基于車型輪廓的車牌定位識別的研究論文
隨著汽車數量的急劇增加,應用電子警察系統實施科技執法成為必然趨勢。在查處違規占道、違規停車、未年檢車輛和套牌車輛等應用中,基于車載視頻的車輛判別技術是電子警察系統的重要部分。以下是學習啦小編為大家精心準備的：基于車型輪廓的車牌定位識別的研究相關論文。內容僅供參考，歡迎閱讀!
基于車型輪廓的車牌定位識別的研究全文如下：
【摘要】：在目前的車牌識別方法中,有基于灰度圖像的方法,基于小波變換的車牌定位方法等。然而,由于光照變化容易影響車牌識別的準確性,為了提高識別系統的環境適應能力,本文提出了基于車輛輪廓特征識別車牌的方法。首先,提取車輛輪廓,然后比較該模型的輪廓區域與數據庫中的汽車輪廓模板相交點的位置。匹配成功后,找到交叉處Bisquare線性擬合點,使用交點坐標和車牌4個頂點坐標來定位車牌之間的相對位置關系。
【關鍵詞】： 車牌識別(PLR) 整車輪廓提取 Bisquare擬合
1 前言
車牌自動識別包括車牌定位和車牌字符識別。車牌定位方法包括：使用車牌區域橫向紋理特征的車牌定位方法;根據該板區域與羅伯茨邊緣算子，Sobel 算子，Prewitt 算子和拉普拉斯邊緣檢測技術來定位。然而在自然環境中，汽車的背景圖像具有復雜性，不均勻的照明常常干擾識別特征對象，導致出錯。基于顏色特征的車牌定位方法中，RGB 彩色圖像的處理往往需要占用大量的內存空間，這些限制增加了識別的難度和對計算機系統的硬件要求。筆者提出了一種基于輪廓模型識別車牌的方法，只需提取輪廓的車型，車牌識別可以在二值圖像的環境中實現，這有效地解決了識別速度問題，并且能夠適應不斷變化的環境，以滿足實際系統的要求。
2 研究車牌定位
2.1 車牌定位的過程
車輛輪廓定位車牌過程：先采集車輛通過時的圖像，接著與背景圖像比較并差分得到車牌輪廓，在數據庫中進行車型輪廓區域、擬合線交點比較。匹配成功后，找到交叉處Bisquare線性擬合點，使用交點坐標和車牌頂點之間的相對位置關系的坐標來定位車牌。
提取模型輪廓和定位板的過程：在相機的監控，道路鋪設感應線圈，當車輛通過的道路，感應線圈被觸發和信號檢測，然后車輛牌照識別系統接收觸發信號，并采集車輛圖像。并通過imsubtract 之前的絕對差值算法對視頻圖像的車輛(A，B)=|A - B |，不同模型的輪廓(分別為車輛無法通過，通過圖像的幀A 和B)。為了提高執行的運算速度，減少存儲空間，圖像由灰度模式轉換為二進制模式。在這種情況下，比較該模型的輪廓區域與數據庫中的汽車輪廓模板交點位置，找到交叉處Bisquare線性擬合點。本文提出的模型逐行掃描計算出每條線輪廓圖像平分點，將這些點Bisquare 線性擬合函數，然后返回最佳的直線。得到一個垂直平分線，采用相同的方法，計算交點的水平線和垂直線的角度，根據該交叉點坐標，使用該節點坐標和車牌4個頂點的坐標來定位車牌之間的相對位置關系。
2.2 車輛輪廓提取
攝像頭實時監控道路，通過與道路背景圖像比較，差分得到車輛輪廓，該方法消除了發光顏色，在車輛的傳統的車輛識別方法的亮度變化，如特別重要的圖像信息，可以在輪廓的提取的完整模型，精度很高，我們可以很容易地提取車輛的形狀。在車輛的輪廓后的差，我們轉換的灰度圖像轉換成二值圖像，而不在保持識別特征失蹤，從而降低了信息處理的量，極大地降低了存儲器占用，提高了計算機的工作效率，二進制圖像顯示后在圖2 中。然后計算出長度與寬度的比例，該車的面積等，與數據庫進行比較。成功匹配的情況下，計算模型的水平和垂直方向的廓的對稱點。
2.3 使用Bisquare 線性擬合
首先用最小二乘法進行線性擬合，得到的初始估計A0，B0的斜率和截距，并根據計算所述對稱點集，使用Bisquare 擬合直線的直線，Bisquare 合縫如下的處理之后于，計算最小剩余(其中，N 是Y 的長度，Wi 是第i 個元素的權重，?網絡連接的第i 個元素的最佳線性擬合，yi 是Y 的第i 個元素)。當滿足以下條件：分鐘(，)< 容差(其值被設定為0.0001)時，輸出端的斜率和截距B，否則周期。該程序后，得到一直線，因此，計算交點坐標，放大。
2.4 使用的節點坐標和車牌頂點之間的相對位置關系的坐標來定位車牌
根據上述方法計算出的點的坐標應與模板庫的樣品的節點坐標一致，通過查詢與該矩形的四個頂點中的模板庫車牌相交的位置的相對坐標，可以映射出用于識別車牌定位，完成車牌識別。
3 結語
在實驗過程中，遇到一個問題：當車輛不是垂直通過監視區域的攝像機時，通過差分運算求得的車的輪廓是不對稱的。因此，考慮到實際車輛經過的監視區域道路的狹窄，車身傾斜角的特征是小于6 度，攝像機很便宜。在位置3 的角上的攝像機的監控十字路口每增加一個照相機的兩側上，因為這組標識方案的角度的模型在3°以內仍具有識別一個良好的能力。
相關文章：