摘要

自工业革命以来，为从根本上解决交通状况问题，人们采用各种新技术把车辆、道路、使用者紧密联系起来，如计算机技术、信息技术、通信技术、电子控制技术，有效解决交通阻塞问题，对交通事故应急处理、环境保护、能源节约都有显著效果，从此智能交通系统(Intelligent Transportation System)应运而生。ITS系统是以汽车牌照为特定目标的专用计算机视觉系统，是计算机视觉和模式识别技术在智能交通领域应用的重要研究课题之一。

经济的快速增长，让老百姓生活水平有了巨大的变化，人们对车辆的需求也不断扩大，但伴随而来的是交通管理、环境等问题也日益严峻，在许多层面，迫切需要寻找一种新型的交通管理方式，为此智能交通系统应运而生。在智能交通系统中，车牌识别一直是一个热点和难点，国内外学者均对此有一定的研究。本文主要是针对拍摄的车辆的前脸图像，并且结合实际拍摄的车辆图像可能存在倾斜的情况，总结了基于OpenCV和SVM分类算法相结合的多车牌识别算法，并设计和实现了车牌识别系统。

系统主要分为车辆样本特征训练过程和车牌识别分类两大部分。第一部分主要是针对训练样本库的处理，首先定位车牌，然后一方面根据车牌的倾斜角度对车辆进行倾斜校正，一方面根据车牌的位置信息进行车牌区域的截取。获得车牌之后，在预处理区域提取车牌特征，离线存储至本地文件，训练获取是被车牌模型。第二部分主要是针对输入系统的测试样本而言的，按照上述同样的方法截取车牌区域，然后提取车牌特征进行定位，利用改进的SVM算法寻找到车牌并进行识别。

本文用OpenCV和Visual Studio搭建实验平台进行试验，实验结果表明，本文采用的基于OpenCV车牌识别算法是有效可行的，算法的准确识别率也在同类算法当中比较靠前，依据算法设计和实现的系统具有较好的稳定性和实时性。能够给日后其他研究车辆识别的学者在理论和软件实现上提供一定的指引和参考价值。

关键词：车牌识别，OpenCV，SVM，Visual Studio

第三章 车牌特征及识别相关算法设计

3.1 汽车牌照的特征

汽车牌照作为车辆的唯一标识，其特征也就成为车牌定位的重要参考依据。车辆牌照的特征有形状特征、字符特征和灰度变化特征等。车牌定位系统在处理这些特征时将会应用到数字图像处理技术。

(1 )形状特征

标准车牌的宽、高、以及宽高比一定。车牌的边缘是线段围成的有规则的矩形，大小变化有一定的范围。汽车前车牌的标准外轮廓尺寸为440xl4O，每个字符宽度为45，高度为9O，间隔符宽10，字符间隔l2。整个车牌的宽高比近似为3：1。实际中摄像机的拍摄角度不同，拍摄到的车牌宽高比例会有所差别。

(2 )字符特征

标准车牌首位为省名简称，共有31个字符(不考虑军、警车)；次位为英文字母(除去“I”)共25个英文大写字母，再次两位为英文字母或阿拉伯数字(字母除去字母“I”和字母“O”)，各有34个字符；最末三到四位均为数字。

(3 )灰度变化特征

车牌的底色、边缘颜色以及车牌外的颜色都是不相同的，表现在图像中就是灰度级互不相同，这样在车牌边缘形成了灰度突变边界。实际上，车牌的边缘在灰度上的表现是一种屋脊状边缘，在车牌区域内部，穿过车牌的水平直线其灰度呈现连续的波峰、波谷、波峰的分布，车牌区域内的边缘灰度直方图具有两个明显并且分离的分布中心，车牌区域内的水平和垂直投影呈现连续的波峰、波谷、波峰的分布。这部分特征主要用在对灰度图像进行车牌定位、字符分割方面。

3.2 车牌定位方法

车牌图像往往是在复杂的环境中拍摄得到的，车牌由于与复杂的车身背景融为一体，由于车牌在使用中磨损与灰尘及拍摄仪器的影响以及由于拍摄角度的不同，车牌在图像中往往有很大的形变，如何在复杂背景中准确、快速找出车牌的位置成为车牌识别中的难点。

目前已有不少学者在这方面进行了研究，总结起来主要有如下几类方法^[9]：

(1)基于水平灰度变化特征的方法，这种方法主要在车牌定位以前，需要对图像进行预处理，将彩色图像转换为灰度图像，利用车牌区域水平方向的纹理特征进行车牌定位；

(2)基于边缘检测的定位方法，这种方法是利用车牌区域丰富的边缘特征进行车牌定位，能够进行检测的方法有多种，如Roberts边缘算子、Prewitt算子、Sobel算子以及拉普拉斯边缘检测；

(3)基于车牌颜色特征的定位方法，这种方法主要是应用车牌的纹理特征、形状特征和颜色特征即利用车牌字符和车牌底色具有明显的反差特征来排除干扰进行车牌的定位；

(4)基于Hough变换的车牌定位方法，这种方法是利用车牌边框的几何特征，采取寻找车牌边框直线的方法进行车牌定位；

(5)基于变换域的车牌定位方法，这种方法是将图像从空域变换到频域进行分析，例如，采用小波变换等；

(6)基于数学形态学的车牌定位方法，这种方法是利用数学形态学图像处理的基本思想，利用一个结构元素来探测一个图像，看是否能将这个结构元素很好的填放在图像内部，同时验证填放元素的方法是否有效。腐蚀、膨胀、开启和关闭是数学形态学的基本运算。

这些方法各有优缺点，要实现快速、准确地定位车牌，应该综合利用车牌的各种特征，仅靠单一特征很难奏效。本文结合车牌纹颜色与数学形态学两方面的特征对车牌进行定位，对于提高车牌定位准确率提供更有利的保障。该方法包括牌照区域的粗定位和细定位两个步骤。在粗定位阶段中采用了基于数学形态学的定位方法，在得到定位图像后进行细定位，在细定位中采用车牌颜色特征的方法以获得最后定位图像。本方法对在多种光照条件下采集的车辆牌照图像、车牌本身不洁、或者牌照存在倾斜和扭曲等情形，均能取得较好的定位效果。