隨著城市的日益現(xiàn)代化,世界各國的汽車數(shù)量迅速增加,導(dǎo)致道路交通的負擔越來越重。它使許多國家開始關(guān)注道路交通的自動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)計收集、道路車間通信、停車場揀選、不停車自動收錢以及車輛自動駕駛等領(lǐng)域。
上述邊界都與汽車牌照的自動識別有關(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進出車輛的及時備案和交通統(tǒng)計,還可以對遇到麻煩的車輛、被盜車輛和犯罪分子進行識別和攔截:LPR還可以對在停車場進山的車輛進行記錄統(tǒng)計和查詢。
為了保護安全和防盜,并協(xié)助自動記錄費用,這無疑節(jié)省了人力和資金,同時提高了交通清潔的效用。隨著計算機功能的興起和計算機視覺技術(shù)的發(fā)展,自動車牌識別技術(shù)日益成熟和完善。然而,當應(yīng)用到現(xiàn)實中時,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別,因此在車牌識別系統(tǒng)中處理傾斜異常是非常必要的。一般來說,整個車牌識別系統(tǒng)分為四個部分:圖像采集、車牌定位、字符支持和字符識別。本文在現(xiàn)有研究方法的基礎(chǔ)上,詳細闡述了在Vi sual c平臺下采集的圖像經(jīng)過了灰度化、二值化、邊緣檢測和中值濾波等一系列預(yù)處理過程。在車牌定位模塊中,基于邊緣檢測和二值化的步驟,利用灰度跳變的特性檢測車牌的上邊界,然后利用垂直投影法檢測車牌的上下邊界。
至此,車牌十足定位出來:在車牌圖片的歪斜匡正模塊中,本文經(jīng)過對圖片上下半邊目的像素均勻高度的統(tǒng)計來實行歪斜的調(diào)解;末了獲得字符的大意高度,后糾分獲得單個字符的寬度的步驟,正確支解單個字符;在此底子上體系不妨殺青后續(xù)開拓,殺青末了一步的字符辨認.在這個條件下同時指出了體系的不及和有待抬高的方位.
本文關(guān)鍵詞: