2023年11月28日发(作者：客运班车查询app)
Comprehensive Perception
DOI10.16667/.2095-1302.2022.06.003
：
车牌识别系统的关键技术分析
李宏伟，罗自航，张贺磊
123
（，；，；
1.漯河职业技术学院河南 漯河 4620002.郑州工业技师学院河南 郑州 450007
3.郑州航空工业管理学院河南 郑州 450046
，）
车牌识别技术在实际生活场景已有了广泛的使用文章主要分析采用MATLAB实现车牌自动识别的
，摘 要：
图像处理算法使用的图像处理技术包括图像灰度化Radon倾斜校正边缘检测形态学处理字符分割算法
。、、、、、
模板匹配等在实验结果分析中使用50张不同的车牌图像进行实验发现能够正确识别的有41张识别正确率
。，，，
达82%识别正确率较高
，。
车牌识别MATLAB分析灰度化字符分割模板匹配字符识别
；；；；；关键词：
TP391 A 2095-1302202206-0014-02
（）
中图分类号：文献标识码：文章编号：
0 引 言
近些年随着国家经济和科技的飞速发展人们的生活
，，
也随之发生了巨大的变化
[1]
。，
据有关部门统计截至2020年
6月国内汽车保有量2.7亿辆如此庞大的数字给交通管
，。
理部门的运行管理带来了很大的压力智能交通系统ITS
。（）
自被提出以来
[2]
，
利用人工智能领域的数字图像处理技术和
图像处理算法对汽车车牌进行自动识别
[3]
，
不断提升智能交
通系统的运行效率具有非常重要的理论价值和现实应用意
，
义车牌识别技术属于该领域的问题分支车牌识别系统在
。，
人们的周围有着广泛的应用场景例如公共设施停车场管
，：
理小区门禁系统公司学校单位门禁等
、、
[4]
。
图1 车牌识别流程
2 车牌识别过程的关键技术介绍
2.1 图像采集模块
该模块的硬件部分主要包含高性能摄像机高性能PC
、
机图像采集卡和照明设备等很多地方的停车场车牌管理
、。
系统主要由车辆传感探测器高性能计算机高性能摄像机
、、
和视频采集卡等组成硬件设备的作用在于对车辆靠近通
。、
过停留及离开进行辅助判断
、。
[6]
2.2 图像预处理模块
图像采集模块在采集图像的过程中不可避免地会受到实
际拍照环境的影响例如光线的强弱车牌的干净程度天
，、、
气等因素都会对最后形成的图像质感造成一定的影响通
，。
过图像预处理提高图像的有效性使图像中的有用信息更
，，
加容易检测显著降低图像中的噪声干扰处理主要包括以
，。
下几个方面
：
（）。，
1图像的灰度化处理在计算机系统中比较常用的
颜色空间有RGBYUVCMYHSI不同的色彩空间只
、、、，
是同一种物理量的不同表示图像的灰度化主要是将采集的
。
彩色图像变成灰度图像减少数字图像处理的数据量摄像
，。
头采集的图像通常是RGB颜色空间下的图像R代表红色
，，
1 车牌识别的关键步骤
通过对我国车牌图像进行收集分析车牌上的字符有着
，
如下特点车牌的第一个字符通常为汉字一般是该车所在
：，
地省份或者直辖市的简称车牌的第二个字符通常是一个大
；
写字母代表该车所在地所处省份的某一个地级市第三个
，；
字符到第七个字符一般情况下为字母或者数字的组合对
，。
于车牌的颜色而言不同的背景色往往代表着不同的含义
，，
车牌背景为黄色一般代表大车车牌背景颜色为蓝色一般代
，
表小车车牌背景为黑色一般代表外资企业或者大使馆使用
，
的专用车辆军用车牌一般以白色为背景字体颜色为红色
，，
[5]
。
本文研究讨论的车牌针对的对象是民用一般车辆其背
，
景颜色为蓝色字符颜色为白色利用数字图像进行车牌识
，。
别的流程如图1所示
。
收稿日期修回日期
：：
2021-09-05 2021-10-08
基金项目
：（）
河南省高等学校重点科研项目21B590003
14
物联网技术年第期
/
20226
G代表绿色B代表蓝色可以得到下式
，。：
h=wR+wG+wB
rgb
式中代表最后计算产生的灰度值代表不同
：；
hw
rgb
、、
ww
的权重
。
（）。
2图像的增强处理图像增强的主要作用是有效提升
图像的质量与辨识度使图像的后续处理变得更加容易空
，。
域增强与频域增强是经常使用的增强技术直接对图像中任
。
意像素的灰度值进行计算处理这时图像中的明暗对比度也
，
会随之变化该方法称为空域增强技术空域增强技术经常
，。
使用的方法包括灰度变换增强直方图增强与空域滤波等
、。
频域增强技术先对需要处理的图像进行傅里叶变换将图像
，
从空间域变换为频率域之后在频率域中对图像进行计算处
，
理处理结束后再通过傅里叶反变换将图像从频域转换到空
，
间域低通滤波高通滤波和同态滤波是频率域增强技术中
。、
常用的3种方法
。
（）。：
3图像的边缘检测处理边缘检测的原理根据图像
的差异性进行检测从而有效检测出所需图像中的有效区域
，。
常见的边缘检测算法比较多检测效果相对比较好微分算
，。
子Canny算子与LOG算子是常用的边缘检测算法
、。
2.3 车牌定位模块
车牌定位模块主要利用高性能计算机上的软件算法实
现该部分主要利用数字图像处理技术进行车牌位置的定位
，
识别其可直接把图像分割成目标图像和背景图像去除背
。，
景中的干扰通常情况下把目标图像设置为1背景图像
。，，
设置为0从而得到处理后的图像车牌定位识别的过程涉
，。
及形态学等学科常用的形态学处理图像的方法主要有膨胀
。
处理腐蚀处理开运算处理与闭运算处理
、、
[7]
。
车牌定位模
块流程如图2所示
。
2.4 字符分割模块
车牌图像的分割分为两部分首先在采集的图像中检测
：
获取仅含有车牌的图像区域其次是对只包含车牌的数字图
；
像进行处理得到车牌中的单个字符接下来对得到的每个
，；
字符进行识别分析在字符分割模块过程中常采用基于投
。，
影信息边缘信息和轮廓信息提取字符的分割方法本文采
、。
用垂直投影法进行图像分割其流程如图3所示
，。
2.5 字符识别模块
识别算法的理论基础是模式识别主要有以下几种方法
，
[8]
。
2.5.1 基于特征的字符识别方法
在对车牌拍照的过程中往往容易受采集环境的影响
，，
如车牌图像的洁净度车牌字符是否有破损及变形等都会对
、
车牌的采集结果造成影响通过采集得到一个原始图像然
。，
后进行统计分析计算等处理由此可以看出统计识别
、、。，
过于依赖采集过程中的原始图像完整性采用这种方法得到
，
Comprehensive Perception
较高的准确率比较困难因此车牌识别很少采用这种方法
，。
图2 车牌定位模块流程 图3 垂直投影法进行图像分割流程
2.5.2 基于神经网络的字符识别
在模式识别过程中利用神经网络处理一些实际分
，
[9-10]
类模型问题有着不俗的表现它具备较强的自适应性与较强
，
的学习能力对于复杂推理不清晰的问题模型适合采用这
，、
种方法
[11]
。
2.5.3 基于模板匹配的字符识别
利用模板匹配算法进行字符识别相对比较简单计算量
，
较小运行效率较高本文采用这种算法进行字符识别步
，。，
骤如下
：
（）
1使需要识别的测试样本与训练测试样本的大小保持
一致
；
（）；
2将需要测试对象与训练样本库中的对象进行对比分析
（）。
3获得相似度最高的字符识别结果
3 实验结果
利用MATLAB 2016a运行本文算法采用50张不同场
。
景不同地区不同型号的车牌图片进行验证发现能够正
、、，
确识别的图片有41张识别正确率达82%证明文中算法
，，
可以实现较为准确的车牌识别车牌识别过程图片如图4
。～
图9所示
。
图4 原始图片
图5 Radon倾斜校正 图6 二值化处理
（）
下转第19页
20226
年第期物联网技术
/
15
Comprehensive Perception
远距离上传和云平台展示试验表明本系统具有实时性好
。，、
覆盖范围广等特点与传统的无线通信技术相比优势显著
，，
因此值得推广应用于其他领域
，
[9-10]
。
参考文献
图12 历史查询界面
图13 上位机监控界面
[1]张玉杰张佳豪.LoRa通信及其在油田监控系统中的应用[J].西
，
安石油大学学报自然科学版2020353116-121.
（），，（）：
[2]郭恋恋.基于LoRa技术的农业温室监测系统设计与实现[D].合肥
：
安徽大学2018.
，
[3]郭晓明张德.基于FPGA的UART设计与实现[J].电声技术
，，
201034631-33.
，（）：
[4]秦茜.一种改进的动态TDMA时隙分配算法研究[J].无线电工程
，
201747121-4.
，（）：
[5]肖军刘洲洲王琳.基于NB-IoT的环境数据采集系统的构建
，，
[J].自动化技术与应用2020398134-138.
，，（）：
[6]张坤.基于LoRa通信的城市路灯智能控制系统的研究[D].济南
：
山东大学2018.
，
[7]马晓光.环保数据采集传输系统设计与实现[D].北京北京理工
：
大学2016.
，
[8]任庆鑫.基于LoRa无线传感网络的研究与应用[D].杭州浙江
：
工业大学2019.
，
[9]陈仕林张景浩戴子正等.基于LoRa的户外农业监测系统
，，，
的设计[J].现代计算机2020373299-104.
，，（）：
[10]黄新源.基于LoRa的城市环境室外定位方法研究与实现[D].成
都电子科技大学2020.
：，
5 结 语
本文将LoRa和GPRS通信技术相结合应用于室外环
，
境监测系统中解决了传统无线通信技术通信距离短组网
，、
难成本高功耗大抗干扰能力差等问题也进一步介绍
、、、。
了系统架构硬件设计软件设计实现了环境监测数据的
、、，
作者简介崔文岩1997男在读硕士研究生主要研究方向为嵌入式系统与应用油气在线分析
：（—），，，、。
（）
上接第15页
参考文献
图7 字符分割投影统计
图8 字符分割 图9 识别结果
4 结 语
从仿真实验结果中可以看出文中算法的识别正确率为
，
82%可以较为准确地识别汽车车牌具有一定的理论学习
，，
和实际运用参考价值但文中的算法在准确率方面会受车牌
。
遮挡光照强度相机与车牌距离车牌倾斜等因素的影响
、、、，
在今后的学习研究中需针对这些影响因素不断改进算法
。
[1]朱克佳郝庆华李世勇等.车牌识别综述[J].现代信息科技
，，，，
2018254-6.
，（）：
[2]范巍强.基于BP神经网络的车牌识别算法研究[D].厦门厦门
：
大学2011.
，
[3]张宇峰.图像处理在车牌识别中的应用[J].科技视界201881
，，（）：
184-185.
[4]林云.基于OpenCV的车牌识别系统设计与实现[J].物联网技术
，
202010628-31.
，（）：
[5]顾李云.基于图像处理的车牌识别算法的研究与设计[D].南京
：
南京邮电大学2018.
，
[6]林国聪王冬青薛斌强等.基于彩色图像信息的车牌自动识
，，，
别系统仿真研究[J].青岛大学学报工程技术版 2019344
（），（），：
24-28.
[7]陈亚.基于MATLAB的车牌识别系统研究[J].软件导刊2020
，，
19150-54.
（）：
[8]姚文凤甄彤吕宗旺等.车牌字符分割与识别技术研究[J].
，，，
现代电子技术2020431965-69.
，，（）：
[9]周亮.基于神经网络的车牌识别算法研究[D].青岛青岛科技大
：
学2007.
，
[10]陈亮.基于神经网络的车牌识别技术的研究[D].扬州扬州大学
：，
2008.
[11]华荣赵环宇.基于萤火虫BP神经网络的车牌识别算法[J].扬
，
州大学学报自然科学版202047144-48.
（），，（）：
20226
年第期物联网技术
/
19
更多推荐
车牌识别
发布评论