论文部分内容阅读
针对各种情形下的车牌定位研究具有非常重要的意义。车牌识别系统(LicensePlateRecognition，LPR)是智能交通系统重要的组成部分和支撑技术，广泛应用于高速公路电子收费站、停车场以及道路监控中。车牌定位是车牌识别最关键的步骤，直接决定后续字符分割和字符识别的成败。外界环境的影响，如光照、阴影、以及雨雪等天气变化以及摄像机的原因导致的车牌遮挡、模糊、倾斜等，均会影响车牌定位和识别的效果。本文提出的基于视频的移动车牌定位技术，应该满足复杂环境下实时道路监控系统的准确性和实时性要求。
本文的研究工作主要包括三大部分:图像预处理、车辆检测与跟踪以及车牌定位。通过对视频中连续帧的处理，第一步检测出包含有车辆的图像帧，然后仅对这一帧进行车牌定位。该方法不需要如地感线圈一类的外界条件触发摄像机来抓拍车辆图像，不仅节省了成本，而且易于实施。
图像预处理包括灰度化、图像增强、二值化以及形态学操作等。车辆目标检测采用背景差分法实现，首先通过路面坐标标定来获得图像中像素点的实际空间坐标，从而方便在目标检测中提取车辆的面积以及长宽等特征，然后采用帧差分法获取背景，获取背景后用帧差法和背景差分法实时更新背景，最后进行背景差分和连通域分析识别车辆。
识别出车辆后需要跟踪目标到一定范围后再进行车牌定位。这里采用了基于多特征结合的目标跟踪方法，选取易于获取并且准确性高的特征进行匹配。实验证明本文采用的目标检测与跟踪算法耗时短、准确率高。
接下来进行车牌定位。本文提出了一种新的基于灰度图像的车牌多特征融合精确定位车牌区域的方法。首先利用OpenCV中轮廓提取的方法进行车牌粗定位，然后结合车牌多特征融合精确定位车牌区域。
该移动车牌定位算法利用OpenCV图像函数库和C++编程实现。实验证明车辆检测与跟踪准确度可达到96％以上，车牌定位的准确度较高，算法耗时少，可满足车牌识别系统的实时性要求。