淺析車牌識別系統(tǒng)之圖像識別算法及架構(gòu)

·圖像的預(yù)處理：對采集到的圖片的背景以及噪聲進(jìn)行處理，方便后續(xù)工作；

·車牌定位：通過形態(tài)學(xué)濾波等方式，使車牌區(qū)域連通，并根據(jù)車牌的先驗(yàn)知識，對聯(lián)通區(qū)域進(jìn)行篩選；

·車牌校正：捕捉到的車牌可能跟攝像頭存在角度差，用相應(yīng)算法進(jìn)行變換校正；

·車牌分割：對車牌進(jìn)行投影分析的時候，根據(jù)車牌字符之間的寬度使之分割成一個個字符；

·字符識別：模板匹配，對分割來的字符進(jìn)行歸一化，與標(biāo)準(zhǔn)字庫里的字符進(jìn)行逐一比較識別。

“近年來出現(xiàn)了一些較新的識別算法與技術(shù)，如擴(kuò)展小波分析、Fractal、Morphology、Retinex、超分辨率以及遺傳和神經(jīng)網(wǎng)絡(luò)算法等。其中Fractal算法廣泛用于圖形/圖像處理和紋理分析，將雜亂無章隨意性很強(qiáng)的事物以數(shù)學(xué)的方法加以規(guī)范和描述，在分析和描繪自然現(xiàn)象上有獨(dú)到之處。Retinex是基于人類視覺系統(tǒng)的圖像增強(qiáng)理論，可以在動態(tài)范圍壓縮、邊緣增強(qiáng)和顏色恒常三個方面達(dá)到平衡，具有很廣的應(yīng)用前景。而超分辨率算法，可以以人為的方式模擬地恢復(fù)出圖像獲取過程中喪失的一些信息，使數(shù)字圖像能夠還原為原始信息。這些算法和理論在未來圖像處理技術(shù)發(fā)展的道路上都可能產(chǎn)生很大的影響。”大華產(chǎn)品經(jīng)理朱克玉對于近年來出現(xiàn)的算法做了如上歸納。

而杭州中威電子股份有限公司工程師陳芝斌則進(jìn)一步補(bǔ)充了國外的相關(guān)進(jìn)展：“YuniaoCul提出了一種車牌識別系統(tǒng)，在車牌定位以后，利用馬爾科夫場對車牌特征進(jìn)行提取和二值化，對樣本的識別達(dá)到了較高的識別率。EunRyung等利用圖像中的顏色分量，對車輛牌照進(jìn)行定位識別，其中提到了三種方法：以Hough變換為基礎(chǔ)的邊緣檢測定位識別；以灰度值變換為基礎(chǔ)的識別算法；以HLS彩色模式為基礎(chǔ)的車牌識別系統(tǒng)，它們的識別率分別為81.25%、85%、91.25%。”

架構(gòu)

算法優(yōu)劣決定了最終的圖像識別效果，但是用戶通常都只需接觸成熟的圖像識別軟件或說模塊，能做的選擇或很少。相對而言，更該考慮的是如何根據(jù)自身需求選擇合適的架構(gòu)模式：

1、外圍

通俗來說即圖像識別模塊安裝或集成在前端，優(yōu)點(diǎn)是處理器可直接對未經(jīng)壓縮保留了所有信息的原始視頻流或圖片進(jìn)行識別。此方式在一定程度上提升了識別率，且由于無需經(jīng)過網(wǎng)絡(luò)傳輸，其具有較好的實(shí)時性。卡口系統(tǒng)要求必須集成在前端，以免造成重要識別結(jié)果的延遲。此方式還可進(jìn)一步細(xì)分：

·一體化識別攝像機(jī)模式，亦即直接把識別模塊、抓拍控制和車輛檢測、照明控制集成在攝像機(jī)內(nèi)部，優(yōu)點(diǎn)是可以簡化系統(tǒng)結(jié)構(gòu)，安裝調(diào)試相對比較簡潔，但是相應(yīng)地對識別模塊和抓拍控制的DSP芯片的處理能力、算法等提出了較高的要求。

另一方面其采用SD卡進(jìn)行暫存，容量小且在緊急狀況時可能存在安全隱患。此類型車牌識別方式以海康、大華為代表；

·嵌入式主機(jī)+攝像機(jī)模式，識別模塊、抓拍控制和車輛檢測、照明控制都集成在專門的工控機(jī)內(nèi)，其環(huán)境適應(yīng)性好，擁有更豐富的硬件資源，信息存儲容量與安全性能都更好，故此目前行業(yè)應(yīng)用得也比較多，代表廠商如博康。

2、內(nèi)場

圖像識別模塊集成在后端控制中心等處，原始圖片或視頻流壓縮后經(jīng)過網(wǎng)絡(luò)傳輸?shù)胶蠖诉M(jìn)行識別，具有一定的延遲性，但該類方式，基于強(qiáng)大的計算機(jī)處理能力，故辨識精度和速度都要高，一套系統(tǒng)能識別多臺攝像機(jī)圖像。其維護(hù)較為方便，但辨識率受制于視頻流壓縮，且存在網(wǎng)絡(luò)延遲的問題。