车牌自动识别系统

Question

我目前正在做一个识别后侧车牌的项目，我已经完成了OCR作为初步步骤，但我不知道如何检测矩形（这是汽车的相关区域）牌照车牌，我读过很多论文，但在任何地方我都没有找到有关识别车牌矩形区域的有用信息。我正在使用 matlab 做我的项目。请任何人帮我解决这个问题......

非常感谢

Answer 1

正如您所提到的，至少有两个不同的阶段：

1. 在图像中定位车牌号
2. 从图像中识别车牌号

由于车牌号不嵌入任何位置标记（例如在 QR 码中），因此识别的复杂性通过限制传入图像的变换范围，可以减少图像中的车牌。

许多车牌识别系统的成功依赖于捕捉设备的位置和定时的准确性，以获得将车牌置于可预测的失真范围内的图像。

一旦捕获图像，就可以通过使用统计分析来处理定位阶段，以定位图像内的“车牌”形状的区域，即具有正确的透视比例的区域。 本文描述了一种这样的方法。

本文和另一篇描述了使用 Sobel 边缘检测器来定位车牌中的垂直边缘。原因是与背景相比，字母形成更多的垂直线。

另一篇论文比较了一些技术的有效性（包括 Sobel 检测和 Haar 小波），可能是一个很好的起点。

Answer 2

我完成了“基于 OCR 的车辆识别”项目

。一般来说，LPR 包括三个主要阶段：从捕获的图像中提取车牌、提取单个字符的图像分割和字符识别< /强>。车牌检测的所有上述阶段都最具挑战性，因为它对天气条件、照明条件和车牌放置以及车牌图片上放置的其他人工制品（如框架、符号或徽标）高度敏感，在印度，车牌号是写的可以是一排，也可以是两排。

对于 LPR 系统来说，速度和准确性都是非常重要的因素。在一些文献中，精度水平较高，但系统速度较低。与模糊逻辑和神经网络方法一样，准确性水平很好，但它们非常耗时且复杂。在我们的工作中，我们在时间复杂度和准确性之间保持了平衡。我们使用边缘检测方法和垂直和水平处理来进行车牌定位。边缘检测是通过“Roberts”算子完成的。使用具有适当阈值的连通分量分析（CCA）进行分割。对于字符识别，我们使用了相关函数的模板匹配，为了提高匹配水平，我们使用了增强型数据库。

我的项目方法

1. 从网络摄像头/摄像机输入图像。
2. 将图像转换为二进制。
3. 检测车牌区域。
4. 分割。
5. 号码识别。
6. 在 GUI 上显示。

我的车牌提取方法

1. 从网络摄像头/摄像机获取输入。
2. 将其转换为灰度图像。
3. 计算阈值。
4. 使用 Roberts 算子进行边缘检测。
5. 计算水平投影。
6. 通过与1.3倍阈值比较，水平裁剪图像。
7. 计算垂直投影。
8. 垂直裁剪图像。

我的分割方法

1. 将提取的图像转换为二值图像。
2. 查找提取的二值图像的赞美图像。
3. 删除像素值小于面积 2% 的连通分量。
4. 计算连通分量的数量。
5. 对于每个连接的组件，查找行和列值
6. 计算动态阈值 (DM)。
7. 通过应用某些条件从分段字符中删除不需要的字符
8. 存储分段字符坐标。

我的识别方法

1. 初始化模板。
2. 对于每个分段字符，重复步骤 2 至 7
3. 将分段字符转换为数据库图像大小，即 24x42。
4. 查找分割字符与每个数据库图像的相关系数值并将该值存储在数组中。
5. 找出数组中最大值的索引位置。
6. 找到由该索引值链接的字母
7. 将该字母存储在数组中。

Answer 3

查看 OpenALPR (http://www.openalpr.com)。它使用 OpenCV 和 LBP/Haar 算法识别板区域。这使得它能够识别暗处的亮处和亮板区域的暗处。在识别出大致区域后，它使用 OpenCV 根据图像中的强线/边缘进行定位。

它是用 C++ 编写的，因此希望您可以使用它。如果没有，至少可以作为参考。