基于LabVIEW图像法车牌智能识别系统

2023年11月28日发(作者：深圳口碑最好的二手车市场)

基于LabVIEW图像法车牌智能识别系统

王党树;王新霞

【摘 要】车辆牌照自动识别是实现交通管理智能化的重要环节,设计中利用图像采

集卡对经过的车辆车牌进行图像采集并传送至计算机,采用美国NI公司LabVIEW

软件,实现图像预处理、图像去噪以及图像增强等功能;然后根据车牌颜色特征对其

准确定位,采用阈值法分割车牌字符;最后由OCR函数来识别字符,识别结果保存至

相应数据中,可以进行相应的违章、违规智能交通管理,经实验该系统成功实现车牌

识别识别率达99％.

【期刊名称】《计算机测量与控制》

【年(卷),期】2015(023)008

【总页数】4页(P2871-2874)

【关键词】车牌识别;LabVIEW;视觉开发模块

【作 者】王党树;王新霞

【作者单位】西安科技大学电气与控制工程学院,西安710054;西安科技大学理学

院,西安710054

【正文语种】中 文

【中图分类】TM206

智能化交通系统（intelligent transportation system，ITS）是一种准确、高效

并且实时性很强的交通运输管理系统，该系统的搭建需要综合运用通讯、信息、控

制、传感、计算机等各个方面的技术［1］。其中汽车牌照识别技术［2］

（license plate recognition system，IPRS）是智能交通系统研究较为重要的领

域，也是当今社会的热门研究课题，其主要的应用场所有：停车场、公路自动收费

站、居民小区等。而车辆牌照中的车牌号码是车辆身份信息的唯一标志，车牌信息

的自动识别是实现交通管理系统智能化的前提。

车牌识别系统是一个集图像处理、模式识别等的高度智能化集成体系，其硬件主要

由CCD摄像机、PCI图像采集卡和计算机构成，系统方案原理如图1所示。当有

车辆经过传感器时，传感器将产生电信号并传至PCI数据采集卡，采集卡进行数

据采集，再将采集到的车辆图像信息传输到计算机上。计算机对接收的图像预处理，

图像处理后通过适当算法将图像中车牌区域定位出来，若欲对车牌进行识别还需将

所定位出的车牌上的字符与其背景进行分割，提取车牌字符，最后经过字符识别处

理达到车牌智能识别的功能。车牌图像预处理运用色彩空间转换和数学形态学理论

［3］，车牌定位是基于颜色特征和数学形态学的定位算法［46］，车牌字符分割

是基于阈值法的字符分割算法，此算法中运用了L快速二值化法来选择阈值［7-

8］，最后一项车牌字符识别应用Lab VIEW软件视觉开发模块中的OCR函数，

先进行字符模板训练，再进行识别。

车牌定位就是采用一定算法将车牌区域从整张车辆图片中准确定位出来。只有准确

地定位出车牌区域，才能进行后续的车牌字符分割与字符识别，从而达到自动识别

车牌的目的。故车牌定位效果的好坏直接影响到整个车牌识别系统的表现。其采用

的是基于颜色特征与数学形态学的车牌定位方法，属于直观特征定位法。此定位方

法的理论基础为色彩空间的转换以及数学形态学，因数码相机输入的彩色图像大多

数是以RGB位图格式存储的，而RGB模型的彩色图像处理过程很复杂，源于

RGB模型中空间两点间的欧氏距离与颜色距离不成线性比例，因此需要进行HSI

正变换，以利于车牌识别系统的实现。HSI变换是一种图像显示、增强和信息综合

的方法，使用灵活，有多种HSI变换法，比如球体变换、圆柱体变换、三角形变

换和单六角锥变换等，设计采用的是单六角锥变换法。

2.1 基于颜色特征与数学形态学的车牌定位方法

基于颜色特征与数学形态学的车牌定位方法是根据车牌背景与车牌字符的颜色搭配

直接提取出车牌的边缘，再运用数学形态学操作对图像进行开、闭运算，最后通过

区域标记定位出车牌［9］。

我国现有4类车辆牌照，其中蓝色背景白色字符的车牌数量最多，其次依次为黄

色背景黑色字符的车牌、黑色背景白色字符的车牌和白色背景黑色字符的车牌。本

文设计系统是模拟识别蓝色背景白色字符的车牌。

粗定位车牌过程：车辆图像经过搜索扫描后，得到几个疑似车牌区域 （小于5

个），然后根据车牌区域颜色，判断出真正的车牌区域。要对疑似车牌区域进行颜

色的判别，首先要对这些疑似区域进行标注，然后一一查看各区域的颜色是不是符

合蓝色背景白色字符这一特点，若符合则为真正车牌区域，也就是最后提取的区域。

若不符合则为伪车牌区域。

从疑似候选区域中提取真正车牌区域的具体过程：首先，对各个候选区域进行标注，

同时把原RGB模型转换成HSI模型。然后在HSI模型空间中对各个候选区域进行

扫描，检查其是不是有蓝色像素和白色像素，即HSI模型中各量是否符合一定范

围，若符合则可确定该区域为要提取的车牌区域。各颜色区间范围如表1所示，

蓝色像素范围为：H～［190～250］，S～［0.35～1］，I～［0.3～1］；白色像

素范围为：H无要求，S～［0.1～1］，I～［0.8～1］。

2.2 用LabVIEW实现色彩空间的转换以及车牌定位

1）车牌定位程序流程图

2）Lab VIEW程序框图

根据图2所示的流程图可在Lab VIEW中进行编程，程序见图3。图中公式节点中

的变量有V 1、V 2、R、G、B、Y 1、Y 0、B1以及B0，其中Y 1、Y 0意义与

HSI模型中的H意义相同，分别对应于前面板中的颜色上限、颜色下限输入控件；

B1、B0意义与HSI模型中的S意义相同，分别对应于前面板中的饱和度上限、饱

和度下限输入控件，这两组变量需要根据所输入图片来判断并调整的。另外，V 1、

V 2分别代表max［R，G，B］和min［R，G，B］，可由索引数组函数得出，R、

G、B是RGB模型的3个分量。

3.1 基于阈值法的车牌字符分割算法

车牌字符分割是将车牌上的字符与车牌背景分割开来，由于车牌识别系统中车牌背

景图像复杂，系统要求智能化程度高、实时性好，故在车牌识别系统中采用自动阈

值方式。对于车牌图像中的字符，采用全局阈值法即L快速二值化算法进行图像

二值化，它结合大类间方差阈值法 （Otsu算法）和全局动态阈值法的优点，通过

引入光照强度因子L，对全局动态阈值算法进行改进，使得二值化处理效果优于全

局动态阈值算法。

3.1.1 最大类间方差阈值法

设输入车牌图像有1，2，3，…，N，共N级灰度，阈值设为T，把灰度大于或等

于T和灰度小于T的像素分为两类，即类1和类2。类1中的像素总数为S1

（k），平均灰度值为E1（k），方差为σ1（k）；类2中的像素总数为S2（k），

平均灰度值为E2（k），方差为σ2（k），整个图像像素平均值为E。设类间方差

为σA2，类内方差为σB2，则可列些出以下关系式：

根据关系式 （1）找出使得方差之比σ2A／σ2B最大的阈值T，该阈值T即为

Otsu算法定义的最佳阈值。

3.1.2 全局动态阈值法

假设已经从图像准确分割出了牌照图像，设车牌字符灰度为g1，字符象素点所占

比例为r1，设车牌背景灰度为g2，背景象素点所占比例为r2，那么则有如下关系

式：

设牌照灰度图像像素均值为E，牌照灰度图像像素方差为C，则有如下关系成立：

对于黑色背景白色字符牌照，为把字符从背景中分割出来，选取阈值为对于白色背

景黑色字符牌照，为把字符从背景中分割出来，选取阈值T＝E－C*该阈值T即为

全局动态阈值法定义的最佳阈值。

3.1.3 L快速二值化算法

全局动态阈值算法的前提是假设所处理的图像是光照均匀、无噪声干扰的理想图像，

而实际拍摄的车牌图像常常由于光照不均匀而曝光过度或曝光不足。经研究发现，

牌照灰度图像的像素均值E与像素方差C的比值在某种程度上代表着光照对车牌

的影响强度。因此，引入光照强度因子L，令L＝E／C，则当0＜L≤1时，表示车

牌图像曝光不足；当1＜L＜2时，表示车牌图像曝光正常；当L≥2时，表示车牌

图像曝光过度。

由关系式 （4）可知全局动态阈值法阈值T的取值范围为由于考虑光照的影响，在

该算法基础上引入光照强度因子L，即为L快速二值化算法，此时二值化阈值T的

取值可用如下关系式来表示：

公式 （5）中，r1为分割出的牌照区域高度与长度的比值，f（L）表示光照强度对

阈值的影响程度，f（L）函数的意义为：车牌图像曝光不足的情况 （当0＜L≤1

时），通过对光强度的补偿实现阈值的合理选取；对于车辆牌照正常曝光的情况

（当0＜L＜2时），通过对光照度的微调实现阈值的合理选取；对于车辆牌照曝

光过度的情况 （当L≥2时），通过对光照强度的惩罚实现阈值的合理选取。用此

关系式得到的阈值T即为L快速二值化算法定义的最佳阈值。

3.2 用LabVIEW程序实现车牌字符分割

Lab VIEW的视觉开发模块VDM中有IMAQ Threshold，可利用阈值对图像进行

分割，直接调用这个VI，使得编程过程大为简化。VI使用的阈值为L快速二值化

算法定义的阈值，在Lab VIEW中的公式节点中用写入快速二值化算法的C语言

程序来实现，阈值处理方式是手动还是自动可用条件结构来实现。具体程序如图4

所示。

图4中公式节点的变量有E、L、C、r1r2、r2r1和T。其中E为像素均值，L为光

强因子，C为像素方差，r1r2表示比值r1／r2，r2r1表示比值r2／r1，T则表示

由快速二值化算法定义出的阈值。上述变量，除去阈值T是输出变量之外，其它

均为输入变量，这些输入变量均是对像素数组进行一系列的数组运算得到的。

3.3 车牌字符识别

3.3.1 字符训练过程

本文采用Lab VIEW的视觉开发模块VDM中的OCR函数来实现车牌字符的识别

过程。其在Lab VIEW后面板中的程序如图5所示。图中Vision Assistant即机

器视觉助手，其中内置了OCR函数，在后面板程序框图中双击该项，即可进入

OCR函数界面。

用OCR函数在进行车牌字符识别前，首先需要对待识别的车牌字符进行训练，使

用OCR Training Interface完成对车牌字符的训练，生成一个标准的车牌字符库，

该库包括的字符有汉字、大写英文字母以及阿拉伯数字，其作为车牌字符标准模板，

用于后续的识别中。

3.3.2 字符训练步骤

为实现字符的比较和匹配，需要先对字符进行训练以获得字符的标准模板。字符训

练的一般步骤：获取图像→指定识别区域 （ROI）→从背景中分割字符→提取字

符特征信息指 →定每个字符的标准值→将识别的字符集保存。

3.3.3 用OCR Training Interface进行字符训练

OCR Training Interface主要有训练字符和编辑字符两个功能。在训练字符时，

通过调节图6左下角的几个选项，如阈值、字符间距、识别指标等，可以完成对

字符的分割，同时也可以纠正错误字符。

各参数调整完毕，在右下角的字符输入框中编辑正确的车牌字符，左键单击

“train”可完成字符集的制作，如图7所示。读取字符集的字符时用OCR函数创

建的机器视觉程序。

训练过程中要保证建立的样本数量适中，否则会影响识别结果的准确度。另外要注

意OCR Training Interface左下角选项中识别指标Acceptance level的设置，如

果该值设置为100%～150%之间，此时说明要求匹配精度较为严格，待识别的字

符很难和字符库中的样本相匹配；如果该值设置为大于600%，则此时要求匹配精

度较低，待识别字符可能会发生误匹配现象。

由于OCR函数内部集成的识别模块采用的是模板匹配技术，故实现车牌字符识别

的过程也就是模板匹配的过程。其识别步骤：打开OCR Session→加载字符集文

件→获取图像→指定待识别区域 （ROI）→从背景中分割出字符→抽取字符的特

征信息→与给定的字符集比较→返回识别出的字符。

所有字符训练，字符分割，参数如阈值、字符间距、识别指标等调节操作均准确无

误时，才进行车牌正确识别。经多次实验识别全国各地车牌结果见图8。经实验该

系统可以识别汉字、字符、数字也就是能识别全国各地车牌，在光照度适中、车牌

污损不严重，车牌字符与车牌颜色对比度强烈情况下车牌识别率达98%，光照阴

暗，车牌颜色与车牌字符对比度不明显情况下有一定误码率。总之，基于Lab

VIEW软件技术的车牌识别系统，可以高效实现车牌图像预处理、车牌定位、车牌

字符分割以及车牌字符识别。该车辆牌照自动识别系统结合网络可以进行智能交通

管理。

【相关文献】

［1］［1］Chang S L，Chen L S，Chung Y C，et tic license plate recognition

［J］.Intelligent Transportation Systems，IEEE Transactions on，2004，5（1）：42-53.

［2］Granieri M N，Stabile F，Comelli ition of Motor Vehicle License Plates in

Rear－View Technology［M］.Springer Berlin Heidelberg，1996.

［3］郭文强，侯勇严.数字图像处理 ［M］.西安：西安电子科技大学出版社，2009.

［4］杨国来，林 男，姬孝斌，等.基于数学形态学和综合颜色特征的车牌定位方法［J］.甘肃科学

学报，2007，19（1）：114-117.

［5］郭 捷，施鹏飞.基于颜色和纹理分析的车牌定位方法 ［J］.中国图象图形学报，2002.

［6］师 文，杜宇人.基于数学形态学和颜色的车牌定位 ［J］.扬州大学学报：自然科学版，2010，

13（3）：69-73.

［7］陈 思.基于Otsu算法的车牌图像二值化及其Matlab实现［J］.长春师范学院学报：自然科

学版，2012，31（3）：33-35.

［8］黄志斌.面向车辆牌照的L快速二值比算法 ［J］.华侨大学学报（自然科学版），2002，4：

020.

［9］骆雪超，刘桂雄，冯云庆，等.一种基于车牌特征信息的车牌识别方法［J］.华南理工大学学

报（自然科学版），2003，31（4）.