1、車牌識(shí)別技術(shù)是智能交通系統(tǒng)的重要組成部分，廣泛應(yīng)用于高速公路收費(fèi)管理、道路監(jiān)控以及停車場車輛智能管理等，具有非常重要的理論研究意義和實(shí)際使用價(jià)值。本文在分析總結(jié)國內(nèi)外學(xué)者對(duì)車牌識(shí)別技術(shù)研究的基礎(chǔ)上，結(jié)合最新計(jì)算機(jī)視覺庫OpenCV，設(shè)計(jì)開發(fā)了適合復(fù)雜背景下的車牌識(shí)別系統(tǒng)。
　　本文設(shè)計(jì)的車牌識(shí)別系統(tǒng)包括車牌檢測、車牌定位、車牌字符識(shí)別三個(gè)重要環(huán)節(jié)，其中車牌檢測包括了車牌校正算法，車牌字符識(shí)別包括了字符分割算法。論文具體內(nèi)容如下:<

2、br>　　(1)車牌檢測算法研究。車牌檢測是從輸入圖像中檢測并分割得到候選車牌區(qū)域，本文分別設(shè)計(jì)了針對(duì)車牌顏色和車牌紋理特征的車牌檢測算法。基于車牌顏色信息的檢測算法先將彩色圖像轉(zhuǎn)換到HSV顏色空間，對(duì)顏色分量范圍進(jìn)行檢測，得到不同車牌顏色二值化圖。基于車牌紋理特征的檢測算法先將圖像進(jìn)行去噪灰度化等預(yù)處理，然后使用垂直邊緣檢測算法和閾值化方法得到二值化圖。將上述兩種車牌檢測算法得到的二值化圖分別采用不同參數(shù)的形態(tài)學(xué)方法進(jìn)行處理，并對(duì)處理

3、結(jié)果使用輪廓檢測、矩形查找和斷裂車牌重新構(gòu)造等方法獲得車牌的候選區(qū)域。利用車牌特征信息，本文設(shè)計(jì)采用尺寸驗(yàn)證和canny驗(yàn)證方法去除部分干擾候選區(qū)域。最后使用霍夫變換和仿射變換算法對(duì)候選車牌區(qū)域進(jìn)行傾斜校正處理，得到最終的車牌候選區(qū)域。
　　(2)車牌定位算法研究。車牌定位是從車牌檢測算法獲得的車牌候選區(qū)域中精確定位出車牌。本文選用RBF核函數(shù)支持向量機(jī)作為分類器算法，考慮到車牌區(qū)域比非車牌區(qū)域包含較多邊緣特征，因此采用多尺度分割

4、的HOG方法提取特征。通過訓(xùn)練車牌定位模型對(duì)車牌候選區(qū)域進(jìn)行分類，最終確定真正的車牌區(qū)域。
　　(3)車牌字符識(shí)別算法研究。車牌字符識(shí)別是從車牌定位算法獲得的車牌區(qū)域中識(shí)別出車牌字符，包括了車牌字符分割和分割字符的識(shí)別。對(duì)于車牌字符分割，本文提出一種預(yù)處理方法根據(jù)字符不同顏色進(jìn)行閾值化，同時(shí)采用改進(jìn)的行掃描方法去除邊框和柳釘，最后本文提出一種根據(jù)第二個(gè)字符位置和車牌結(jié)構(gòu)特征的算法實(shí)現(xiàn)車牌字符分割。本文選用彈性BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)了四種