车牌识别系统毕业论文（通用7篇）
车牌识别系统毕业论文 篇1
《图像处理与计算机视觉》期末作业
专
业：
计算机软件与理论
年
级：
2018 级
学
号：
12018000758
姓
名：
何勇
2019 年 8 月 21 日
车牌识别系统（VLRP）实验报告
一、实验目的 1、了解车牌识别系统及其应用； 2、结合本门课程所学内容，设计一个车牌识别系统并实现。
二、实验 原理 1、图像预处理：
针对车牌的颜色特征，利用 hsv 色域进行二值化，并进行膨胀和去噪处理。摄像时的光照条件，牌照的整洁程度，摄像机的状态（焦距，角度和镜头的光学畸变），以及车速的不稳定等因素都会不同程度的影响图像效果，出现图像模糊，歪斜或缺损，车牌字符边界模糊不清，细节不清，笔画断开，粗细不均等现象，从而影响车牌区域的分割与字符识别的工作，所以识别之前要进行预处理。、车牌定位：
对预处理后的图片进行区域标记，根据各连通量的长宽比以及黑色像素所占比例定位车牌位置。从背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后选定一个最佳的区域作为牌照区域，并将其从图象中分割出来。、字符分割：
完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别。在本次系统开发中，字符分割采用垂直投影法。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值的附近，并且这个位置应满足牌照的字符书写格式、字符尺寸限制和一些其他条件，利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果。、字符识别：
用图像分类和识别中的所学内容对字符识别，比如基于模板匹配算法、基于支持向量机或基于神经网络的方法。我选择的是基于 BP 的神经网络算法。将分割出来的字符做 n 等分分割，统计个等分块内的黑像素比例，并与特征库比对，识别字符。
三、系统流程图
开始车辆图片预处理车牌定位BP神经网络特征提取字符分割字符识别画出字符结果结束
四、实验步骤 4.1 基于颜色的 BP 神经网络车牌定位
图 4-1 车牌定位流程图
图 4-2 车牌底色库部分样本 建立车牌底色库，在本论文中仅对蓝底白字车牌进行研究。对于这些车牌样本，将其从 RGB 色彩空间转换为得到其 CR CB 红色及蓝色分量。对车牌样本每个像素，均可得到其 CR CB。而我们关心的只是两种像素，即蓝色非蓝色像素。对于蓝色的像素，在转换为 CR CB 后其对应的 BP 神经网络映射关系为输出为1。非蓝色的像素，在转换为 CR CB 后相对应的 BP 映射为输出为 0。由于 BP神经网络要求输入值 0 到 1，所以 CR CB 还需作简单的处理，把它转为符合要求的输入。
到此，用于进行车牌定位的 BP 神经网络模型有了输入层及输出层。即，输入层含两个神经结点（某像素的 CR CB 分量），输出层仅一个神经结点（对应逻辑关系为这个像素在视觉上是否为蓝色），中间层设计为仅含 4 结点的一层。
设计好 BP 神经网络模型后，将车牌的底色投入训练，在网络收敛后可用。这时的神经网络可以认为是已具备区分蓝色及非蓝色的能力了（对于训练得到的权值保存到一个文件 CharBpNet.txt 中，以便在恢复网络时直接读取而节省大量的训练时间）。然后对任意的一张含车牌的图像每个像素，将它投入网络当中，如果网络认为是蓝色的（结点输出为范围在 0.8—1.0 间的），那么将此像素映射成 255；如果网络认为非蓝色的（结点输出范围在 0—0.8 间），那么将此像素映射成 0。这样我们可以得到除了一张二值图像外，还可以将车牌从复杂的自然图像分离开来（当然这是从十分理想的角度出发的，实际上当车辆颜色也是蓝色的时候是无法分离的）。
图 4-3 左图为自然车辆图像，右图为经 BP 神经网络后得到的二值图像
4.2 基于图像投影技术的车牌分割 图像投影技术一般分为水平投影和垂直投影。所谓投影就是对图像的某种特征的统计，然后以直方图形式反映其特征强度。一般是对二值图像而用的，水平方向的投影就是每行的非零像素值的个数，在这里就是 1 或者 255，垂直投影就是每列图像数据中非零像素值的个数。
由于车牌字符在车牌上，所以这部分可以认为是对字符的粗定位或车牌的精确定位。在设计上算法上可以这样做。对二值图像分别作水平和垂直方向的投影，得到其直方图分布，然后分别在波峰的地方作直线，这样水平方向和垂直方向共计四条直线，它们相交形成一矩形，此矩形即为车牌的大概位置。
图 4-4 将要进行投影的二值图像
4.2.1 水平投影技术
逐行统计白点直方图显示投影统计结果波峰即车牌上下边缘
图 4-5 车牌水平投影效果图 按行累加每个像素点的灰度值做投影，横坐标为灰度累加的和，纵坐标为图像的行数，即可确定车牌区域上下边缘。水平分析算法如下：
1)从下向上逐行扫描图像，记下每行中灰度值为 255 的像素点的个数； 2)找到第一个灰度值为 255 的像素点的个数大于某个阈值的行(并且紧挨着的若干行都满足个数大于某阈值)，记录下行号，即为车辆牌照最下边缘； 3)然后继续扫描，找到第一个灰度值为 255 的像素点的个数小于阈值的行(并且紧挨着的若干行都满足个数大于某阈值)，记录下行号，即为车辆牌照的最上边缘； 4)这时不再继续扫描，根据记录的两个行号，对原始图像进行裁剪； 5)得到裁剪后的图像，即为水平方向定位的牌照图像区域。
4.2.2 垂直投影技术
图 4-6 车牌垂直投影个效果图 按列累加每个像素点的灰度值做投影，横坐标为灰度累加的和，纵坐标为图像的行数，即可确定车牌区域左右边缘。垂直分析算法如下：
1)从左向右逐列扫描图像，记下每行中灰度值为 255 的像素点的个数； 2)找到第一个灰度值为 255 的像素点的个数大于某个阈值的列(并且紧挨着的若正列都满足个数数大于某阈值)，记录下列号，即为车辆牌照最右边缘； 3)然后继续扫描，找到第一个灰度值为 255 的像素点的个数小于阈值的列(并且逐列统计白点直方图显示投影统计结果波峰即车牌左右边缘
紧挨着的若干列满足个数大于某阈值)，记录下列号，即为车辆牌照的最左边缘； 4)这时不再继续扫描，根据记录的两个列号，对原始图像进行裁剪； 5)得到裁剪后的图像，即为垂直方向定位的牌照图像区域。
分别投影后效果如图 4-7 所示：
图 4-7 分别投影后效果图 值得一提的是并不是所有的自然车辆图像经BP神经网络动作后都那么完美的，这也是为什么在求车牌各个边缘的时候设定一个阈值（并且紧挨着的若干行都满足个数大于某阈值）的原因。如图 4-8 所示：
图 4-8 示例图 经过对车牌的二值图像的水平和垂直投影后，我们已经得到了车牌的精确位置，也即字符的所在区域。至此，我们可以把注意力从原始的二值图像集中到二值图像中的车牌局部区域来（即如何从车牌中分割出每个字符）。
除了可用比例的方法来进行字符分割外，本文采用一种适应性更好的基于投
影技术来进行分割。字符分割处理采用基于投影特征值的方法，对于数字及字符，由于它们都属于连体字，因此只需在字符或数字之间找到一条无边的空白区（窄的区域），即可实现数字及字符之间的分割处理。
图 4-9 即将进行字符分割的车牌图像 显然要在上图中分割出字符，只需在车牌内（白色矩形）对字符作像素为255 的垂直投影，具体方法如下：
按列累加每个像素点的灰度值做投影，横坐标为灰度累加的和，纵坐标为图像的行数，即可确定车牌区域左右边缘。垂直分析算法如下：
1)从左向右逐列扫描图像，记下每行中灰度值为 0 的像素点的个数； 2)找到第一个灰度值为 0 的像素点的个数大于某个阈值的列(并且紧挨着的若正列都满足个数数大于某阈值)，记录下列号，即为车辆牌照最右边缘； 3)然后继续扫描，找到第一个灰度值为 0 的像素点的个数小于阈值的列(并且紧挨着的若干列满足个数大于某阈值)，记录下列号，即为车辆牌照的最左边缘； 4)这时不再继续扫描，根据记录的两个列号，对原始图像进行裁剪； 5)得到裁剪后的图像，即为垂直方向定位的牌照图像区域； 6）保存每个字符的区域坐标。效果如图 4-10 所示：
图 4-10 字符分割效果示意图 逐列统计黑点直方图显示投影统计结果波峰即字符边缘
4.3 基于 BP 神经网络的车牌字符识别
4.3.1 车牌字符库的建立 字符库的建立是为字符的识别作准备的，字符库要求每个字符按一定标准保存，如保存格式一致，大小规格相同，每个字符的数目相同等等。在本次车牌识别系统研究中，只对数字及字母作研究，对汉字不作研究，所以共计 34 个不同各类的字符。数字 0 和字母 o，数字 1 和 i 为均认为是同一字符，每个字符用程序获取 10 个不尽相同的字符，字符库的建立是为了训练 BP 神经网络的样本。
4.3.2 图像的缩放技术 在计算机图像处理中，图像缩放是指对数字图像的大小进行调整的过程。图像缩放是一种非平凡的过程，需要在处理效率以及结果的平滑度和清晰度上做一个权衡。当一个图像的大小增加之后，组成图像的像素的可见度将会变得更高，从而使得图像表现得更“软”。相反，缩小一个图像将会增强它的平滑度与清晰度。
本次系统开发中，我采用最邻近插值法将每个字符都归一化到 6*12 的统一规格中去，所谓的最近邻插值，通俗理解就是将每一个原像素原封不动地复制映射到扩展后对应四个像素中，效果图 4-11 所示：
图 4-11 归一化前的各字符 归一化后各字符一次为：。
4.3.3 字符的保存 首先给字符编号，0-9 分别编号为 00-09，A-Z 分别编号为 10-33。在本文中，字符的保存格式为 raw 原始图像数据文件，命名依次为 000raw 到 339raw。即不超过 340 的三位数加格式名 raw，前两位数代表这个字符的编号，第三位数 n 代表这字符是第 n 张字符，如某字符某名为 089raw 即意味着这字符代表数字 8，它在库中是第 9 张(从第 0 张开始计数)。又如 330raw 代表着这字符为字母 Z，它是第 0 张。为了使字符库的字符和待识别的字符尽量保持一致性，字符的建立是通过程序的方法获得的。具体做法如下：
1）分割车牌中的每个字符； 2）将各个字符逐一归一化到 6*12 统一标准； 3）将归一化的字符按一定的标准命名保存即可。
最后得到了 340 张不同的共 34 种的格式为.raw 的文件，用程序显示这些字符库如图 4-12 所示：
图 4-12 字符库示意图 4.3.4 字符识别 建立字符库后，设计识别字符的神经网络。
首先设计输入层及输出层。字符库中每个标本，均是 6*12 的标准二值图像。对字符的特征，我采用像素法，即某个字符的像素是 255 时，神经结点输入为0.9，像素值是 0 时，神经结点输入为 0.1，这样输入层就有 6*12 共 72 个结点。输出层采用了34结点，如当导师信号为A编号10时，就在第10个结点设为0.9，其他均为 0.1。至此，用于进行车牌定位的 BP 神经网络模型有了输入层及输出层。即，输入层含 72 个神经结点（对应字符的每个像素），输出层 34 个神经结点（对应逻辑关系为属于编号第 N 个字符）。中间层设计为仅含 50 结点的一层。
设计好 BP 神经网络模型后，将车牌的字符投入训练，在网络收敛后可用（实际在论文完成的过程中，并没有出现收敛，而是达到训练次数后停止训练，这个次数 10000*72 是在实验过程中测试后决定的，同样不保证最优）。这时的神经网络可以认为是已具备区分 34 个不同字符的能力了。然后对任意的一个从车牌分割得到的字符进行归一化之理后，依次假设其分别是编号 0 到 33，并且求出每个编号对应的误差，最后在 34 个不同的误差中找出最小的那个编号，找到的编号即对应的字符了。如某分割的字符投入网络后得到的最小误差编号为 10，那么认为这个字符为 A。
把从车牌分割下来的字符全部投入动作后得到的字符串即车牌的号码了。效果如图 4-12 所示：
图 4-13 字符识别效果图
五、实验结果分析 本次基于颜色和 BP 神经网络的车牌识别系统已基本完成，实验也达到预期的效果。但是问题仍旧存在。实验结果显示如表 5-1 所示：
车牌定位 车牌分割 车牌识别 识别 2 个字符以内错误 测试图片数 16 15 15 15 正确图片数 15 15 5 7 正确率 93.8% 100% 33.3% 46.7% 表 5-1 部分实验结果 在车牌定位方面，由于采用基于颜色定位方法，要求要定位的车牌图像质量较清晰，车牌底色为蓝色或和标准蓝色相差不大，这时 BP 网络能非常有效地区分蓝色与非蓝色，从而实施定位。但也常有无法定位的情况，当车身也是蓝色时，BP 网络必定无法把车牌从图像中分离出来；在字符分割方面，采用基于垂直投影特征值的方法，能有效地分割字符，但也有分割错误的情况，如在车牌定位不够精确或定位出来的车牌有噪点时，无法在字符或数字之间找到一条无边的空白区（窄的区域），此时往往会分割错误（一字符可能分为多个，噪点也可能认为是字符）；在字符识别方面，在本文中，实验过程发现当车牌定位和字符分割均能得到较好结果时大多数情况下均能有效地识别，但是字符分割错误或要识别噪点较多或字符倾斜较严重时往往会出现错识甚至拒识。比如 B 有可能错误为 8，B 错识为 R 等等。
车牌识别系统毕业论文 篇2
车牌自动识别系统是智能交通管理系统的关键技术, 其潜在市场应用价值极大, 能产生巨大的社会效益和经济效益。主要应用如下。
一、电子收费系统中的应用
电子收费是未来公路、桥梁、停车场收费系统的基础应用系统, 将承担巨大的公路和桥梁建设费用的回收工作。采用电子收费系统, 不仅可以有效进行规范化管理, 提高公路及桥梁的流通速度, 而且从根本上杜绝了产生经济漏洞的可能性。车牌识别技术可以有效地缓解由于车辆激增造成的收费站拥堵的现象。
二、在观测站的应用
国内现有的观察站基本依靠人工观测, 劳动强度大, 无法及时判断车辆状态。车牌识别系统能够灵活识别被监控车辆, 获取更多的现场信息, 更好地为交通部门服务。
三、在安防领域的应用
随着汽车数量急剧上升, 利用汽车犯罪和盗车案件也明显增多, 车牌识别系统可以随时识别可疑车辆信息, 大大提高案件侦破率。在政府机关、军队、机场和港口等部门等场所配置该技术, 可以随时监控和记录车辆出入情况, 对安全高效的现代化管理具有重要意义。
四、交通领域应用
交通监测点设置于城市的交通要塞位置, 可全天候、自动、不间断、无遗漏地记录所有进出市区的车辆, 自动识别车牌号码。车辆信息存入指挥中心数据库, 随时可供查询, 同时与“黑名单”库进行比对, 一旦“黑名单”车辆通过, 系统立即报警。利用该系统, 公安机关可以快速地锁定车辆行踪。由于系统具备测量、记录车辆行驶速度的功能, 还可以用于处罚超速违法行为。
由此可以看出车牌自动识别系统在城市交通管理中的作用非常重要, 另一方面车牌自动识别系统所应用的场所具有信息位置分散性、发散性和信息承载多样性等特点。信息分散性是指交通路口、卡口分布在城市的各个位置, 在地域上所采集信息具有分散性。信息发散性是指由于不同时间段通过交通路口或卡口的车辆数量、车辆类型、各种车辆之间的位置关系不同, 采集的信息具有分时发散性。信息承载多样性是指通过摄像机采集交通路口或卡口的信息包含了车辆类型、车辆本身大小、颜色等性质、车辆是否违反交通法规等多种信息。
车牌自动识别系统在发展初期, 主要采用将系统模块放在后端即服务器端, 前端设备只作信息采集这种方式对服务器的资源占用及运行带来了压力, 而且前端设备安装位置固定。这就大大降低了车牌识别系统灵活性和使用范围, 因此目前业界多倾向于将各类采集环节的识别与应用功能放在前端。随着智能手机不断发展, 3G网络技术的日趋完善, Java ME技术不断更新都为手机作为ITS的前端信息采集与分析提供了可能。
我们从智能手机的硬件结构入手, 分析硬件组成结构与硬件性能, 讨论以手机作为平台, 实现车牌识别的可能。典型智能手机硬件结构如图1所示。
主处理器运行操作系统, 负责协调整个手机系统的资源。我们以车牌图像识别为例分析典型手机操作系统工作过程。首先我们使用摄像头采集车辆图像, 摄像机控制器通过与主处理器之间的串行总线将图像送入SDRAM随机存储器, 手机处理器调取车牌识别应用程序对图像进行处理, 处理得到的车牌文本信息显示在手机屏幕LCD上。目前智能手机硬件发展较快, 处理器采用双核1.2G, SDRAM同步动态随机存储器1G, 摄像头一般为500万像素, 智能手机在工作过程、数据处理、硬件配置等方面与微型计算机已经非常的接近, 使用手机实现车牌识别在硬件上有了充分保证。
软件开发方面JavaME是基于智能手机最理想的开发平台, 它具有以下几个特点:
安全性:Java舍弃了C++的指针对存储器地址的直接操作, 当程序运行时, 内存由操作系统分配, 这样可以避免病毒通过指针入侵系统。JavaME可以开发出从网络上下载的无线应用程序和网络中其他设备交互应用, 在传输一些重要的信息时, MIDP2.0提供的无线包可以很好解决安全性的问题。
面向对象:JavaME使用Java语言进行开发, 而Java吸取了C++面向对象的概念, 将数据封装于类中, 利用类的优点实现了程序的简洁性和便于维护性。
图形图像界面和多媒体功能:JavaME提供了丰富的用户界面和事件处理功能, 同时提供了良好的游戏, 视频以及音效开发类。
在数字图形处理技术方面, 经典数字图像处理技术已经成熟, 我们可以使用经典数字图像处理技术对图片进行图像变换、图像预处理、边缘检测、形态学处理、车牌矫正与定位、字符分割与识别算法分析, 利用MAT-LAB图像处理工具箱, 对车牌识别算法进行仿真。在此基础上, 使用Java ME技术和E-clipse开发工具, 参照算法思想, 编写灰度处理、图像均衡、垂直边缘检测、二值化、图像膨胀、车牌定位、字符分割、字符识别等类, 可以实现基于手机平台的车辆牌照自动识别应用程序, 从而实现车牌识别系统的可移动性。
车牌识别系统的研究与构建 篇3
汽车牌照自动识别技术是以数字图像处理、模式识别、计算机视觉等技术为基础的智能识别系统，目的是在汽车行进过程中通过采集的车辆图像自动完成车牌的定位及识别，进而实现进一步调度和管理。车牌识别在交通控制和管理中有着重要的实际运用价值和广泛的应用前景，对于高效、智能和实时的交通管理具有十分重要的意义。进入21世纪，由于计算机视觉技术的发展，开始出现汽车牌照识别的系统化研究，至今已有众多车牌识别算法和系统出现，一些实用的 LPR 系统也开始应用于车流监控、出入控制、电子收费等场合。现代车牌识别技术是计算机视觉、图像处理与模式识别的融合，尽管国外车牌识别技术已经非常成熟，但由于国内外车牌和实际交通环境不同，引进的系统无法满足我国的车牌识别管理，因此对于车牌识别系统的研究与构建是非常有必要的。
一、车牌识别系统的研究现状
早在80年代中期，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[1]。还有Hi-Tech公司的See/Car system，新加坡Optasia公司的VLPRS等。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。虽然国内汽车车牌识别系统也取得了较大的进展，但由于该研究总体处于发展状态，加之个性化场景的不同，对该识别系统的需求不同，还需进一步改进、完善，提高车牌整体识别率，复杂环境下识别率等等。
二、车牌识别系统的构建
1.图像处理子系统
本系统在图像处理模块中，图像采集设备由一个高质量的CCD摄像头、光源、数字摄像机和图像采集卡构成。检测装置采用外触发的方式进行车辆检测，当检测到车辆通过时，摄像机进行车辆牌照的采集，拍摄到包含车辆牌照的图像，将采集到的图像传入计算机中。
考虑到在图像采集过程中，图像会受恶劣的天气、变化的光线以及拍摄角度等环境因素的影响，避免产生识别错误，需要对图像进行预处理。本系统采用频域法，在对图像进行灰度化、边缘检测的基础上，利用傅里叶变换将图像变换到频域，然后根据目标信息的特征利用Roberts等算法进行相应的滤波处理。
2.车牌定位子系统
在车牌定位子系统中，如何在复杂的背景下克服干扰准确定位出含有车牌字符区域成为重中之重。本系统提出一种基于改进Isotropic Sobel边缘检测算子的车牌定位算法。在经过图像预处理后的原始灰度图像中确定牌照的具体位置，然后采用Otsu算法阈值化，再对阈值化后的二值图像做数学形态学运算得到车牌的候选区域，最后利用车牌特征去除伪车牌。
3.字符分割子系统
首先对我国标准车牌的分布特点进行了解，标准车牌字符分为三个部分，首位为省名缩写（汉字），次位为英文字母，再次位为英文字母或阿拉伯数字，末四位为数字，字符总长度为409mm，其中单个字符统一宽度为45mm，高度为90mm，第二、三个字符间隔为34mm。利用这些先验知识，本系统分析比较了常用的车牌字符分割算法，提出了基于直线拟合的车牌倾斜校正算法，并将该车牌倾斜校正算法应用于字符分割算法中。
4.字符识别子系统
在对分割好的字符进行大小归一化和倾斜度的校正后，车牌识别系统进入字符识别步骤。本系统综合分析了基于模板匹配、特征统计、分类器的车牌字符识别算法，以二值图像字符的笔画像素分布为基础进行字符的四周边特征、粗网格特征、二值图像投影特征进行识别，深入研究了BP神经网络分类器的特点[2]，提出了一种基于改进BP神经网络的多分类器车牌字符识别算法。利用此算法，完成车牌字符识别步骤。
三、总结与展望
本文所构建的车牌识别系统集中了光电、计算机、图像处理、计算机视觉、人工智能、模式识别等关键技术。充分利用特定场景的经验知识，优化车牌识别算法，使该算法识别的准确度高，同时还尽量降低运算时间，保证了实时性。通过加强图像预处理技术，加入车牌识别模型的自适应因子控制等手段，减少了由于外界不良因素如：天气、光线、污渍等造成的图片难以正确识别的机会，对于车辆出入管理系统的误判率趋于0。
随着信息化时代的不断发展，住宅、小区、停车场等需要保安人工监控的地方都将使用车牌识别系统，减少了许多人为因素造成的疏忽之处。也能扩展到犯罪车辆、肇事车辆、被盗车辆的辨识和拦截，交通流量监测等领域，为人们出行的安全和便捷提供了保障。同时，车牌识别的方法对其他检测和识别领域也有着重要的借鉴价值，其己成为智能交通工程领域研究的重点和热点问题之一。
参考文献
[1]MD.TanvirLearningAlgorithmsforArtificialNeuralNetworks，Proc.10tbInformationEngineeringSenimarJune2001.
[2]杨大力，刘舒.基于神经网络的车牌汉字识别方法[J].中国人民大学公安学报，2009，5（3）：56-57.
车牌识别施工合同协议 篇4
——车牌识别系统
施工合同书 甲方：
XXXXXXXXXXXXXXXXXXXXXXXXXXXX
合同编号：
乙方：XXXXXXXXXXXXX
合同签订时间：
****年**月**日
地址：XXXXXXXXXXXXXXX
机构代码：XXXXXXXXXXXXXX
法人联系电话：XXXXXXXXXXXXX 根据《中华人民共和国合同法》及其他法律、法规，结合本工程实际施工情况，本着互惠互利、平等及自愿的原则，双方协商，一致同意签订本合同，共同遵守以下条款：
第一条
工程概况
1.工程名称：
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
2.工程地点：
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
3.工程内容：对
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX 车牌识别系统
项目所需的所有设备的供应及安装调试（设备清单见附件）。
第二条
工程合同总价
1.工程总价：XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX 元整（人民币: XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX 元）。
2.说明：工程总价含税，并包含所有设备的供应及安装施工调试费用。
第三条
工程工期 及验收 ：
1、本工程施工工期为:
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
日历天 2、甲方指定：
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX 为合法项目验收人。
3、具备安装条件时，乙方进场安装施工。乙方安装调试完毕后，甲方应在 15
工作日内组织相关人员进行验收确认，并由指定合法项目验收人 XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX 或代表在附件 2 的施工验收单上签字或盖章并回传给乙方，XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX 或代表的验收行为即视为乙方已履行施工义务并且该项目经由甲方已验收合格。如有未达要求部分，双方协商限期整改。如甲方在接到乙方验收通知后
工作日内未对系统提出书面整改意见，或未在验收单上签字盖章的，均视为该工程已经由甲方验收合格。
4、工程验收合格代表甲方认可乙方施工的质量，非因乙方故意或者重大过失造成任何损害的，乙方无需为此承担责任。
5、工程工期因下列因素可顺延：
（1）不可抗力（指 9 级以上台风、7 级或以上地震等，以国家相关规定范围为准）；（2）现场不具备施工条件（非乙方原因）；（3）根据实际需求并经与甲方确认对安装现场做出优化调整时；（4）甲方因上级检查或其他情况时需要暂停施工的；（5）非乙方因素造成停工、返工。
（6）甲方逾期付款的。
6、本工程质保期从工程竣工验收合格之日起算 1 年。
第四条
付款方式及账户
1、甲方按以下方式进行付款：
（1）在本合同签订后个自然天内，甲方向乙方支付本合同的预付款，其金额等于合同金额的 60 %，即人民币大写 XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX 元整，小写 ￥XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
元
。若甲方在本合同签订 15 个自然天内未向乙方支付全额预付款项，乙方有权延期发货或解除合同，且不承担违约责任。
（2）工程安装完成并经甲方验收合格后 5 个自然天内，甲方应向乙方支付本合同第 2 笔款项，金额等同于合同总价 35%，即人民币大写
元整，小写￥
元。
（3）壹年质保期到期后 5 个自然天内，甲方支付本合同尾款，金额等于合同金额的 5 %，即人民币大写 XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX 元整，小写 ￥XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX 元。
2、甲方通过银行转账汇款支付乙方合同款项，双方不以现金结算。乙方施工完毕后，不视作甲方已支付全部款项，甲方支付的款项以银行转账为准，每次付款前，乙方应向甲方提供与本合同相应的工程发票。
3、如施工日前，甲方尚有过往交易中产生的到期应付乙方的货款未付清（下称：逾期货款），甲方应当在施工日前向乙方付清全部逾期货款。否则乙方有权顺延施工时间直至甲方付清全部逾期货款，且不承担违约责任。
4、若由于甲方原因造成的工程工期延长且超过 1 个月的，乙方可根据实际施工进度申请甲方支付乙方多支出的全部成本，包括但不限于人工费及材料费等。
5.账户信息 公司名称：
银行账号：
开户行：
第五条
双方职责及义务 1 1、甲方职责及义务
（1）指派专人在工程地点及时对乙方施工所提需求进行配合；（2）协调乙方与现场其它部门和单位的关系，为乙方提供施工现场水、电及临时存放场地等施工条件，协助做好施工现场的安全；（3）本合同约定项目的产品中如涉及非乙方自主研发生产的常规外购设备硬件或操作系统，如服务器、岗亭电脑等，由甲方自备或甲方委托乙方代为采购，代为采购的费用另议。代购设备到达甲方后，甲方应自行验收，如发现设备不符合合同约定要求，甲方应在 3 个工作日内书面通知乙方，以便乙方协助甲方向供货方维权。产品质保期出现质量问题，乙方可协助甲方向厂商要求售后保修服务，但因此造成的任何损失乙方不承担赔偿责任。
（4）本合同约定的工程所用产品备品备件、增补替换件，甲方需从乙方或乙方授权的正规渠道采购，否则因此引起的系统故障、损坏乙方概不负责，因此造成的任何损失乙方不负赔偿责任。
（5）服从乙方工程管理，指定现场常驻管理员，保证工程质量；（6）若甲方损坏乙方设备、设施应予对应设备市场价赔偿；（7）按合同要求及时办理拨款和结算并对项目金额保密。
（8）非因乙方产品质量或乙方安装质量导致甲方或第三方人身、财产损失的，甲方应承担相应的损害赔偿责任。2、乙方职责及义务
（1）按甲方要求的施工周期完成设备的安装及调试；（2）按技术要求保证系统正常运行；（3）供应的货物，除甲方使用过程中人为破坏、第三者故意或非故意损坏、自然灾害及人力不可抗力因素损坏外，超出免费质保期限的设备，乙方提供有偿维修服务；（4）遵守各项管理制度，严格按照规范施工，施工期间发生的施工事故由乙方自行负责。
第六条
合同的补充、变更、终止
1、如因项目发展需要对本合同内容进行补充、变更、修改，由双方或任何一方提出补充、变更、修改的建议和方案，经双方协商并达成统一意见后，以书面形式确认，并由双方签章后补充为本合同的附件，与本合同具有同等法律效力。
2、甲乙双方向对方发出的所有通知、请求应使用书面形式，并以中文进行。如有变更事宜，需经双方协商后书面签章生效，传真件有效。合同所有附件皆为本合同的重要组成部分。
第七条
违约责任
1、乙方无合法事由逾期完工的，每逾期一天应向甲方支付合同总款项 1‰的违约金。
2、甲方无法定事由逾期付款的，每逾期一天应向乙方支付合同总款项 1‰的违约金。
3、若甲方未经双方协商拒绝履行合同义务，则乙方有权解除合同，并拆除已施工设备，不退回甲方已支付款项，同时甲方需向乙方支付违约金，违约金为合同总款项的 20%。
第八条
争议解决
合同未尽事宜，由双方协商解决。凡因本合同引起的或与本合同有关的任何争议，应提交乙方所在地具有管辖权的法院按照相关法律法规进行诉讼裁决，同时由违约方承担另一方因此产生的诉讼费、律师费、保全费、差旅费等一切费用。且合同载明的甲、乙双方地址可作为各类通知、协议等文件以及就合同发生纠纷时相关文件和法律文书送达时的送达地址，地址如有
变更，应当书面通知对方。因载明的地址有误或未及时书面告知变更后的地址，导致各类文书未能实际被接收的，邮寄送达的，文书退回之日即视为送达之日。
第九条
签订、生效时间
1、本合同于
****年**月**日签订。
2、本合同自双方签字并盖章之日起生效。
第十条
合同份数
本合同一式 贰 份，甲乙双方各执 壹 份，具有同等法律效力，复印件、传真件有效。
甲方（盖章）：
乙方（盖章）：
代表签字：
代表签字：
日期：
****年**月**日
日期：
****年**月**日
件 合同附件 1 ：
施工设备清单
序号
设
备
名
称
品牌
型号/ / 参数
单
位
数量1
一、出入口设备2
入
口
道
闸
直杆道闸
XA-ZG-01 台 2 3 3
车辆检测器
通用型 台 0 4 4
地感线圈
加强型 米 0 5 5
出入口车牌识别设备
XA-GQ-07 套 3 6 6
含：
高清识别相机
XA-XJ-07 套 3 7 7维支架
套 3 8 8
双色四行显示屏 304*152 双色模组 套 3 9 9
屏幕组电源 5V 10A 套 3 10
主板开关电源 12V 5A 套 3 11
红绿灯与背光板
套 3 12
专用控制板
套 3 13
豪华型一体机箱
套 3 14
LED 补光灯
套 3 15
无牌车辅助摄像机
二、收费岗亭设备
管
理
处
设
备
收费管理计算机
台
岗亭/门卫室
套
车牌识别系统软件 XA
套 1 21
高清硬识别狗 XA
个 3 22
三、线材、管材、施工材料、网络设备
交换机
千兆 台 5 24
电源线 2*2.0
米 400 25
标准网线
米 900 26
线管
米 一批 27
其他辅材
一批
件 合同附件 2 ：
施工验收单
工程编号 XA-ZQ-2018-8 工程地点
工程名称
建设单位
施工单位
开工日期
****年**月**日 竣工日期
****年**月**日 工程质量 合 格 验收日期
****年**月**日 验收内容：
1.车牌识别按规则自动起杆功能
2.微信在线缴费功能
3.防止业主刷摩托车卡后行驶汽车进入的功能
4.远程云端管理功能
5.集团化车场管理功能
6.临时车月租车管理功能
验收结论：
验收合格：□ 其
他：
甲方 乙方 签字盖章：
盖章日期：
****年**月**日
签字盖章：
盖章日期：
车牌识别系统毕业论文 篇5
图像预处理实际上就是为准确地分割图像做好准备。通常情况下,摄像机在拍摄时会由于外界光线、气候或其他自然、设备本身、人为因素等干扰而导致所拍摄的车牌图片成像不完美。例如,对比度太小、曝光量太大、不清晰、倾斜等等。这些情况都会极大地影响后期车牌号码字符的分割操作,甚至导致无法进行字符分割操作。所以,在做字符分割操作之前,非常有必要先对图像做一系列的预处理。这些预处理操作包括图像归一化、中值滤波、图像效果增强、二值化、方向矫正以及去除大噪点的二值图像后处理等过程。
1车牌图像的归一化
由于实际输入的图像通常都会大小不一,理论上对图像的大小和颜色都无严格要求,但车牌图像过小会影响识别的正确率,为了能够适应不同大小的图像,需要对输入的灰度图像进行大小归一化。对于较小或较大的图像(宽度<100或>250,高度<30或>80,单位为像素),全部统一为宽度176像素,高度58像素的图像。采用这一大小是考虑到BMP图像的存储特点(每一行的存储字节数必需是4的倍数)和实际处理的模板车牌图像的大小两个方面,而且这个宽度与高度的比例关系和实际车牌的宽高比例关系较为接近,图像归一化之后不会引起图像的变形而影响后续的处理[1]。
2中值滤波
为了抑制噪声,通常我们会采用低通滤波,但由于边缘轮廓也包含大量的高频信息,所以低通滤波在过滤噪声的同时,也使得边界变模糊。为了在过滤噪声的同时,还能很好的保护边缘轮廓信息,本文采用了中值滤波方法。中值滤波的原理很简单,用一个窗口W在图像上进行扫描,把窗口内包含的图像像素按灰度级升序或降序排列起来,取原图像灰度值居中的像素灰度值作为处理之后的中心像素的灰度值,便完成了中值滤波。通常中间像素为奇数,以便有个中间值,如果窗口内像素为偶数时,可以取中间两像素灰度的平均值[2]。中值滤波的处理效果关键在于窗口W的选择。本文采用的中值滤波的窗口为十字形窗口,窗口中共9个像素,如图1所示。
实验表明这种中值滤波对于消除孤立噪声点的干扰十分有用,更重要的是使用这种窗口进行滤波时,除了能有效消除噪声之外,还能有效地保护边界信息。
3 图像效果增强
3.1 灰度拉伸
对阈值选取影响较大的因素之一就是图像对比度太小,这种情况反映到图像直方图上就是背景点组成的峰和目标点组成的峰融合在了一起,虽然直方图呈现了双峰结构,但在很大一部分灰度范围内却并没有图像像素的分布,如图2所示。
观察图2可以看出如果把灰度范围从150—255放大到0—255,无疑会在很大程度上提高图像的对比度,有利于图像的进一步处理[3]。
3.2 图像直方图规格化
图像的直方图表示了图像中各种不同的灰度级像素点出现的频率。直方图规格化,就是修正图像的直方图,使得重新组织的图像具有期望的直方图的形状。理想图像的直方图呈现一个双峰分布的形状,目标和背景各自聚成一个峰。灰度分布过窄或直方图偏向一方具体反映到图像上就是图像太亮(此时灰度值集中在255一边),或者图像太暗(此时灰度值集中在0一边)[4]。在程序中设定所有象素的灰度值相加之和大于等于图像宽W×图像高H×255×0.75或小于等于图像宽W×图像高H×255×0.25时,启用这个模块来对图像进行处理。本文采用的期望标准直方图是自己设计的一个用二次多项式逼近的一个双峰分布的直方图,形式为:
undefined
其中A=0.6、B=0.4、a=128,x是原图像每个象素点的灰度值, f(x)是处理后的每个像素点的灰度值,其中A、B、a的值是在图像仿真中得到的经验值。
函数的形状如图3所示。
处理效果示例如图4、图5所示。
可以看出,原图由于光照太强烈,整个车牌用肉眼比较难看清,经过直方图规范化后,图像明显变清晰了,而且直方图呈现出规则的双峰分布形状,这为后面的处理带来了方便。
4 选择自适应阈值并进行二值化
根据前面对图像的增强处理,本文利用灰度分布直方图来动态寻找波谷,取波谷作为图像分割的整体阈值,从而实现阈值的自适应选择。计算推导如下。
假设灰度值为1—m级,灰度i的象素数为ni,则像素总数undefined,各灰度值的频率为undefined,再假设灰度值k把m级灰度值分为两段,C0=(1,2,…,k}和C1={k+1,k+2…,m}。
C0的频率undefined的频率undefined。
C0的平均值undefined的平均值undefined。
其中,undefined是整体图像的平均灰度,undefined是阈值k的平均灰度,于是有μ=W0μ0+W1μ1。
两组间的方差:δ2(k)=W0(μ0-μ)2+W1(μ1-μ)2=
undefined。
使k从1到m逐一变化,使δ2(k)最大的k*即为阈值,这里δ2(k)可称为阈值选取函数,实际上计算的就是两部分图像形心的距离,δ2(k)最大也就对应着两部分的距离最大。阈值确定之后就可以对全图进行二值化处理了,处理过程比较简单,就是把小于阈值的灰度作为背景灰度区域,大于阈值的灰度值作为目标。
处理效果如图6、图7所示。
5 车牌方向矫正
并不是所有的车牌都需要进行方向校正,绝大多数情况下车牌的倾斜角度都很小,这主要取决于摄像机的放置,因为一般车牌都是水平的固定在汽车前面,所以当摄像机的位置固定之后,该摄像机所拍摄下来的所有车牌的倾角方向大体上是一致的。
本文采用KL变换来求得车牌字符的主轴方向,进而求得旋转角度。具体过程如下:
不管车牌的图像倾角如何变化,其形心是相对不变的,可以用图像的几何矩求得图像的形心坐标,几何矩的具体定义如下(对二值化图像而言):
undefined;其中M和N分别为图像的宽度和高度,则车牌的形心坐标(X0,Y0)可以由几何矩求出:
undefined
求得形心坐标后,将车牌的坐标原点移到该处,在新的坐标系下车牌具有平移不变性,设xi是目标各像素横坐标位置,yi是纵坐标位置,取undefined,设N为目标所含的总像素数,即黑像素的总数,那么X的均值和协方差矩阵估计为:
undefined
由于已经对图像做了平移处理,所以undefinedx=0,则有:
undefined
求出undefinedx的特征值和特征向量:undefined;undefined。
取undefined,做变换Y=ψTX,即
undefined
经过上述变换,两个坐标分量互不相关,目标主轴沿y1方向,旋转角度为:θ=tan-1(e12/e11),则新的坐标为(xnew,ynew),即
undefined
6 二值图像的后处理
二值图像后处理的目的是净化二值图像,去掉额外的大噪声(随机的小噪声已经用中值滤波去除了),如车牌边缘和车牌上的钉子或者污点等孤立噪声点。对于车牌边缘采用了行扫描线段法。因为车牌边缘出现的地方通常会出现连续的黑线段(被误认为目标),利用阈值控制(系统默认为5)可以把车牌边界去掉。
采用形态学的方法对确认的白底黑字图像进一步进行二值图像的孤立点去噪。形态学的用途主要是获取物体拓扑和结构信息,它通过物体和结构元素相互作用的某些运算,得到物体更本质的形态[5]。
本文采用先腐蚀后膨胀的方法,基元采用3×3的小窗口,经过图像后处理,对没有去除的较大一点的噪声(容易被误认为目标)进一步进行去除,进一步净化了图像。
处理效果如图8、图9所示。
从图9可见,车牌边框以及上方左右两个“大钉子”被彻底去除了,图像质量进一步提高,这为以后顺利地进行车牌号码字符分割和识别做好了准备。
7 结束语
以上所述车牌图像预处理是一个多步骤紧密相关联的过程,本人在传统的图形图像处理方法的基础上,加入了一些自己的新思想、新方法。比如中值滤波的“十字形”窗口、自适应二值化阈值的确定法则等等。实验表明,这些新方法都有较好的图像处理效果。
参考文献
[1]王鑫,宁晨,罗斌.一种基于归一化割的图像分割算法.计算机应用研究,2006;2:165—166
[2]胡旺,李志蜀,黄奇.基于双窗口和极值压缩的自适应中值滤波.中国图像图形学报,2007;1:43—50
[3]章秀华,杨坤涛.基于最大熵原则和灰度变换的图形增强.光电工程,2006;2:84—87
[4]李绍君,甘岚.两种直方图规定化实现算法的分析.人工智能及识别技术,2006;9:1705—1706
基于图像处理的车牌识别研究 篇6
关键词：图像处理 车牌定位 字符分割 字符识别
中图分类号：TN91 文献标识码：A 文章编号：1674-098X（2015）06（a）-0020-02
Abstract：Algorithms of License plate recognition are researched in this paper.Firstly，Canny operator and morphological operation are employed on image after graying and threshold to locate the license plate.Secondly，vertical projection is used for character segmentation.Thirdly，the template matching algorithm is carried out for character recognition.Simulation results in Matlab show that the algorithm here can identify the license plate effectively.
Key Words：Image Processing License Plate Location Character Segmentation Character Recognition；
车牌识别不仅可用于公路布控、高速公路上的事故自动测报、小区车辆管理等，还是智能交通的核心环节。国内外学者对基于图像的车牌识别进行了很多研究，但目前还没有一种车牌识别算法可以获得非常理想的识别效果。车牌识别的流程一般是车辆图像的预处理、车牌定位、字符分割和字符识别。该文针对静态图像的车牌识别，研究了基于边缘检测和形态学滤波的车牌定位，基于投影算法的车牌字符分割和基于模板匹配算法进行车牌字符识别，并进行了仿真分析。
1 车牌图像预处理
车牌颜色种类较多，不同颜色的车牌灰度化后可以统一处理。阈值分割可以将目标区域和背景分割开来，方便后续定位和识别。该文首先采用加权平均值法对图像进行灰度化，然后采用otsu算法进行阈值分割，得到的灰度图和二值图如图1和图2所示。
可见，灰度化后的图像没有丢失主要信息；二值图消除了大部分背景信息，较准确的分割出了车牌区域，有利于后续的车牌定位和提取。
2 车牌定位与提取
2.1 车牌定位
该文采用边缘检测和形态学操作进行车牌定位。边缘检测能显示图像的大体轮廓，但检测后的车牌边缘是不连续的。形态学处理中闭运算可以使图像的轮廓线更为光滑，消除狭窄的间隙和细长的鸿沟，消除小的孔洞，弥补轮廓线中的断裂，开运算能消除细小部分[1]。
对灰度化和二值化后的图像进行Canny边缘检测，如图3所示。可见，目标边缘被比较完整的检测出来了，但边缘连续、不完整的情况依然严重，很多背景边緣信息也被保留了。为改善效果，对边缘检测后的图像进行形态学操作。进行一次闭运算和两次开运算，结果如图4所示。形态学操作较准确的定位了车牌区域，并消除了部分干扰和小连通域。
2.2 车牌提取
车牌具有一定的长度和宽度，因此车牌定位后的图像上，非零像素点集中在某些行和列上，可以根据这一特点进行车牌提取。对形态滤波后图像进行行、列方向上的像素点扫描，统计得到像素值和，据此确定车牌的起始位置和终止位置[2]。图5和图6为车牌在行、列方向上的像素值和，车牌行方向像素集中在900～1200区域，车牌列方向像素集中在1600～2300区域，其它区域的像素则为干扰。
车牌具有一定的宽高比，可以排除干扰。最后可分割出车牌图像如图7所示。
3 车牌字符分割
车牌字符之间存在均匀的间隔，在垂直方向上的投影峰谷交替，因此可以利用垂直投影法提取字符[3]。垂直投影如图8所示，垂直投影共八个区域，其中在300～400列间的区域对应园点。可根据垂直投影方便的分割出每个独立字符。为了字符识别的准确性，将分割出的字符图像进行归一化处理[4]，如图9所示。
4 车牌字符识别
该文使用的是模板匹配法实现的字符识别，其基本思想是将归一化的字符与预先建立的模板库中的字符进行匹配，模板库中的字符与车牌字符相似程度最高的就是匹配结果。模板匹配法实现简单且识别率高，是车牌字符识别的主要方法[5]。
该文采用了一种快速匹配方法，将车牌字符与模板库中的各字符图像相减，得到差值图像，计算差值图像的像素的绝对值和，该值表示了车牌字符和模板库字符之间的误差。最小误差所对应的模板库字符就是匹配字符。以数字“6”的模板识别为例进行说明。表1所示为数字6的模板匹配情况，可见最小误差对应的模板库字符为“6”，该方法可正确识别。
5 结语
该文采用灰度化和阈值法进行了图像预处理，采用Canny缘检测和形态学操作进行了车牌定位，采用基于垂直投影的垂直切分算法对车牌进行了字符分割，采用模板匹配的算法对车牌字符进行了识别。仿真结果表明，设计的车牌识别算法可有效地实现车牌识别。
参考文献
[1]闫敬文.图形图像处理（MATLAB版） [M].北京：国防工业出版社，2007：79-82.
[2]袁卉平.基于MATLAB的车牌识别系统的设计与研究[J].工业控制计算机， 2010，23（10）：73-74.
[3]陈宁宁，苏坤.基于MATLAB的车牌识别系统研究与实现[J].电子测试，2013， 22（2）：67-68.
[4]刘忠杰，宋小波，何锋，等.基于MATLAB的车牌识别系统设计与实现[J].微型机与应用， 2011，30（14）：37-40.
一种车牌识别系统的设计与实现 篇7
当前, 车牌识别在技术上已有较大的发展, 而面对日益复杂的交通环境, 图像的复杂程度、光线的强弱、车牌的实际现状以及车辆的行驶速度对车牌识别算法的实现提出了更高的要求, 本文从实际出发, 结合算法理论仿真, 设计一套完整的基于Android平台的车牌识别系统。在实际应用中, 安装方便、实现简单, 具有较好的适应能力和识别准确性, 可以用于停车场车辆统计管理以及交通管理部门的车辆管制。
1 系统整体设计
作为LINUX开源代码的一个应用广泛的系统Android在实际应用中具有便携、高效、可用的优势, 从开发上来说它可分为应用程序层、系统运行层和LINUX内核层。而在实现中, VC++以其高效率性及算法可移植性长期以来受到图像处理工程人员的青睐, 因此, 本系统也将采用C++作为图像识别算法的设计语言以提高算法的识别效能。CLE可以作为多种语言的通用平台, 支持Java、Python、C/C++、Lua等, 且可以扩展至其他多种语言, 也可以自定义语言。在CLE中, 对象作为1个基本的操作元素。对象对外提供了统一的接口, 可以通过这些接口, 调用对象的函数、重载对象的函数、捕获对象的事件等。因此可以在Android平台上通过使用CLE和wrapandroid项目作为中间件利用VC++进行算法软件开发。总体硬件设计是通过摄像头对现场进行拍照, 将数据送往Android嵌入式平台, 经过平台算法处理后将识别信息传送到后台服务器, 实现系统对车辆的识别与管理。
2 相关算法设计
2.1 预处理
以某一实验图片为例, 如图1, 预处理通过将原始采集的彩色图片进行黑白转换去除RGB模式下的数据格式, 然后对已处理的黑白图像进行阈值处理, 过滤不符合条件的灰度值, 实现阈值过滤[1], 如图2。而从图可以看出车牌只占用系统图片的下半部分大概1/4的范围, 这与车辆距离摄像头的距离和车辆的高低有关, 它将影响算法的计算速度及车牌模糊识别的效能, 因此对其进行进一步预处理只关心图片下部分1/4处信息如图3, 对于实际应用将根据车辆的距离与摄像头的高度进行感兴趣区域动态截取。对于系统的灰度阙值过滤, 根据经验值的统计系统可以只关心灰度值在100~255之间的区域, 这个条件将与以上的图像感兴趣区域一并构成感兴趣处理信息, 而在系统工作环境不够稳定的情况下将提供用户可设置的软件交互并实现降噪处理。在本系统实验中, 根据工作经验值可以采用正常日照条件下选择系统工作阈值色阶为72。如图4为过滤降噪后的效果。
2.2 车牌定位[2]
实际工作中, 系统对车牌的定位也可以看出对感兴趣区域处理的一部分。在程序中将根据以上动态截取感兴趣区域的经验值对系统采集图片进行生成动态模板 (根据不同的车辆距离与标准车牌大小生成某一像素大小的矩形) , 该模板将在经过锐化边缘的图片中寻找车牌区域, 为下一步字符的截取做好基础, 如图5所示。
2.3 字符分割识别
对于系统而言, 最终结果需要对字符进行识别和数据的入库, 因此字符识别是工作的最核心模块。在实际工作中, 可以利用预先设置的字符模板, 进行图像字符模板匹配, 如图6所示。对于字符模板的设置, 可以通过预处理、矫正、分割裁切进行设计。基于图像进行字符识别也可配置很多参数来提高字符的识别率[3]。例如限定车牌头的字符, 车牌各位字符的识别优先级等等。在应用中, 数字模板与字符模板大致相同, 因此此处仅演示数字模板如图7所示。
3 硬件设计
在硬件设计上[4,5], 系统通过图像摄像头接入原始信息, 在CMOS图像传感器下将信息传给USB Camera Android控制器, 其又与Flash和SDRAM进行双工连接。对于图像采集可以通过PC350摄像头以V4L的标准进行图像原始采集, 实际工作表明其有较好的实现效果。在实际工作中, 为了保障系统的高可靠性, 提供了两路图像采集可选线路, 当条件要求较为苛刻时, 系统可以切换到双目模式。双目模式对目标可以进行经验值校对以及实际处理结果科学评估, 得出最优解。在数据传输方面, 系统主要采用OV511USB Camera控制器、CMOS图像传感器以及512K的RAM进行数据处理传输。为了确保图像处理的速度及计算的效率, Android数据中心通过USB进行数据控制以及收发, 整个过程由USB Camera控制器提供相应的功能。
4 结束语
本文提出一种基于Android平台的车牌识别系统的设计, 该设计通过VC++在Android平台的程序编写实现算法, 算法则通过车牌图像预处理、车牌定位以及车牌字符分割识别得出最优解。同时, 给出了硬件设计思路, 为相关车牌识别系统设计提供一种思路。
参考文献
[1]曲延锋, 徐健, 李卫军, 等.有效去除图像中脉冲噪声的新型滤波算法[J].计算机辅助设计与图形学学报, 2003 (04) :397-304.
[2]牛晓霞, 王成儒.基于DCT域的公路车牌定位算法[J].微处理机, 2010 (04) :75-82.
[3]贾晓丹, 李文举, 王海姣.一种新的基于Radon变换的车牌倾斜校正方法[J].计算机工程与应用, 2008 (03) :245-248.
[4]张怀柱, 尹传历, 宋建中, 等.基于DSP的嵌入式显微图像处理系统的设计[J].电子技术应用, 2008 (1) :30-34.