1.2 汽车牌照识别技术介绍
1.2.1车牌自动识别系统主要模块简介
车牌自动识别系统主要模块包括：触发模块、成像模块、识别模块、通信模块和应用模块五部分。该系统的关键是成像模块和识别模块。
1．触发模块：自动检测车辆在指定区域的存在，常用的触发方式有：线圈触发、视频触发、红外触发、雷达触发、激光触发。目前，收费系统中使用最多的是线圈触发。
2．成像模块：用成像控制和补光技术，使得摄像机全天在各时段各种复杂气候下都能清晰成像。利用定向反射与自然光相结合的识别原理，来提高牌照识别率和定位率。摄像机二次开发和智能补光技术，确保了成像质量不受大灯和光线明暗的影响一成像清晰、识别牢高。
3．识别模块：抓拍车辆罔像，采用图像处坪和模式识别技术对抓拍的图像分析、识别。
4．通信模块：根据通信协议，识别模块跟 之相连的设备进行数据交互。 5．应用模块：根据车辆信息化管理的需要，对车辆牛H关信息进行存储、查询、分析等，以达到应用的目的。
1.2.2 车牌识别的流程
典型的车牌识别系统由图像采集、图像预处理与图像识别3个步骤组成，其中图像采集通过拍摄照片完成，主要靠硬件支撑；图像预处理主要是通过二值化、锐化、降噪等步骤处理图片信息，获得图片的关键部分，即车牌字符；特征是车牌字符特点的表现形式，每个字符都有其自身特征，用于后续的识别。流程如图1-1所示。
图像采集 图像预处理 车牌识别 相机拍摄 灰度化 二值化 梯度锐化 降噪 分割 归一化 匹配 图1-1车牌图像预处理流程图
1.2.3 车牌识别技术的应用
车牌识别技术作为交通管理自动化的重要手段和车辆检测系统的一个重要环节，该技术能经过图像抓拍、车牌定位、图像处理、字符分割、字符识别等一系列算法运算[3]，识别出视野范围内的车辆牌照号码，它运用数字图像处理、模式识别、人工智能技术，对采集到的汽车图像进行处理的方法，能够实时准确地自动识别出车牌的数字、字母及汉字字符，并以计算机可直接运行的数据形式给出识别结果，使得车辆的电脑化监控和管理成为现实。其在交通监视和控制中占有很重要的地位，可以应用到以下一些领域： 1. 高速公路收费管理系统
在高速公路收费入、出口分别完成车牌号码识别和车牌匹配工作，实现不停车收费；还可以根据识别出的车牌号码从数据库中调出该车档案材料，可发现没有及时交纳养路费的车辆。 2． 高速公路超速自动化监管系统
该系统以车牌识别技术为核心技术，辅助其他高科技手段，建立高速公路超速无人值守的自动监测和自动布控系统，可以有效地解决高速公路上因超速造成交通事故；同时当车辆超速时，可以获取该车的图像，并得到该车的牌照号码，便于对违规车辆的处罚。 3．公路布控管理系统
该系统采用车牌识别技术，可以发现失窃车辆并定位出车辆在道路上的行驶位置，这对防范、发现和追踪车辆的犯罪，保护重要车辆(例如运钞车)的安全有重大作用，从而对城市的治安及交通安全有重要的保障作用。 4．城市交通路口的“电子警察”
利用车牌识别系统的摄像设备，可以监视相应路段的交通状况，获得车辆密度、对长等交通信息，利用此信息来控制交通流量并且可以防范和观察监测交通事故。它是我国交通管理中体现科技强警的一项重要举措，它缓解了日益繁忙的交通勤务管理与警力严重不足之间的矛盾。同时在一定程度上消除了道路交通管理在空间和空间上的盲点，有效抑制了机动车驾驶员的违章行为。随着技术的不断进步，电子警察系统已由早期单一的闯红灯抓拍演变为多项违章内容的监控系统。一般包括，超速行驶、违章压黄线、禁区停车、逆行等几项内容。此外，对打击有记录的黑车也有很大的帮助，使之无所遁形、束手就擒，大大的节省了警力，真正意义上地规范了城市交通秩序。 5．停车场收费管理系统
将车牌识别设备安装于出人口，记录车辆的车牌号码、出入时间，并与自动门、栏杆机的控制结合，实现车辆的自动管理。应用于停车场可以实现自动计时收费，也可以自动计算可用车位数量并给出提示，实现停车收费自动管理节省人力、提高效率。
6．封闭式居民小区物业管理及重要部门的保安管理
在小区及重要部门的人口处设有自动车牌识别系统，对进出车辆自动识别，并根据数据库中的车牌数据判断是否是小区内的车辆，如果是则放行并记录其进区时间，以便出现车辆被盗等情况的查询；对小区外的车辆，要求其登记后方可进入。
1.3 车牌识别技术的发展及研究现状
车辆牌照在交通系统管理中有着重要的作用，从20世纪90年代初，国外的研究人员就已经开始了对车牌识别的相关研究，其中具有代表性的工作有：R．Parisi利用DSP和神经网络技术开发出了一套车牌识别系统。Young Sung Soh[5]开发出一套实时车牌识别系统，该系统的车牌定位正确率可以达到99.2％。西方发达国家的自动识别系统已经进人了实用化阶段，全世界已有多家厂商推出此类产品，如新加坡Potasia公司推出的IMPS(Integrated Multi—Pass System)，以色列Hi-Tech公司推出的See／Car System[6]。下面是几种国外研制的系统：
1.REAL—TIME VEHICLE NUMBER PLATE
REC0GNITION该系统是一套便携式车牌识别设备，外部仅需要一个12V电源和一个摄象头。它只需车牌图象视频输入，而无须其他的触发引擎，能在各种天气情况下的白天和夜晚工作。
2.VEHICLE NUMBER PLATE REC0GNIT10N VNPR系统主要应用于找寻被盗的汽车、停车场的控制和交通流量的统计方面。VNPR的主要工作是车牌的定位、字符的切割和字符的识别，这几部分的工作是紧密结合在一起的。 3.CARINA软件开发包
CARINA图象识别软件包能监测定位和识别世界上不同国家的汽车牌照。可集成汽车牌照识别(ANPR)技术到系统和应用中去；使方案提供者，开发者，系统集成商共同受益。
4.LPR (LICENSE PLATE RECOGNITION)
License Plate Recognition系统能应用到停车场、入口控制、交通监测等场所，能检测和识别汽车车牌。它可以作为一个WINDOWS的动态连接库方便的集成到应用系统中去。除以上介绍的几家公司研究的系统以外，还有很多国外公司都有相应的车牌识别系统产品，他们的产品都提高了车辆管理的自动化[7]。
我国高校科研实验室也在进行该方面的研究，如西安交通大学的图像处理和识别研究室、清华大学人工智能国家重点实验室、浙江大学的自动化系等在车牌识别方面有各自独立的研究，并取得了一定的成绩[8]。
从整体上说，目前的车辆监测系统，大多是对车辆的数量、速度、大小、外型、种类等粗略特征的自动识别，而对类似车辆牌照等较为精细的特征信息的识别由于许多条件前提限制而应用不广泛[9]。
虽然市面上这些产品在一定的条件下能够定位到车牌，但车牌识别系统大
多是利用摄像机室外拍摄汽车图像，存在许多客观的干扰，如天气、背景、车牌磨损、牌照倾斜等因素，因此定位识别并不十分理想，特别对于我国的车牌，由于汉字的特殊性，往往会产生拒识或误识的现象[10]。还没有出现十分成熟的车牌识别系统。
1.4 我国汽车牌照识别的特殊性及车牌识别中的难点
近来年国内的机动车辆规模大幅度的增加。据统计：我国机动车数量 2000年保有量为 8546 万量，截止到 2011 年 2 月保有量超过 18000 万量。全国机动车量年均增长率在 15﹪以上。因此在我国实现车牌自动识别是很有意义的。然而我国车辆与车牌现状使得该技术实现起来具有一定的困难。主要影响分析如下：
1.我国不同类型的车牌底色和字符色种类偏多，并且牌照格式（车牌大小、字符排列等）不一。
车牌的底色有兰色、黄色、白色、黑色。小车车牌（包括小吨位的货车）是兰色。大车或农用车用的车牌及教练车车牌，还有新产品为定型的试验车并且摩托车车牌均是黄牌。特种车车牌（如军车警车车牌及赛车车牌）是白色。外商及外商的企业由国外自带车的车牌是黑色。 大型民用汽车为黑字黄底； 小型民用汽车为白字蓝底； 武警专用汽车为白底红“WJ”、黑字； 其它外籍汽车是黑底白字； 使、领馆外籍汽车均为黑底白字及空心“使”字标志； 试车牌照是白底红字且数字前有“试”字标志； 临时牌照为白底红字，数字前有“临时”二字； 汽车补用牌照：白底黑字。 绿色民航车用牌，只在机场范围内使用。
2.车牌的质量无法保证。有些车牌有污迹或破损，有的车牌字迹模糊不清，这些因素都会极大地影响车牌的识别率。
3.车牌的悬挂位置不定、高度不一，我国在这方面并无统一规定。
4.我国车牌中均伴有相关汉字，并且有些车牌的数字中夹杂字母，均使车牌识别过程变得复杂化。
限制我国车牌自动识别技术的应用和推广的原因主要有以下三个方面：
1．识别速度实行较慢，对高速交通流无法处理；
2．识别率波动较大，只有在较为理想的环境下才能达到较高的识别率； 3．系统的设计合理性较差，不易于移植和升级，从而造成了使用寿命较短，最终导致系统的推广和维护价值较高。
至今为止，国内外的许多学者和专家对车牌自动识别系统做了广泛的研究，提出了许多新的、快速的算法，并不断进行改进。一种较常见的方法是采用扫描的车牌提取方法：他利用车牌区域在逐行扫描时会呈现规律起伏这一现象，达到定位车牌区域的目的；缺点是对环境要求比较严格，限制了这种方法在实际场景中的运用。还有一种是利用边缘检测的方法：它是利用提取图像边缘的信息进行分析，进而确定车牌所在位置：其缺点是对边缘的连续性要求比较高，
当图像降质或背景较复杂都能造成定位效果较差。为了解决车牌自动识别过程中处理速度这个关键环节，有人提出使用分布式系统进行处理，但这种方法实现难度大，成本高离真正实用化还存在一定差距。
1.5 本文研究内容
本文应用数字图像处理技术进行车牌定位和分割、对字符进行特征提取、并利用BP神经网络对特征进行训练和识别来解决牌照字符识别问题。将图像处理技术与模式识别技术紧密结合，针对汽车牌照识别的主要应用技术和现阶段的发展动向，提出了车牌识别系统的设计方案。在理论上着重分析了车牌的定位和字符分割方法，车牌的准确提取和字符分割是进行字符识别的前提和基础，关系到最终识别结果的好坏；最后对切割出的单个字符提取特征送入BP神经网络识别器进行识别。在此基础上，设计了车牌识别系统的软件系统，包括车牌的定位与分割和车牌字符的识别。这两部分是相辅相承，缺一不可的。车牌定位与字符分割是为字符的识别做准备，是字符识别正确的前提保证，而字符的识别则关系到最终输出的识别结果。具体实现法如下。 1．车辆牌照的定位
首先对车牌图片进行灰度变换，并提取出HSI彩色空间信息；利用改进的直方图均衡化算法和中值滤波对图像进行增强处理，以利于后面的车牌定位。应用Prewitt和Canny算子相结合的边缘检测检测出边缘信息，然后采用一种基于纹理特征和HSI颜色特征相结合的定位方法，提取出车牌位置。 2．字符的分割
首先对车牌进行二值化、倾斜校正、去除干扰和边框，然后利用垂直投影信息结合字符排列特征的垂直分割方法分割字符[13]。 3．基于BP神经网络的车牌字符识别
对分割后的单个字符进行尺寸归一化的处理，统一为32*16。采用小波变换结合网格法提取出待识别字符的16维特征信息。把提取出的字符小波网格特征作为输入，利用改进的BP神经网络进行训练，最后识别出字符[14]。
[12]