基于圖像的車牌定位算法研究.pdf

1、作為智能交通重要組成部分的車牌識(shí)別系統(tǒng)(LPR)，在高速路自動(dòng)收費(fèi)、城市交通管理等方面發(fā)揮著舉足輕重的作用，發(fā)展前景非?？捎^。車牌定位是車牌識(shí)別系統(tǒng)的關(guān)鍵技術(shù)。隨著車牌識(shí)別系統(tǒng)的普及，以前在固定環(huán)境和簡(jiǎn)單場(chǎng)景下的車牌定位算法已經(jīng)不能滿足當(dāng)前的需要。因此，在復(fù)雜環(huán)境下的車牌定位逐漸成為當(dāng)前研究的熱點(diǎn)。車牌識(shí)別系統(tǒng)一般包括車牌定位、字符分割和字符識(shí)別三部分。本文主要對(duì)車牌定位部分進(jìn)行系統(tǒng)的研究。
　　 本文對(duì)近年來國內(nèi)外車牌定位領(lǐng)域

2、的最新研究成果和進(jìn)展進(jìn)行了分析，采用了分級(jí)車牌定位算法對(duì)靜態(tài)圖片進(jìn)行定位。針對(duì)低對(duì)比度車牌定位難的問題，本文通過分析車牌圖像的特征，找出了車牌的幾何特征、字符的緊密性特征以及Haar特征，為了描述Haar特征，引入AdaBoost家族算法的Discrete AdaBoost(DAB)和Real AdaBoost(RAB)算法去設(shè)計(jì)分類器，最終實(shí)現(xiàn)了基于Haar特征的AdaBoost算法的車牌定位。為了提高分類器的準(zhǔn)確率，分別將DAB，

3、RAB算法用于分類器的設(shè)計(jì)，從定性和定量的角度進(jìn)行了分析，得到RAB算法能使定位結(jié)果達(dá)到最優(yōu)的結(jié)論。
　　 分級(jí)車牌定位算法的流程分為三步：首先是粗定位，根據(jù)車牌區(qū)域字符緊密性特征和車牌區(qū)域的幾何特征提取所有可能的候選車牌。由于具備這兩個(gè)特征的區(qū)域很少，篩選掉了大量的非車牌區(qū)域，方便于最后的精定位；然后對(duì)傾斜角度大的候選區(qū)域進(jìn)行幾何校正；最后是精定位階段，進(jìn)行候選車牌辨識(shí)，根據(jù)基于Haar特征的AdaBoost分類器，將經(jīng)過幾何