复杂背景下基于OpenCV的车牌识别系统研究

作     者：曾泉 

作者单位：广东工业大学 

学位级别：硕士

导师姓名：谭北海

授予年度：2016年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：车牌检测 车牌定位 车牌字符识别 支持向量机 弹性BP神经网络 

摘      要：车牌识别技术是智能交通系统的重要组成部分,广泛应用于高速公路收费管理、道路监控以及停车场车辆智能管理等,具有非常重要的理论研究意义和实际使用价值。本文在分析总结国内外学者对车牌识别技术研究的基础上,结合最新计算机视觉库OpenCV,设计开发了适合复杂背景下的车牌识别系统。本文设计的车牌识别系统包括车牌检测、车牌定位、车牌字符识别三个重要环节,其中车牌检测包括了车牌校正算法,车牌字符识别包括了字符分割算法。论文具体内容如下：(1)车牌检测算法研究。车牌检测是从输入图像中检测并分割得到候选车牌区域,本文分别设计了针对车牌颜色和车牌纹理特征的车牌检测算法。基于车牌颜色信息的检测算法先将彩色图像转换到HSV颜色空间,对颜色分量范围进行检测,得到不同车牌颜色二值化图。基于车牌纹理特征的检测算法先将图像进行去噪灰度化等预处理,然后使用垂直边缘检测算法和阈值化方法得到二值化图。将上述两种车牌检测算法得到的二值化图分别采用不同参数的形态学方法进行处理,并对处理结果使用轮廓检测、矩形查找和断裂车牌重新构造等方法获得车牌的候选区域。利用车牌特征信息,本文设计采用尺寸验证和canny验证方法去除部分干扰候选区域。最后使用霍夫变换和仿射变换算法对候选车牌区域进行倾斜校正处理,得到最终的车牌候选区域。(2)车牌定位算法研究。车牌定位是从车牌检测算法获得的车牌候选区域中精确定位出车牌。本文选用RBF核函数支持向量机作为分类器算法,考虑到车牌区域比非车牌区域包含较多边缘特征,因此采用多尺度分割的HOG方法提取特征。通过训练车牌定位模型对车牌候选区域进行分类,最终确定真正的车牌区域。(3)车牌字符识别算法研究。车牌字符识别是从车牌定位算法获得的车牌区域中识别出车牌字符,包括了车牌字符分割和分割字符的识别。对于车牌字符分割,本文提出一种预处理方法根据字符不同颜色进行阈值化,同时采用改进的行扫描方法去除边框和柳钉,最后本文提出一种根据第二个字符位置和车牌结构特征的算法实现车牌字符分割。本文选用弹性BP神经网络设计了四种字符识别模型,分别对车牌不同位置字符进行识别。对于汉字和相似字符特征提取,本文创新地提出一种使用组合的二值化图像特征和对应灰度图像特征方法,改进了传统的单一二值化图像特征提取方法。最后本文设计了任务池和线程池模型实现字符识别并行化,极大地提高了算法的处理速度。