基于視頻的車輛檢測及車牌識別系統(tǒng)的研究.pdf

1、預(yù)防交通事故和減少交通阻塞成為現(xiàn)今各大城市面臨的交通難題，為了實現(xiàn)有效的交通管理，以計算機技術(shù)、通信技術(shù)、視頻監(jiān)控等現(xiàn)代技術(shù)相結(jié)臺的智能交通數(shù)字系統(tǒng)應(yīng)運而生。作為智能交通系統(tǒng)的重要組成部分，基于視頻的車輛檢測和車牌識別系統(tǒng)可以大大提高車輛管理的工作效率，加速交通管理自動化和智能化的步伐。
　　 本文針對智能交通系統(tǒng)中的關(guān)鍵技術(shù)，包括運動車輛檢測、車牌定位、字符分割與識別進行了研究。闡述了視頻對象分割提取的重要性，分析了車輛檢測技

2、術(shù)的特點，比較了幾種經(jīng)典的運動目標檢測算法。提出了自適應(yīng)背景更新的運動目標檢測方法，從攝像機獲取連續(xù)三幀圖像，進行對稱差分，將得到的兩幅差分圖像進行與運算，提取出中間幀圖像中運動目標的形狀輪廓。再將中間幀和當前背景進行幀間差分，目的是修正差分圖像，進而檢測出準確的運動區(qū)域。為了獲得變化的背景，給出了長期背景更新和短期背景更新兩類更新方案。長期背景更新是為了配合短期背景更新，使其在無法適應(yīng)外界環(huán)境變化時，自動更新短期背景，校正短期背景的誤

3、判。由實驗結(jié)果可知，改進的算法能準確地提取運動車輛，對光照等外界環(huán)境的變化有較強的適應(yīng)能力，具有運算量小，實時性佳的特點。通過提取視頻圖像序列中的關(guān)鍵幀，進行基于形態(tài)學(xué)的車牌初定位處理。初定位采用改進的Top-Hat形態(tài)學(xué)運算進行圖像增強、去除車牌背景區(qū)域，并使用OSTU算法二值化灰度圖像，使用Canny算子進行邊緣檢測，接著利用提出的圖像像素偏移相或的方法，形成連通區(qū)域，最后用形態(tài)學(xué)方法去噪,完成車牌的初定位，并得到幾個車牌候選區(qū)；接

4、著二值化該區(qū)域，綜合多種特征信息進行融合處理(面積、長寬比以及垂直投影特征值)，對存在字符傾斜的車牌，采用直線擬合的方法傾斜矯正，完成車牌的精確定位；接著將車牌分割為標準大小的單個字符，由于車牌字符位置分布有一定的規(guī)律，采用投影分析的方法，找出字符的中心位置，分割車牌；字符識別采用改進的基于序貫相似性檢測的模板匹配算法，建立標準模板庫，對字符特征提取，用改進的方法實現(xiàn)模板匹配，輸出識別后的結(jié)果。實驗表明，采用的車牌識別算法具有魯棒性佳、