車輛檢測(cè)及牌照識(shí)別算法的研究.pdf

1、隨著社會(huì)經(jīng)濟(jì)的飛速發(fā)展和汽車數(shù)量的不斷增加，交通運(yùn)輸問(wèn)題日益嚴(yán)重，這樣就引起了對(duì)智能交通系統(tǒng)(ITS)的研究。車輛檢測(cè)及牌照的識(shí)別技術(shù)是智能交通系統(tǒng)的重要組成部分，也是計(jì)算機(jī)視覺(jué)和圖像處理領(lǐng)域研究的熱點(diǎn)。
　　 在智能交通系統(tǒng)中，運(yùn)動(dòng)車輛的檢測(cè)可以實(shí)現(xiàn)對(duì)道路上運(yùn)動(dòng)車輛的信息采集和處理，獲取車輛的大小、位置等特征信息，而進(jìn)一步的牌照識(shí)別處理，可應(yīng)用于不停車收費(fèi)、違規(guī)車輛監(jiān)控、停車場(chǎng)管理等需要進(jìn)行車牌認(rèn)證的場(chǎng)所，有利于交通管理效率和

2、服務(wù)能力的提高。
　　 首先，本文對(duì)智能交通系統(tǒng)的概況進(jìn)行了介紹，對(duì)圖像處理的相關(guān)基礎(chǔ)知識(shí)進(jìn)行了闡述，簡(jiǎn)要介紹和討論了幾種經(jīng)典的運(yùn)動(dòng)目標(biāo)檢測(cè)算法，詳細(xì)論述了一種改進(jìn)的自適應(yīng)背景更新的檢測(cè)算法。從背景模型的建立和初始背景的獲取，提出了一種新的自適應(yīng)背景更新的算法，首先建立混合高斯分布的背景模型，然后利用中值法提取初始背景圖像，最后利用分塊的思想，改進(jìn)了背景更新的算法來(lái)更新背景，以實(shí)現(xiàn)對(duì)運(yùn)動(dòng)車輛的實(shí)時(shí)檢測(cè)。
　　 其次，提取

3、視頻圖像序列中的關(guān)鍵幀，對(duì)關(guān)鍵幀圖像進(jìn)行車牌的定位處理。在定位前需對(duì)圖像進(jìn)行增強(qiáng)、二值化和邊緣提取等相關(guān)圖像的預(yù)處理，提出了利用形態(tài)學(xué)和投影法的二次定位方法對(duì)車牌進(jìn)行定位，首先對(duì)圖像進(jìn)行開(kāi)、閉的數(shù)學(xué)形態(tài)學(xué)處理，然后提取車牌連通區(qū)域進(jìn)行初次定位，由于監(jiān)控設(shè)備、路面狀況及車輛運(yùn)動(dòng)等因素的影響，所提取的車牌區(qū)域不可避免的會(huì)出現(xiàn)傾斜狀況，與Hough檢測(cè)法比較，利用直線擬合的方法計(jì)算出傾斜的角度，最后對(duì)車牌區(qū)域進(jìn)行旋轉(zhuǎn)，得到二次定位的車牌區(qū)域。

4、
　　 最后，在對(duì)車牌進(jìn)行定位后，下一步首先需要進(jìn)行車牌區(qū)域的去除邊框處理，然后對(duì)車牌進(jìn)行垂直投影，分析圖像中峰值和谷值的相關(guān)信息，并根據(jù)車牌的特征信息，找出字符的中心位置，最后提取分割車牌字符。在車牌的字符分割以后，提出了改進(jìn)的基于模板匹配字符識(shí)別的方法對(duì)分割的字符進(jìn)行識(shí)別并輸出，首先建立標(biāo)準(zhǔn)的數(shù)字、字母及漢字的模板庫(kù)，然后對(duì)分割的字符進(jìn)行歸一化等相關(guān)處理，最后與模板庫(kù)中的數(shù)據(jù)進(jìn)行匹配，輸出字符識(shí)別的結(jié)果。
　　 本文