龙源期刊网 http://www.qikan.com.cn
车牌识别综述
作者：朱克佳 郝庆华 李世勇 胡长雨
来源：《现代信息科技》2018年第05期
摘 要：本文介绍了车牌识别技术的基本方法，四个主要环节包括图像预处理、车牌定位、字符分割和字符识别。并在此基础上讨论了当前车牌识别面临的一些问题以及未来的发展趋势。
关键词：智能交通；车牌识别；计算机视觉；车牌定位；字符识别
中图分类号：TP391.41 文献标识码：A 文章编号：2096-4706（2018）05-0004-03
A Review of License Plate Recognition
ZHU Kejia1，HAO Qinghua2，LI Shiyong1，HU Changyu3
（1.Guangdong Innovative Technical College，Dongguan 523960，China；2.Harbin Institute of Information Technology，Harbin 150000，China；3.Nanjing University of Aeronautics and Astronautics，Nanjing 211106，China）
Abstract：The basic method of license plate recognition technology is
龙源期刊网 http://www.qikan.com.cn
introduced in this paper. The four main links are image preprocessing，license plate location，character segmentation and character recognition. Finally，some problems and future trends of vehicle license plate recognition are discussed.
Keywords：intelligent transportation；license plate recognition；computer vision；license plate location；character recognition
0 引 言
随着世界经济的高速发展，各国大城市均面临着交通拥挤、事故多发以及交通环境日趋恶化等城市交通问题，因此“智慧城市”的概念应用而生，“智能视频监控”“智能交通”逐渐被提上研究日程，以实现城市的各项管理智能化。
1990年美国智能交通学会提出智能交通的概念，随即我国也开始对车牌识别技术进行研究。它融合了智能控制、计算机视觉、图像处理和通信技术等诸多电子技术为一体，使交通向着合理化、人性化和智能化的方向前进。车牌自动识别技术是智能交通的重要组成部分，它通过对图像的采集和处理来获取当前的重要信息，为更高层次的智能化奠定基础。本文对车牌识别技术主要环节的常用方法进行分类阐述。
1 车牌识别
车牌识别技术包括图像预处理、车牌定位、字符分割和字符识别。
1.1 车牌图像预处理
龙源期刊网 http://www.qikan.com.cn
通常监控或者摄像机获取的车牌图像带有诸多干扰因素，诸如光照、倾斜、阴影等，这给车牌识别造成很大的干扰，需要提取车牌的相关颜色信息，进行车牌扫描、灰度化、增强对比度、统一车牌背景、图像二值化、图像倾斜校正以及干扰滤波等，这些即为图像预处理。
1.1.1 颜色扫描和转化处理
通常，红（Red）、绿（Green）、蓝（Blue）三种基本色光可以通过不同的组成构成绝大多数彩色，被称作光三基色，构成RGB颜色空间，但三基色容易受光照影响，且三者之间具有较高的相关性，因此常将其转换为HSV、HIS等颜色空间。
1.1.2 车牌扫描
通过用相关算子进行边缘检测，得到的是车牌边缘轮廓。常用的边缘检测算子主要有Sobel、Laplace和Canny算子等。Canny算子先对图像高斯滤波，再差分运算，最后双阈值判断检测边缘，因而具有良好的边缘检测效果。
1.1.3 图像灰度化
彩色图像包含着大量的颜色信息，直接处理会因占用大量资源而影响处理速度，需要将彩图转化为灰度图像。考虑到人的主观感受，三基色中，人眼对绿色最敏感主观感受亮度最亮，红色次亮，蓝色最暗，将三基色以不同比例加权灰度亮度值，即为加权平均法。
龙源期刊网 http://www.qikan.com.cn
1.1.4 增强图像对比度
增强图像对比度可以削弱消除实际图像中的一些额外干扰因素，通常加强关注部分的像素特征，缩小消除微小影响部分的像素。图像增强的方法主要分为两类：
（1）空间域增强方法。在时间域内，直接采用算法对图像像素直接处理；
（2）频域增强法方法。通常先对原图像进行区域变换，去除变换后区域的某些次要信号，反变换到原来区域，进而提高图像对比度。
1.1.5 车牌背景颜色统一
目前，我国车牌牌照主要有四种颜色：蓝色、白色、黑色和黄色。颜色配置为：白底黑字车牌、黑底白字车牌、蓝底白字车牌、黄底黑字车牌等[1]。通常将车牌底色转换为亮区，字符设置为暗区。
1.1.6 图像倾斜校正
在摄像机获取图像的过程中，很多因素诸如摄像机倾斜、路面倾斜、车牌倾斜等都会造成所拍图像倾斜，后面字符分割和识别工作要求必须进行倾斜度的校正。
常用倾斜校正方法[2]为以下几种：
（1）使用Hough变换法求倾斜角度；
龙源期刊网 http://www.qikan.com.cn
（2）模板匹配法，用选定模板在目标图像区域中滑动搜索计算相似度，进而确定车牌倾斜度数；
（3）投影分析法，利用车牌字符区域横向纵向像素差值，计算倾斜车牌倾斜角度；
（4）通过分析主方向车牌字符方向，并且字符边界在同一条水平线上，实现倾斜角度的校正。
1.1.7 图像二值化与滤波
图像灰度化以后，即可按照一定规则对灰度图像二值化，将多个灰度图像简单分为背景和前景目标黑白两种像素，可以更好地找到字符。
图像获取过程中不可避免地会受到诸多干扰信号影响，图像的处理过程往往也需要对其滤波处理。可使用最值滤波、均值滤波、中值滤波、维纳滤波、高斯滤波、锐化滤波等，根据不同的情况选择不同的滤波方式。中值滤波由于具有优秀的去椒盐噪声的性能而被大量使用。
1.2 车牌定位
车牌定位是从所获取图像中运用某些算法，通过图像处理找出车牌在图像中的位置。目前，最常用的方法主要有四大类：基于颜色特征、基于边缘特征、基于混合特征和基于神经网络的车牌定位。
龙源期刊网 http://www.qikan.com.cn
1.2.1 基于颜色特征的车牌定位
由于牌照的颜色是确定的，它是车牌特有的特征。通常车牌颜色与车身不同，很多研究人员根据颜色特征[3-5]提出了一些定位方法。王卫、陈继荣、徐璟业[6]分析原始图像得到一组特定的色彩距离图谱，再使用自适应熵阈值，进而快速粗略选定车牌区域；重庆大学潘寒飞将HSV颜色空间特征与彩色纹理特征相结合，设计出一种车牌粗定位方法[7]。
基于颜色特征的车牌识别容易受到光和影子等的干扰，因此实际中常与其他对车牌进行定位的方法一起使用。
1.2.2 基于边缘特征的车牌定位
基于边缘特征的车牌定位根据字符特点、车牌的边缘等信息来对图像中的车牌进行定位。车牌区域由于字符的存在具有强烈的边缘，表现为从背景到车牌、车牌背景到车牌字符有较大边缘以及密度较大等边缘特征。通过判断边缘变化剧烈程度来对车牌位置加以定位。蔡钦涛、方水良、任俊[8]采用灰度局部方差极大的原则以边缘生长的方式检测边缘。边缘生长结束后，再判断其是否是车牌字符的边缘，最后使用字符与车牌的几何位置关系准确定位车牌；卓炜、齐春[9]主要根据车牌区域边缘信息丰富的特点，结合脉冲耦合神经网络与Sobel算子，对输入彩色图像实行多通道边缘检测与分割，再结合投影信息进行定位；廖晓姣、李英[10]将边缘检测和数学形态学算法结合来对车牌进行定位。
1.2.3 基于神经网络的车牌定位
龙源期刊网 http://www.qikan.com.cn
基于神经网络[11，12]的车牌定位的主要步骤为：
（1）将车牌图像送入神经网络训练，车牌位置输出值高，非车牌输出值低；
（2）对新图像车牌定位时，选M*N大小的滑动窗口，在待检测的车牌图像上从左自右、自上而下移动，将窗口内的区域图像送入神经网络运算，与阈值进行比较，判窗口内否有车牌。
该方案需要大量的训练样本，窗口大小的选择也受图像大小的影响，窗口大小的选择还会影响运算的速度，很难满足实时性要求，有待继续研究。
1.2.4 基于混合特征的车牌定位
实际获得的车牌图像都含有很多杂质干扰信息，使用车牌的多个特征进行配合往往会取得更好的定位效果，很多学者提出基于混合特征的车牌定位[13-15]方法。国防科技大学赵兵等[16]通过综合利用车牌的颜色、纹理和结构几何等特征，实现了车牌定位的算法。车牌定位非常重要，车牌定位的准确与否直接关系到后续字符分割环节能否正确进行。
1.3 字符分割
字符分割错误会造成字符不能识别或者识别错误，字符分割是从含有字符的车牌中分割出单独字符。实际拍摄的车牌存在图像光照变化、图像被阴影遮挡、车牌不清洁、字符断裂、单双层车牌以及边框等现象，使分割的难度大幅度增加。常用的分割方法主要
龙源期刊网 http://www.qikan.com.cn
有基于投影、边缘、轮廓提取的字符分割方法。
（1）基于投影的字符分割方法的依据为[17，18]：由于车牌字符与车牌背景之间灰度具有跳变特性，而且单行车牌字符和双行车牌同一行的字符具有相同的宽度和高度，该方法正是利用这些特点进行分割；
（2）基于边缘的字符分割方法基本思想是：首先检测出字符边缘，再利用字符连通特性加以标记，分析轮廓实现字符分割。
（3）基于轮廓的提取字符分割方法，基本过程是：
1）先对图像进行二值化获取车牌字符的轮廓；
2）车牌字符含有汉字、字母以及数字时，考虑连通性可以将汉字与字母、数字区分开，再利用字符的宽高比可去除非字符。该方法一个显著缺点是对非连通类汉字不能一次正确识别，常要配合其他条件实现汉字字符的完整分割。
1.4 字符识别
车牌字符排列规则为：首字符为汉字，第二个字符为字母，最后一个字符也可能为汉字警、学、挂或者数字、字母等，其余字符为字母与数字的混合，一些特殊字母与数字之间，如I与1，D与0，B与8等，容易造成错误识别。常用的字符识别包括以下几种。
龙源期刊网 http://www.qikan.com.cn
1.4.1 基于模板匹配的字符识别
传统的模板匹配方法实现匹配的主要过程为：
（1）先将待识别的测试样本变换为训练测试样本的字符大小；
（2）再将待测试对象与训练样本库中的样本逐个进行对比；
（3）将相似度最高的作为字符识别结果。
光照的强弱角度、阴影的遮挡、字符的新旧都会对模板识别造成较大的影响。实践发现模板越大，字符识别的实时性越低。因此，提高匹配速度是一个研究热点。
1.4.2 基于特征的字符识别方法
基于特征的字符识别方法[19，20]先求取字符特征，再设定分类器识别字符。常用统计特征和结构特征[21]对字符加以区分；统计特征一般考虑字符在网格内的分布和字符外围的轮廓特征、笔画书写的走向笔锋等复杂性特征以及字符占有的面积。
汉字是方块字，其笔画平面各方向不同，因此，可考虑使用笔划平面不同性特征和所占面积表示特征。字符的结构特征可以使用骨架特征、描述字符外围轮廓和内围轮廓的周长特征，考虑字符连通性可以使用描述字符缺口或者孔洞的特征，描述字符组成可以考虑类似树干的链码的特征。
龙源期刊网 http://www.qikan.com.cn
1.4.3 基于人工神经网络的字符识别方法
可以将人工神经网络[19，22，23]应用于字符识别来训练神经网络，具体方法如下：
（1）可先对神经网络输入字符，根据字符和非字符神经网络输出不同，提取字符特征对字符识别；
（2）也可先将待识别字符特征输入神经网络训练，然后对字符加以区分。因此，提取字符的特征是重点。
2 结 论
汽车车牌的识别环节受到诸多因素的干扰，比如光照、倾斜度、阴影、字符的旧损等都给车牌识别增加了难度。此种情形下，车牌识别率仍是研究难点。目前主流的车牌识的，研究对象仍然是单个车牌无遮挡的静止图像，对于运动中的车牌识别仍需继续研究。
参考文献：
[1] 严丽.车牌识别系统的关键技术研究 [D].南京：南京理工大学，2012.
[2] 罗正华，柳进，陈凯.基于改进倾斜校正算法的车牌识别技术 [J].成都大学学报（自然科学版），2017，36（3）：269-271.
龙源期刊网 http://www.qikan.com.cn
[3] 孙金岭，庞娟，张泽龙.基于颜色特征和改进Canny算子的车牌图像定位 [J].吉林大学学报（理学版），2015，53（4）：693-697.
[4] 孙红，郭凯.融合字符纹理特征与RGB颜色特征的车牌定位 [J].光电工程，2015，42（6）：14-19+44.
[5] 张晓娜，何仁，陈士安，等.基于主动学习AdaBoost算法与颜色特征的车牌定位 [J].交通运输工程学报，2013，13（1）：121-126.
[6] 王卫，陈继荣，徐璟业.基于颜色特征的车牌快速定位 [J].计算机工程与应用，2006（1）：226-229.
[7] 潘寒飞.基于颜色特征的车牌定位与分割技术研究 [D].重庆：重庆大学，2012.
[8] 蔡钦涛，方水良，任俊.基于边缘生长的车牌定位新方法 [J].公路交通科技，2004（11）：110-113.
[9] 卓炜，齐春.基于边缘信息的车牌定位 [J].中国科技论文在线，2011，6（4）：305-309.
[10] 廖晓姣，李英.基于边缘检测和形态学的车牌定位算法 [J].现代电子技术，2011，34（10）：17-19.
[11] 霍祥湖.基于卷积神经网络的车牌识别技术研究 [D].成都：电子科技大学，
龙源期刊网 http://www.qikan.com.cn
2017.
[12] 赵先军.基于神经网络的车牌识别技术研究 [D].西安：西安电子科技大学，2005.
[13] 陈伟.复杂背景下的混合特征车牌定位方法 [J].现代计算机（专业版），2011（15）：20-23.
[14] 岳鹏，彭进业，李大湘，等.基于混合特征的多车牌快速定位算法 [J].现代电子技术，2010，33（8）：100-103.
[15] 冯满堂，马青玉，成峰.基于混合特征的多车牌定位算法 [J].微计算机信息，2009，25（9）：236-238.
[16] 赵兵，鲁敏，匡纲要，等.基于混合特征的车牌定位算法 [J].计算机工程与设计，2007（23）：5668-5670.
[17] 黄文杰.基于投影的车牌字符分割方法 [J].现代计算机（专业版），2009（8）：57-60.
[18] 陈涛，杨晨晖，青波.基于投影和固有特征结合的车牌字符分割方法 [J].计算机技术与发展，2009，19（5）：45-47.
[19] 罗辉武，唐远炎，王翊，等.基于结构特征和灰度特征的车牌字符识别方法 [J].
龙源期刊网 http://www.qikan.com.cn
计算机科学，2011，38（11）：267-270+302.
[20] 李佐，王姝华，蔡士杰.基于特征行必要-充分性匹配的字符识别方法 [J].软件学报，2002（1）：85-91.
[21] 黄山.车牌识别技术的研究和实现 [D].成都：四川大学，2005.
[22] 柴伟佳，王连明.一种基于混合神经网络的车牌字符识别方法 [J].东北师大学报（自然科学版），2018（1）：63-67.
[23] 汤茂斌，谢渝平，李就好.基于神经网络算法的字符识别方法研究 [J].微电子学与计算机，2009，26（8）：91-93+97.
作者简介：朱克佳，男，汉族，安徽阜阳人，硕士研究生。研究方向：图像处理、深度学习、智能控制；郝庆华，女，汉族，黑龙江哈尔滨人，副教授，硕士研究生。研究方向：通信与信息系统；李世勇，男，汉族，广东韶关人，讲师，硕士研究生。研究方向：机电技术；胡长雨，男，汉族，江西抚州人，南京航空航天大学雷达成像与微波光子教育部重点实验室，博士研究生。研究方向：雷达决策成像、目标检测。
