论文总字数：23193字

目 录

1 绪论 1

1.1 研究目的 1

1.2 研究意义 1

1.3 国内外研究现状 1

2 需求分析 2

3 可行性分析 2

3.1 技术可行性 2

3.2 经济可行性 2

3.3 社会可行性 3

4 总体处理流程 3

4.1 车牌识别流程 3

4.2系统功能具体分析 3

4.2.1 图像采集 3

4.2.2图像归一化处理 4

4.2.3车牌定位 4

4.2.4 字符分割 5

4.2.5 字符识别 5

4.4 开发使用的库 6

4.4.1 Python 与 OpenCV 6

4.4.2 Matplotlib与 NumPy 7

5 详细处理操作 7

5.1 图像预处理 7

5.2 车牌定位 8

5.2.1 图像去噪 9

5.2.2 找边缘、二值化 11

5.2.3 闭操作、形态学 13

5.2.4 图像矫正、归一化 15

5.2.5 使用HSV颜色空间筛选 17

5.3 字符分割 19

5.4 字符识别 23

5.4.1训练SVM 23

5.4.2 使用SVM识别 25

6车牌识别系统实现 25

6.1 选择待识别车牌 25

6.2 预处理 26

6.3 车牌定位 27

6.4 字符分割 28

6.5 字符识别 28

7 总结与展望 29

参考文献 29

致谢 30

车牌识别系统的设计与实现

万源

，China

Abstract: With the advancement of intelligence, more and more monotonous but heavy workloads have been replaced by computers. Because the license plate as the vehicle's unique identifier in the field of traffic intelligence, license plate recognition technology is the first to play a crucial role. The license plate recognition system uses the high-performance CPU, GPU hardware, computer vision, artificial intelligence and other high technologies to locate the position of the license plate from the image, to extract and recognize the content of the license plate number. The license plate recognition system in this paper includes: image preprocessing, license plate extraction, license plate rectification, character segmentation, character recognition and other modules. This article focuses on the realization of the 7-character with blue-white license plate recognition on the most common cars. In the character segmentation segment, this paper aims at the license plate tilting situation in the picture, carries on the concrete correction optimization, has achieved the good recognition effect.

Key Words: License Plate Recognition; Python; OpenCV

1 绪论

1.1 研究目的

车牌做为车辆身份的唯一识别标识，决定了车牌识别系统在交通智能化领域里必然是处于至关重要的一环的。在当前的交通监管、监控、电子收费等服务，使用摄像机，手机等拍摄设备进行图像的获取，在由服务计算机进行图像处理，内容识别等操作，动态的去管理并分析这些大量的照片、视频数据，不但提高信息了处理的效率，也解决了人工处理上效率低下，能动性差的不足，同时这也对路况的实时分析、车辆来往数据管理有了更加科学高效的解决方案，极大的节省了人力物力。

1.2 研究意义

随着智能化的推进，越来越多的传统工作被计算机所替代。同时由于国内汽车数量激增，当前如此繁重且单调的任务已经不是人力可以达成的了，需要借助车牌识别系统的智能识别来完成如此大量的工作。当前道路、小区、停车场等场合可以借助固定摄像头，一般的个人用户可以直接使用智能手机，相机等拍照，完成照片数据的采集工作，再将采集到的数据交由后台去处理，对其进行管理，内容分析，模式识别等，将这些数据转化为统计层面的图表或者是快速在大量数据中定位出某些特定的车牌等。这样就可以做到对道路、小区、停车场等车辆来往的情况进行实时监控，而不再需要借助与人工去完成这些枯燥但任务量繁重的任务。解决了当前因为车流过大，人力效率不足等问题。

车牌识别技术目前在市场上大量应用于：

（1）智能化道路交通管理

（2）路段的信息采集，城市道路监控

（3）小区，停车场等停车、收费、出入管理

（4）车流统计，安全管理

（5）协助警方过滤检查车辆

1.3 国内外研究现状

车牌识别技术在国外的起步相较于国内是比较早的。在国外起初是出现一些简单的车牌自动识别的研究，并没有形成完整的系统性的处理方案，在这个阶段，很多情况下还需要人工进行干预，以达到预期的效果。在此之后，车牌识别的研究进入系统化处理阶段。此时对车牌照片的处理分为了图形分割、特征提取、模版构造、字符识别等多个部分。现如今，这个流程被具体体现为了二值化图像寻找车牌、垂直投影法分割字符、边界跟踪字符特征提取、统计最临近分类器与字符库比较，最终得出候选车牌号。ng-Tsai Lee和 Huang King.ChuB提出使用一维离散周期小波变换实现车牌检测并利用ANN(Artificial Nepal Network，人工神经网络)实现车牌字符的识别，依托于以上的技术基础，实现了高达93.3%的定位命中率，还有 94.7%的字符识别率。

在国内，由于车牌带有中文等格式与国外具有较大的差异的问题，所以不能直接使用国外的技术，需要以此为基础进一步发展出自己的技术。到90年代国内开始研究自己的车牌识别系统。现如今，车牌识别已经十分成熟，准确率在特定角度，且天气情况良好情况下已经接近100%，但是环境、天气、角度等影响并不是能完全避免的，因此还是不免会出现识别错误的情况出现。

当前的车牌识别产品已经能够快速准确的将车牌识别为文本了，在这之中，使用特定的摄像机，在一个相对固定的角度，车辆驶入过程中，在对应图片上定位提取其中的车牌准确率是非常高的，再辅以现阶段大热的人工智能，训练出一个成熟的识别模型，那么字符识别的精度必然也是很高的。

2 需求分析

当前车牌识别系统在小区出入口，停车场，公路，关卡等地都有着很高的需求。尤其是当前汽车保有量急剧增加的时代，人工管理的方式在应用上有着诸多的弊端，当前高峰期车流量大，人工效率不足，势必导致公路，停车场交通堵塞；同时还有工作人员徇私而导致的应收款的流失。而使用车牌识别系统，就可以自动的完成将车流数据的统计，收费情况统计。借助于车牌识别的高效的不停车收费可以有效的解决高峰期的车流而导致的拥堵问题。对于交通部门，利用车牌识别系统配合车速检测，可以对车辆做实时监控，当发现超速车辆时，自动记录车牌号，就可以直接将违章信息实时的发布。同时对于警方，将被盗车辆信息或者是在逃车辆信息实时发布，给各路段的监控设备录入这些信息以实时监控各个路段的情况，借助于车牌识别，一旦发现可疑车辆通过可以在最短时间内做出响应，而不会因为信息的时效性低而错过最佳的时机。

3 可行性分析

3.1 技术可行性

当前网络基础设施的建设已经非常的完备了，借助于发达的网络设施，在各种复杂情况的路段应用摄像机实时的搜集路况数据，同时因为计算机硬件领域的迅猛发展，计算机的性能已经可以满足大量数据的高效并发计算，再者还有大数据处理，分布式，人工智能等高新技术的快速发展，大量数据的实时处理也不在是问题。将所有采集到的数据发送到服务器，由该服务器将所有的数据进行统筹，进行路况分析，车牌识别等，可以将这些单调的路段车流照片视频信息转化为各种车型、流量、分布、热度等统计图表，从枯燥而冗长的图片视频数据中快速而精确的计算出最有价值的部分信息。

3.2 经济可行性

借助完备的网络基础设施、高性能的计算机，我们可以花费极少的资源，享用这些高速的服务带来的便利。现如今我们的身边密布着各类的图像采集设备：小区的安防摄像机、道路的监控摄像机、手机等，这些设备无时无刻不再获取这数据信息。但是，这些设备实际上在获取到大量的数据后并没有能很好的利用起来，而只是简单的将这些数据都一股脑的保存起来，等到数据保存时间到达预定的过期时间时删除。当前可以借助这些现有的资源，仅仅额外的加上这样一套纯软件系统就可以实现很多人力所不能及的事情，一方面，这样做并没有因此而带来额外的人工开支，另一方面系统可以有效的将搜集到的信息进行统筹，抽取出其中有价值的部分，一举两得。

3.3 社会可行性

随着经济的高速发展，我国个人汽车保有量急剧的增多，那么进出小区、停车场等的车辆必然水涨船高。对于这些区域已经形成了比较大的车辆管理需求。就以身边的停车场为例子，每天来往的车辆都以数百辆记，由于日常车辆来往众多，而且停车场大多都是按时间计费，仅通过专人监管的方式记录已然可行性很低，现在这些地方基本上都陆续的换上了车牌识别系统，借助于定向的摄像机采集车牌数据信息，再由后端的车牌识别系统，高效的将图像数据转换为文本数据并记录进入时间，在出来的时候就可以自动比对，完成计时与收费。同时由于现在网络支付渠道发达，我们可以将这些信息实时发布到一些手机程序，用户可以知道当前车辆的停放时间与收费情况，而且可以随时随地的完成网上缴费手续，而不需要在出入口停车等待，即避免了拥堵，也方便快捷。

4 总体处理流程

4.1 车牌识别流程

根据车牌识别所需的操作步骤，将车牌识别系统大体分为以下的步骤。

按顺序一般可以分为：（1）收集图像（2）图像预处理（3）车牌定位（4）字符分割（5）字符识别。经过了以上的步骤之后可得到系统结构图如下4.1所示 ：

剩余内容已隐藏，请支付后下载全文，论文总字数：23193字

相关图片展示：