車(chē)牌與車(chē)標(biāo)識(shí)別技術(shù)的研究.pdf

1、近年來(lái)，伴隨著科學(xué)技術(shù)以及智能化交通的發(fā)展，車(chē)輛智能識(shí)別系統(tǒng)已成為研究的熱點(diǎn)。車(chē)輛識(shí)別系統(tǒng)在橋梁路口自動(dòng)收費(fèi)、停車(chē)場(chǎng)管理、智能小區(qū)構(gòu)建、違章車(chē)輛記錄以及交通事故處理等方面有著廣泛的應(yīng)用。
　　 車(chē)輛識(shí)別系統(tǒng)主要由車(chē)牌識(shí)別及車(chē)標(biāo)識(shí)別兩大核心技術(shù)組成。目前車(chē)牌識(shí)別方法的研究日趨成熟，但是僅靠一種技術(shù)手段很難滿足智能交通系統(tǒng)以及智能小區(qū)等對(duì)于視頻監(jiān)控的要求。隨著車(chē)輛數(shù)量的不斷增加，交通事故、違章逃逸、盜搶車(chē)輛等案件也顯著增加。犯罪分子

2、往往利用更換車(chē)輛牌照，改變車(chē)輛外觀等方法加大了偵查及破案的難度。為此，產(chǎn)生了車(chē)標(biāo)識(shí)別技術(shù)，車(chē)型識(shí)別技術(shù)等。
　　 車(chē)標(biāo)識(shí)別技術(shù)包括車(chē)標(biāo)定位及車(chē)標(biāo)識(shí)別兩項(xiàng)關(guān)鍵技術(shù)。由于受車(chē)輛圖像的自然背景和車(chē)身背景、光照條件、天氣條件等因素的影響，車(chē)標(biāo)定位成為車(chē)標(biāo)識(shí)別技術(shù)中一個(gè)具有挑戰(zhàn)性的課題。
　　 本文主要研究車(chē)牌定位、車(chē)標(biāo)定位與識(shí)別的方法，首先提出一種基于車(chē)牌結(jié)構(gòu)特征以及顏色特征的由粗到精的車(chē)牌定位方法；其次針對(duì)基于統(tǒng)計(jì)學(xué)習(xí)的定位方

3、法不能滿足實(shí)時(shí)性的缺點(diǎn)，提出了一種基于車(chē)牌定位先驗(yàn)知識(shí)以及形態(tài)學(xué)算法由粗到精的車(chē)標(biāo)定位算法。該算法首先利用車(chē)標(biāo)與車(chē)牌的位置關(guān)系對(duì)車(chē)標(biāo)進(jìn)行粗定位，其次利用sobel算子的垂直及水平模板對(duì)粗定位后的圖像進(jìn)行邊緣檢測(cè)以及形態(tài)學(xué)運(yùn)算，精確定位出車(chē)標(biāo)位置。
　　 最后，根據(jù)車(chē)標(biāo)圖像的Hu不變矩進(jìn)行特征提取，并應(yīng)用歐氏距離最小距離分類(lèi)器實(shí)現(xiàn)車(chē)標(biāo)識(shí)別。對(duì)于定位后剪裁的圖像有干擾的情況，本文提出應(yīng)用Niblack局部閾值法對(duì)待檢測(cè)圖像進(jìn)行二值化