隨著城市的日益現(xiàn)代化,世界各國(guó)的汽車數(shù)量迅速增加,導(dǎo)致道路交通的負(fù)擔(dān)越來(lái)越重。它使許多國(guó)家開(kāi)始關(guān)注道路交通的自動(dòng)控制和揀選以及所謂的智能交通系統(tǒng),該系統(tǒng)已逐漸應(yīng)用于交通新聞統(tǒng)計(jì)收集、道路車間通信、停車場(chǎng)揀選、不停車自動(dòng)收錢(qián)以及車輛自動(dòng)駕駛等領(lǐng)域。
上述邊界都與汽車牌照的自動(dòng)識(shí)別有關(guān)。LPR不僅可以消除在交通路口、高速公路、軍事要塞和政府大門(mén)進(jìn)出車輛的及時(shí)備案和交通統(tǒng)計(jì),還可以對(duì)遇到麻煩的車輛、被盜車輛和犯罪分子進(jìn)行識(shí)別和攔截:LPR還可以對(duì)在停車場(chǎng)進(jìn)山的車輛進(jìn)行記錄統(tǒng)計(jì)和查詢。
為了保護(hù)安全和防盜,并協(xié)助自動(dòng)記錄費(fèi)用,這無(wú)疑節(jié)省了人力和資金,同時(shí)提高了交通清潔的效用。隨著計(jì)算機(jī)功能的興起和計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展,自動(dòng)車牌識(shí)別技術(shù)日益成熟和完善。然而,當(dāng)應(yīng)用到現(xiàn)實(shí)中時(shí),仍然有一些異常。
例如,鑒于車牌圖片的特殊性,圖片中的車牌往往是傾斜的,傾斜的車牌很難被分辨和識(shí)別,因此在車牌識(shí)別系統(tǒng)中處理傾斜異常是非常必要的。一般來(lái)說(shuō),整個(gè)車牌識(shí)別系統(tǒng)分為四個(gè)部分:圖像采集、車牌定位、字符支持和字符識(shí)別。本文在現(xiàn)有研究方法的基礎(chǔ)上,詳細(xì)闡述了在Vi sual c平臺(tái)下采集的圖像經(jīng)過(guò)了灰度化、二值化、邊緣檢測(cè)和中值濾波等一系列預(yù)處理過(guò)程。在車牌定位模塊中,基于邊緣檢測(cè)和二值化的步驟,利用灰度跳變的特性檢測(cè)車牌的上邊界,然后利用垂直投影法檢測(cè)車牌的上下邊界。
至此,車牌十足定位出來(lái):在車牌圖片的歪斜匡正模塊中,本文經(jīng)過(guò)對(duì)圖片上下半邊目的像素均勻高度的統(tǒng)計(jì)來(lái)實(shí)行歪斜的調(diào)解;末了獲得字符的大意高度,后糾分獲得單個(gè)字符的寬度的步驟,正確支解單個(gè)字符;在此底子上體系不妨殺青后續(xù)開(kāi)拓,殺青末了一步的字符辨認(rèn).在這個(gè)條件下同時(shí)指出了體系的不及和有待抬高的方位.
本文關(guān)鍵詞: