步驟:
1)車牌定位,定位圖片中的車牌位置;
2)車牌字符分割,將車牌中的字符分離出來;
3)車牌字符識別:對分割出來的字符進行識別,最終形成車牌號碼。
在車牌識別過程中,車牌顏色識別基於不同的算法,可能在上述不同的步驟中實現,通常與車牌識別相互配合,相互驗證。
1)車牌定位
在自然環境中,汽車圖像背景復雜,光照不均勻。如何準確地確定自然背景中的車牌區域是整個識別過程的關鍵。首先對采集的視頻圖像進行大範圍搜索,找到幾個符合汽車牌照特征的區域作為候選區域。然後,對這些候選區域進行進壹步的分析和判斷,最終選出最佳區域作為車牌區域,並將其從圖像中分離出來。
2)車牌字符分割
車牌區域定位完成後,將車牌區域分割成單個字符,然後進行識別。字符分割壹般采用垂直投影法。因為字符在垂直方向上的投影必然會在字符之間或字符內部的間隙處接近局部最小值,而且這個位置要滿足車牌的字符書寫格式、字符、大小限制等壹些條件。垂直投影法對復雜環境下的汽車圖像中的字符分割有很好的效果。
3)車牌字符識別方法主要包括模板匹配算法和人工神經網絡算法。基於模板的匹配算法首先對分割後的字符進行二值化,並根據字符數據庫中模板的大小對其進行縮放,然後對所有模板進行匹配,並選擇最佳匹配作為結果。基於人工神經網絡的算法有兩種:壹種是先提取字符的特征,然後用得到的特征訓練神經網絡分配器;另壹種方法是直接將圖像輸入網絡,網絡會自動提取特征,直到識別出結果。
在實際應用中,車牌識別系統的識別率也與車牌質量和拍攝質量密切相關。車牌質量會受到各種因素的影響,如生銹、汙損、掉漆、字體褪色、車牌被遮擋、車牌傾斜、高亮反光、多車牌、假車牌等。實際拍攝過程也會受到環境亮度、拍攝模式、車速等因素的影響。這些因素都不同程度地降低了車牌識別的識別率,這也是車牌識別系統的難點和挑戰。要提高識別率,除了不斷改進識別算法,還要想辦法克服各種光照條件,使采集到的圖像最有利於識別。