安视宝英文站| 在线留言| 收藏安视宝| 网站地图|联系安视宝

欢迎来到安视宝智能,车牌识别,车牌识别系统,定制中心

车牌识别,车牌识别系统,车牌识别摄像机,车牌识别一体机,车牌识别软件,车牌识别算法,车牌识别厂家,安视宝车牌识别摄像机定制厂家

咨询热线:400-600-7621

热搜关键词 :车牌识别照车牌摄像机照车牌网络摄像机车牌识别一体机车牌识别摄像机车牌识别系统车牌识别软件

车牌识别
当前位置:首页 » 安视宝资讯中心 » 市场动态 » 车牌识别字符识别法3大分类

车牌识别字符识别法3大分类

文章出处:责任编辑:人气:-发表时间:2015-08-23【

  车牌识别字符识别的基本方法通常又三类:(1)神经网络法;(2)模板匹配法;(3)结构特征分析方法。模板匹配的主要特点是实现简单,当字符较规整时对字符图像的缺损、污迹干扰适应力强且识别率相当高。此处采用的是模板匹配的方法,即是将要识别的字符与事先构造好的模板进行比对,根据与模板的相似度的大小米确定最终的识别结果。模板的制作很重要,必须要用精确的模板,否则就不能正确的识别。

  车牌识别过程用MATLAB语言编程实现,无时间滞后感,可以满足实时检出的要求。但是在设计的过程中发现,使用另一幅图像后,识别效果始终没有那么理想。需要做一定的设置后才能识别出相应的字符。

  在区域搜索和分割方而,根据车牌特点,一般采用的车牌定位算法有:(1)边缘检测定位算法;(2)利用哈夫变换进行车牌定位;(3)色彩分割提取车牌等。这里我采用边缘检测和数学形态学检测结合的方法实现定位。Canny算了具有既能滤去噪声又保持边缘特性的边缘检测的特性。然后采用数学形态学方法对车牌进行膨胀运算,使车牌区域的像素点连接起米后,再对处理后的图像进行腐蚀运算,达到可以去除噪声的同的。

  基于边缘检测的定位方法反应时间快,定位准确率高,能有效的去除噪声,而且对于多车牌快速定位的效果也很不错,保证了各项指标的先进性,是车牌定位技术领域中运用最广泛的方法,即便使用其他方法,很多情况下依然要结合边缘检测的方法从而得到更优的结果。基于边缘检测的定位方法存在的缺陷就是,如果车牌褪色比较严重的,由于字符笔画的边缘很难检测或根本检测不到,往往导致定位的失败。 

  车牌识别在车牌字符分割的预处理中,用到了对分割出的字符车牌进行均值滤波,膨胀或腐蚀的处理。这在对于有杂点的车牌是很有用的,因为这样可以把字符与字符之间的杂色点去除,只有白色的字符和黑色的背景存在,这样有利于的字符分割进行。

  对于识别错误情况的分析可知,主要原因:一是牌照自身的污渍等影响了图象的质量;二是牌照字符的分割失败导致的识别错误:再就是部分字符的形状相似性,比如,B和8:A和4等字符识别结果可能发生混淆的情况。

  首先取字符模板,接着依次取待识别字符与模板进行匹配,将其与模板字符相减,得到的O越多那么就越匹配。把每一幅相减后的图的0值个数保存,然后找数值最大的,即为识别出来的结果。  对于光照条件不理想的图象,可先进行一次图象增强处理,使得图象灰度动态范围扩展和对比度增强,再进行定位和分割,这样可以提高分割的正确率。本文在与处理当中主要运用对比度展宽的方法对原始图像进行了图像增强,通常,车牌的位置在车头下部,属于低灰度级范围,而车头上部及背景中一些区域一般较亮,属于高灰度级范围。为了突出牌照的灰度细节,抑制高灰度级区域,本文采用灰度分段线性变换,根据需要,拉伸特征物体的灰度细节,相对抑制不感兴趣的灰度级,从而增强图像对比度;运用中值滤波对原始图像进行了去噪,本文采用3×3的矩形窗(共9个像素),结果表明通过中值滤波可以很好的消除孤立噪声点的干扰,还可以有效地保护边界信息。

  车牌识别字符的识别率还不理想,但是只要在分割出的字符的大小、位置的归一化,以及尝试提取分类识别能力更好的特征值和设计分类器等环节上再完善,进一步提高识别率是完全可行的。但是系统本身还存在许多不足,距离具体实用的要求仍有很大差距。