车牌自动识别系统的设计与实现

王彩玲　高倩

（河南警察学院，河南郑州450046）

摘要：智能交通是当前交通管理发展的主要方向，而车牌自动识别系统则是智能交通的核心。为了提高车牌自动识别系统的性能，设计了一种在复杂环境下具备较强鲁棒性的车牌识别流程，并基于VC++开发出其实验模型和实际应用模型。实际视频的测试表明，该系统已经基本达到了行业要求，具有较好的实用性。

关键词：车牌定位；字符切分；字符识别

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2012）34-8171-03

车牌自动识别系统是智能交通系统的重要组成部分。它利用计算机图像处理、模式识别及人工智能技术，对交通图像进行处理、分析和识别，并从中提取车牌信息，为道路交通管理、收费、调度、统计决策等提供了依据。虽然当前国内外车牌自动识别系统的研究与开发已趋向成熟，但在其性能上还需要进一步完善。为了提高车牌自动识别系统的性能，该文设计出一种在复杂背景下具备较强鲁棒性的车牌识别流程，并利用VC++开发了相应的车牌自动识别系统。

1系统的设计原则

车牌自动识别系统的设计必须遵循以下原则：

1.1要遵循《中华人民共和国机动车号牌》的标准

目前，我国的汽车牌照主要划分为以下六种类型：

1）大型民用汽车：采用黄底黑字；

2）小型民用汽车：采用蓝底白字；

3）使馆及领馆外籍汽车：采用黑底白字及空心“使”字的标志；

4）公安或武警、军队专用汽车：采用白底红“GA”或白底红“WJ”加黑字、白底红中文字“甲、乙、丙……”；

5）试车和临时牌照：采用白底红字和蓝底白字，并且数字前面分别标有“试”和“临时”字；

6）汽车补用牌照：采用白底黑字。

车前牌照的尺寸，按要求均设置为44cm长，14cm宽，共由7个或8个字符组成。民用汽车的牌照上都有省、直辖市、自治区的名称和发证照以及监督机关的代号，其编号要求是使用英文的大写字母。接着是一个点。而后面的汽车编号，一般都是5位数字，即从00001～99999。当编号超过10万时，则用A、B、C等英文字母来代替，即A代表10万，B代表11万，C代表12万，最后一个字母Z代表33万。第三、四个字符可能是阿拉伯数字，也可能是英文字母，而第五至第七个字符目前则均为阿拉伯数字。

1.2要面向现场环境

由于车牌自动识别系统主要用于交通道路卡口、高速收费站、小区车库等现场，所以我们要充分考虑到现场的复杂环境及光照条件，要设计出鲁棒性强、适应性高的系统。

1.3要遵循黑箱原则

整个车牌自动识别系统对外应该只设一个入口（完成汽车图像的输入）和一个出口（完成车牌字符串的输出），在该系统内部则自动实现图像数据读取、车牌定位、车牌校正、车牌字符切分、字符识别等功能。

1.4要采用模块化的结构

面向对象的模块化设计易于集成调试及装配，从而方便发布针对车牌自动识别程序进行的二次开发SDK接口，以便系统集成商应用到相应的系统中去。

2 系统的设计流程

该文所研究的车牌自动识别系统设计总流程，如图1所示。从图中可以看出，我们设计的车牌自动识别系统主要由4个部分组成，即：预处理、车牌定位、字符切分和字符识别。

根据该流程，我们在VC++6.0环境下设计开发了车牌自动识别系统实验模型和视频处理模型，并对其进行了视频实验。车牌自动识别系统的实验模型如图2所示。

该实验模型集合了：

1）车牌图像预处理算法：各种边缘提取算法、灰度增强、直方图均衡化、二值化、各种滤波算法等；

2）车牌定位算法：基于模板匹配的定位算法和基于特征颜色对判别的定位算法；

3）字符切分算法：倾斜度校正算法、字符切分算法；

4）车牌字符预处理及特征提取算法：字符大小归一化算法、数字特征提取技术和汉字特征提取技术；

5）识别算法：模板匹配法、层次搜索法和神经网络法。

该实验模型具有很好的可扩展性，为车牌自动识别系统的二次开发提供了强大的软件平台。因此，在此基础上，我们进一步开发了基于视频的车牌识别实用系统，界面如图3所示。

3实验结果分析

我们要从技术上对一个车牌自动识别系统进行评价，主要用识别速度、识别率和后台管理系统这三个指标进行衡量。当然，评价的前提条件必须是该系统要能够稳定可靠地运行。

3.1识别速度

识别速度是决定一个车牌自动识别系统是否能够满足实时的实际应用要求的重要指标之一。国际交通技术提出的识别速度是1秒以内，并且越快越好。目前，很多实际产品的车牌自动识别系统在实际应用中识别速度都达到平均200毫秒。3.2识别率

我们判定一个车牌自动识别系统是否实用，最重要的指标就是其识别率。国际交通技术曾经做过专门的识别率论述，它要求在全天候24小时情况下全牌的正确识别率要达到85%～95%。

我们利用下面的三个指标来计算车牌自动识别系统的识别率：

1）可识别车牌照的百分率=人工正确读取的车牌照总数/实际通过的车辆总数；

2）自然交通流量的识别率=全牌正确识别总数/实际通过的车辆总数；

3）可识别全牌正确识别率=全牌正确识别的车牌照总数/人工读取的车牌照总数。

3.3后台管理体系

一个车牌自动识别系统是否好用是由这个系统的后台管理体系决定的。通常，好的后台管理体系，多采用多任务并行处理机制将前端车牌自动识别与后端图像数据库管理溶为一个整体，可靠保障图像数据和识别结果存储管理。同时，前端在进行实时车辆抓拍和车牌识别时，可以并行操作后台数据查询、统计、打印、存储与通信，互不影响。而后台操作数据查询、统计、打印、存储与通信，也不影响前端实时车辆抓拍和车牌识别。比如：利普视觉网络版的车牌自动识别系统软件就安装在系统客户端和服务端工作站，即可建成一个功能完善的机动车布防网络。

该文主要对我们设计的车牌自动识别系统其识别率和识别速度进行了实验分析。鉴于实际条件限制，这里我们分别对某城市卡口白天和晚上的视频进行了统计实验，视频时长分别为120分钟，经过车辆498辆和388辆，统计得到实验结果如表1所示。

由上述实验结果可以看出，该文所设计的车牌自动识别系统的性能基本上达到了行业内对车牌自动识别系统的要求，具备一定的实用性。

4 小结

该文首先简要介绍了车牌自动识别系统的设计原则，接着给出了该系统的设计流程，并介绍了基于VC++开发的车牌自动识别系统的实验模型和实际应用模型。最后对系统运行获得的实验结果进行了详尽的分析，实际视频的测试表明该系统已经基本达到了该行业的要求，具有较好的实用性。

参考文献：

[1]刘庆祥，蒋天发.智能车牌识别系统中图像获取技术的研究[J].武汉理工大学学报：交通科学与工程版，2003（1）.

[2]韩笑，马驷良，张禹，等.基于神经网络的机动车号牌字符识别[J].吉林大学学报：理学版，2005（4）.

[3]吴成东，樊玉泉，张云洲，等.基于差分投影与优割字符的车牌字符分割[J].东北大学学报：自然科学版，2008（7）.

[4]裴加强.车牌识别系统中车牌定位方法的研究[J].可编程控制器与工厂自动化，2009（9）.

[5]李波，曾致远，周建中.一种自适应车牌识别系统设计方法[J].微电子学与计算机，2009（4）.

[6]陈永艳，林丽华，田瑞.基于自动识别理论的车牌定位算法研究[J].内蒙古农业大学学报：社会科学版，2009（4）.

[7]刘洋，宋凯.基于图像处理技术的汽车牌照识别系统设计[J].电子元器件应用，2010（8）.

[8]吴青，李曙俏，代琳，等.一种车牌识别系统的设计[J].徐州工程学院学报：自然科学版，2011（2）.