建立一个自动车辆车牌识别系统外文翻译资料

Building an Automatic Vehicle License-Plate Recognition System

Abstract—Due to a huge number of vehicles, mode rn cities need to establish effectively automatic systems for traffic manage ment and scheduling.One of the most useful systems is the Vehicle License-Plate (VLP) Recognition System which captures images of vehicles and read these platesrsquo; registration numbe rs automatically.In this paper, we present an automatic VLP Recognition System, ISeeCarRecognizer, to read Vietnamese VLPsrsquo; registration numbers at traffic tolls.Our system consists of three main modules: VLP detection, plate number segmentation, and plate number recognition.In VLP detection module, we propose an efficient boundary line-based method combining the Hough transform and Contour algorithm.This method optimizes speed and accuracy in processing images taken from various positions. Then, we use horizontal and vertical projection to separate plate numbe rs in VLP segmentation module.Finally, each plate number will be recognized by OCR module imple mented by Hidden Markov Model.The system was evaluated in two empirical image sets and has proved its effectiveness (see section IV) which is applicable in real traffic toll systems. The system can also be applied to some other types of VLPs with minor changes.

1. INTRODUCTION

The problem of VLP recognition is a very interesting butdifficult one.It is very useful for many trafficmanage ment systems.VLP recognition requires some complex tasks, such as VLP detection, segmentation and recognition.These tasks become more sophisticated when dealing with plate images taken in various inclined angles orplate images with noise.Because this problem is usually used in real-time systems, it requires not only accuracy but also fast processing.Most VLP recognition applications reduce the complexity by establishing some constrains on the position and distance from the camera to vehicles, and the inclined angles.By that way, the recognition rate of VLP recognition systems has been improved significantly.In addition, we can gain more accuracy by using some specific features of local VLPs, such as the number of characters, the number of rows in a plate, or colors of plate background, or the ratio of width to height of a plate .

1. RELATED WORK

The problem of automatic VLP recognition has been studied since 1990s.The first approach was based on characteristics of boundary lines.The input image was first processed to enrich boundary linesrsquo; information by some algorithms such as the gradient filter, and resulted in an edging image.This image was binarized and then processed by certain algorithms, such as Hough transform, to detect lines.Eventually, couples of 2-parallel lines were considered as a plate-candidate [4][5].Another approach was morphology-based [2].This approach focuses on some properties of plate images such as their brightness,symmetry, angles, etc.Due to these properties, this method can detect the similar properties in a certain image and locate the position of license plate regions.The third approach was texture-based [3].In this approach, a VLP was considered as an object with different textures and frames.The texture window frames of different sizes were used to detect plate-candidates.Each candidate was passed to a classifier to confirm whether it is a plate or not.This approach was commonly used in finding text in images tasks.In addition, there have been a number of other methods relating to this proble m focusing on detecting VLP in video data.

1. THE PROPOSED SYSTEM

Our system, ISeeCarRecognizer, consists of four modules: Pre-processing, VLP detection, character segmentation, and optical character recognition (OCR), in which the last three modules deal with three main problems of a VLP recognition domain.The VLP detection module receives images which have been processed by the preprocessing module – the first input module of this system.The resulted images of this module are sent to the segmentation module.The segmentation module segments plate-images into separate characterimages.These character-images are then recognized by the OCR module and the final results are ASCII characters andnumbe rs in plates.

1. Preprocessing

Images taken from camera we re processed by the preprocessing module.The purpose of this module was to enrich the edge features.Because our detection method bases on the boundary features, it will improve the successful rate of the VLP detection module.The algorithms sequentially used in this module are graying, normalizing and histogram equalization.After having obtained a greyscale image, we use Sobel filters to extract the edging image, and then thresholds the image to a binary one.We used the local adaptive thresholding algorithm for the binarization step.Especially, we develop an algorithm based on dynamic programming to optimize its speed and make it suitable to real-time applications [1].The resulted images are used as inputs for the VLP detection module.

1. VLP Detection Algorithm

In boundary-based approach, the most important step is to detect boundary lines.One of most efficient algorithms is Hough transform applying to the binary image to extract lines from object-images.Then we look for two parallel lines, whose the contained region is considered platecandidates.However, the drawback of this approach is that the execution time of the Hough transform requires too much computation when being applied to a binary image with great number of pixels.Especially, the larger image the slower the algorithm is. The speed of the algorithm may beimproved by thinning image before applying the Houghtransform.Nevertheless, the thinning algorithm is also slow. This limitation makes the approach unsuitable for real time traffic management systems.The algorithm we used in this system is the combination of the Hough Transform and Contour algorithm w

剩余内容已隐藏，支付完成后下载完整资料

建立一个自动车辆车牌识别系统

车辆由于数量庞大的抽象,现代化的城市要建立有效的交通自动系统管理和调度。最有用的系统之一是车辆车牌（心室晚电位）辨识系统，它能自动捕获车辆图像和阅读这些板块的号码在本文中，我们提出一个自动心室晚电位识别系统，ISeeCarRecognizer，阅读越南样颗粒在交通费的注册号码。我们的系统包括三个主要模块：心室晚电位检测，板数分割和车牌号码识别。在心室晚电位检测模块，我们提出一个有效的边界线为基础 Hough 变换相结合的方法和轮廓算法。该方法优化速度和准确性处理图像取自不同职位。然后，我们使用水平和垂直投影的车牌号码分开心室晚电位分段模块.最后，每个车牌号码将被 OCR 的识别模块实现了由隐马尔可夫模型。 该系统在两个形象评价实证套并证明其有效性是适用于实际交通收费系统。该系统也可适用于轻微改变一些其他类型的病毒样颗粒。

1. 导言

心室晚电位识别的问题是一个非常有趣，但困难的一个问题.这在许多交通管理系统中是非常有用的.心室晚电位识别需要一些复杂的任务，如心室晚电位检测，分割和承认。这些任务变得更加复杂时，处理各种倾斜角度拍摄的图像或板噪音板的图像。由于此问题通常是在实时系统中使用，它不仅需要准确性，而且要效率。大多数心室晚电位识别应用通过建立减少一些复杂的约束的位置和距离相机车辆，倾斜角度。通过这种方式，心室晚电位识别率识别系统已得到明显改善.在此外， 我们可以更准确地获得通过一些具体的当地样颗粒的功能，如字符数，行数在一板，或板的背景颜色或的宽度比为一板高.

1. 相关工作

心室晚电位的自动识别问题在 20 世纪 90 年代开始就有研究。第一种方法是基于特征的边界线。首次输入图像处理，以丰富的边界线的一些信息如梯度算 法过滤器，导致在一边缘图像。这张照片是二值化处理，然后用某些算法，如Hough 变换，检测线。最终，2 平行线视为板候选人[4] [5]。另一种方法是基于 形态学[2]。这种方法侧重于一些板块图像性质如亮度，对称，角度等.由于这些特性，这种方法可以检测出图像中的某些相似的性质和找到车牌区域的位置。第三种方法是基于纹理[3]。在这种方法中，一个心室晚电位被认为是一个对象和 不同的纹理帧。大小不同的纹理窗框用于检测板的候选人。每个人获得通过一个分类， 以确认它是否是一个盘子或没有。 这常用的方法是寻找图像中的文字任务。 此外，已经出现了一些其他有关这个问题的方法上注重检测心室晚电位 在视频数据。

1. 拟议的系统

我们的系统，ISeeCarRecognizer，由四个模块：前处理，心室晚电位检测， 字符分割，和光学字符识别（OCR） ，在其中最后三个模块处理三个主要问题一个 心室晚电位识别域。 VLP 检测模块接收到的图像有被处理的预处理模块_第一是个输入该系统的模块。这个模块的结果图像发送到分段模块。分割段模块板的图像，成为独立的 characterimages。这些字符的图像，然后认可光学字符识别模块和最终结果是 ASCII 字符和板块中的数字。

1. 预处理

从相机拍摄的图像进行处理的预处理模块。本模块的目的是丰富的边缘特征。由于我们的检测方法在边界上的基地功能，它可以改善成功率的心室晚电位检测模块。该算法在此模块顺序使用的老龄化，规范化和直方图均衡。在得到一个灰阶图片中，我们使用过滤器来提取索贝尔边缘图像，然后以一个二进制阈值的一个图像。我们用于局部自适应阈值算法二值化的一步。特别是，我们发展一 种基于动态规划，优化其速度，使其适用于实时应用[1]。图像的结果被用作心室晚电位检测模块的输入。

1. 心室晚电位检测算法

在边界为基础的方法，最重要的步骤是检测边界线。最有效的算法之一是 Hough 变换申请提取的二进制映像线从对象的图像。然后我们找两平行线，其包含的区域被认为 platecandidates。然而，这种方法的缺点是，霍夫变换的执行时间需要太多多的运算时，被应用到一个二进制图像与大量的像素。特别是，较大的图像慢的算法。该算法的速度可能会通过细化图像改进，然后再应用霍夫变换。然而，细化算法也慢。这种限制使这种方法不适合实时交通管理系统。该算法在本系统中我们采用的是组合 Hough 变换的算法和轮廓产生更高的精度和更快的速度，它可以适用于实 时系统。

1. 结合 Hough 变换和轮廓算法心室晚电位检测

我们的做法是：从提取的边缘图片中，我们使用封闭的轮廓检测算法边界 的对象。这些轮廓线改造到霍夫协调，找到两个平行线互动（2 -平行线之一成 立回另两平行线并建立一个平行四边形表对象）是作为板候选人考虑。由于有相 当少（黑）在等高线的像素，转化这些需要协调霍夫点少得多计算。因此，该算 法的速度提高没有明显的精度损失。然而，有些板块可能会覆盖眼镜或装饰灯。 这些对象还可能有形状两个相互作用二平行线，因此是错误地检测为板候选人。要拒绝这样不正确的候选人，我们评估一个模块的实施无论候选人是板或没有。

1. 板考生核查

从两个候选人的水平线，我们可以如何准确地计算出它从水平倾斜坐标。 然后，我们应用旋转转换调整它为平角。经过处理，这些标准二进制板候选区域 被传递给一个号码启发式检测和评估算法。 我们的评价板候选人在两个算法基地 主要步骤，分别采取。这两个步骤是：

（1）评价之间的高度和宽度的比例候选人，

（2）使用水平横切来计算数切入候选人的对象。

我们只选择了检查和候选人有宽度与高度之比满足预先定义约束： minWHRatiolt;宽/高lt;maxWHRatio 既然有两种主要类型的越南板：1 -行和 2 行， 我们有两个充足两种类型的限制。3.5lt;宽/高lt;4.5 一排板候选人 0.8lt;宽/高lt;1.4 二排板候选人。 这些候选人是满足了上述两个一约束选择， 并传递到下一个评估。

利用水平评价横切。在这个阶段，我们使用两个水平削减和再算上该由这 些横切削减对象的数量。一候选人将被视为一个盘子，如果数量的减少选择对象为每个板块在一定范围内适当通过实验类型。这个数字必须在数量大致范围在一类病毒颗粒的字符，我们有两个合适的约束两个越南板类型：预处理 OCR 的分割拍摄的图像心室晚电位检测从相机许可证帕泰字符:4le;1le;8ntilde; 排板候选人 7le;2le;n 时排板候选人 16 与 N 是禁对象的数量。候选人是满足了上述两个约束选定为最终结果。在我们的制度， 我们实施的 1 /3 两 hoziontal 削减和 2 / 3 的板候选人的高度。平均的数目切对象将被计算。这种评估有助于确定正确的板候选人。

(3).分割

要正确认识字，我们要一车牌图像二值图像的设置只包含一车牌字符。这些形象将被传递到对于 OCR 的识别模块。这个任务常见的算法是运用预测。然而，在一些情况下，无法正常工作。我们现在将描述我们在分割方法添加一些增强此方法。

我们用一个水平投影检测和部分行排在二板。因为二进制图像进行了调整板他们的倾斜角度为零，分割结果的行几乎是完美的。与最低值的位置水平投影是启动或在最后一排板。不同形式的行分割，字符分割更为困难，因为许多原因，如卡字符，螺丝，和泥覆盖板。这些噪音事情的原因使用的字符分割算法垂直投影，有一些错误。在一些最严重的图像质量差板的情况下，一个字符可以分割成 两部分。我们应用的若干制约因素比到一个字符的宽度高度。我们寻求的最低值 在垂直 投影，只有这给削减最低位置件满足所有预定义的限制被认为是 字符分割点。通过此增强，我们在这项任务中取得了较好的效果。经过这一步,我们有一个人物候选人名单。并不是所有的考生实际上是人物形象。

到那时，我们可以重新评估候选人是否板是一盘或不检查的字符数候选人。在越南，一盘只包含 7 或 8 字符。最后一盘的候选人，连同与他们的字符列表传递到 OCR 模块负责确认。

(4).用于光学字符识别隐马尔可夫模型

在这个系统中，我们使用的字符的 HMM 模型承认。我们的特点，在此模型中使用的在窗口中的比例前景像素。我们使用的 9times; 9 大小的窗口，这个扫描在图像窗口中，从左至右，从上到下.

这些窗口可以由两个互相重叠三分之二的大小。通过这种方式，我们有一个特征向量其中包括 196 值。

在识别模块，我们需要一个字符分类成一个形象的 36 个班（26 个英文字 母：甲，乙，丙...和 10 个数字字符：0，1，2 ...） 。要培养我们的模型，我们使用的训练， 是从图像中提取套病毒样颗粒。对每类样本数约为 60.These 提取样品图像实时心室晚电位一点点的噪音，所以在良好的训练，该模型可以正是认识到板的同类型的噪音。在最后一步，我们使用越南的一些具体规则病毒样颗粒以提高准确性。我们了解到，第三次在车牌字符必须是字母，四是有时信，但通常是一个数字，其他位置当然 是数字。

1. 实证评价

我们的系统进行了评价与越南两个套车辆的车牌。图像由索尼 DC350 数码相机，具有 800x600 像素大小，在不同地点和时间。我们使用 Microsoft Visual C 6.0， 运行惠普工作站 X2000 奔腾 IV， 1.4 千兆赫，512 MB 的 RAM， Windows XP 操作系统。

1. 结论和未来工作

该系统运行良好的越南各类心室晚电位的图像， 甚至抓伤， 缩放板的图像。在此外，它可以处理多个板块中的案件相同的图像，或不同类型的车辆，如摩托车板，汽车板或车板。然而，它仍然有几个错误在处理劣质板材。我们正在数的算法在预处理模块。其目的是探测地区的第一盘地区可能，从而减少计算成本的心室晚电位检测算法。在此外，我们打算结合的纹理为基础的数方法，和机器学习的方法来评价 platecadidates。我们相信，这些将提高信息的准确性和该算法的速度进一步。

索引词:车载车牌识别，实时系统，Hough 变换，轮廓算法。

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[21998]，资料为PDF文档或Word文档，PDF文档可免费转换为Word