淺析車牌識別系統之圖像識別算法及架構

·圖像的預處理：對采集到的圖片的背景以及噪聲進行處理，方便后續工作；

·車牌定位：通過形態學濾波等方式，使車牌區域連通，并根據車牌的先驗知識，對聯通區域進行篩選；

·車牌校正：捕捉到的車牌可能跟攝像頭存在角度差，用相應算法進行變換校正；

·車牌分割：對車牌進行投影分析的時候，根據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，對分割來的字符進行歸一化，與標準字庫里的字符進行逐一比較識別。

“近年來出現了一些較新的識別算法與技術，如擴展小波分析、Fractal、Morphology、Retinex、超分辨率以及遺傳和神經網絡算法等。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的事物以數學的方法加以規范和描述，在分析和描繪自然現象上有獨到之處。Retinex是基于人類視覺系統的圖像增強理論，可以在動態范圍壓縮、邊緣增強和顏色恒常三個方面達到平衡，具有很廣的應用前景。而超分辨率算法，可以以人為的方式模擬地恢復出圖像獲取過程中喪失的一些信息，使數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發展的道路上都可能產生很大的影響。”大華產品經理朱克玉對于近年來出現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一步補充了國外的相關進展：“YuniaoCul提出了一種車牌識別系統，在車牌定位以后，利用馬爾科夫場對車牌特征進行提取和二值化，對樣本的識別達到了較高的識別率。EunRyung等利用圖像中的顏色分量，對車輛牌照進行定位識別，其中提到了三種方法：以Hough變換為基礎的邊緣檢測定位識別；以灰度值變換為基礎的識別算法；以HLS彩色模式為基礎的車牌識別系統，它們的識別率分別為81.25%、85%、91.25%。”

架構

算法優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自身需求選擇合適的架構模式：

1、外圍

通俗來說即圖像識別模塊安裝或集成在前端，優點是處理器可直接對未經壓縮保留了所有信息的原始視頻流或圖片進行識別。此方式在一定程度上提升了識別率，且由于無需經過網絡傳輸，其具有較好的實時性。卡口系統要求必須集成在前端，以免造成重要識別結果的延遲。此方式還可進一步細分：

·一體化識別攝像機模式，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內部，優點是可以簡化系統結構，安裝調試相對比較簡潔，但是相應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+攝像機模式，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內，其環境適應性好，擁有更豐富的硬件資源，信息存儲容量與安全性能都更好，故此目前行業應用得也比較多，代表廠商如博康。

2、內場

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過網絡傳輸到后端進行識別，具有一定的延遲性，但該類方式，基于強大的計算機處理能力，故辨識精度和速度都要高，一套系統能識別多臺攝像機圖像。其維護較為方便，但辨識率受制于視頻流壓縮，且存在網絡延遲的問題。