隨著信息時(shí)代的到來(lái)，現(xiàn)代智能交通系統(tǒng)能夠很輕易的識(shí)別出汽車(chē)牌照，這是智能交通管理的標(biāo)志之一。智能交通管理系統(tǒng)的牌照識(shí)別集合了圖像采集和預(yù)處理、車(chē)牌定位技術(shù)、字符分割和字符識(shí)別等相關(guān)技術(shù)。其中，車(chē)牌定位、字符分割和字符識(shí)別是關(guān)鍵的技術(shù)，也是本次畢業(yè)設(shè)計(jì)的難點(diǎn)所在。正確利用好這三種關(guān)鍵技術(shù)，將有助于牌照識(shí)別的實(shí)時(shí)性和準(zhǔn)確性，對(duì)于智能交通系統(tǒng)的實(shí)現(xiàn)有著決定性作用。在MATLAB軟件開(kāi)發(fā)環(huán)境下，系統(tǒng)對(duì)圖像進(jìn)行預(yù)處理、然后將預(yù)處理后的圖像進(jìn)行定位分割，后識(shí)別出相應(yīng)牌照上的字符，這樣就可以模擬設(shè)計(jì)出汽車(chē)牌照識(shí)別系統(tǒng)。本文的圖像預(yù)處理模塊是將圖像灰度化和用Canny算子進(jìn)行邊緣檢測(cè)，汽車(chē)牌照定位依據(jù)是它的顏色特征，使用MATLAB中的Radon函數(shù)和Imrotate函數(shù)來(lái)進(jìn)行車(chē)牌矯正；分割字符時(shí)，需要先找到連續(xù)的文字塊，然后根據(jù)長(zhǎng)度大小來(lái)確定是否分割，假如所找到的連續(xù)文字塊的長(zhǎng)度大于閾值，那么就表示可以對(duì)此文字塊進(jìn)行分割。并且為了能對(duì)車(chē)牌上的字符進(jìn)行正確的識(shí)別，本文將采用BP神經(jīng)網(wǎng)絡(luò)算法。后設(shè)計(jì)GUI界面，使界面更加簡(jiǎn)潔明了，便于操作。根據(jù)實(shí)驗(yàn)得出的結(jié)論，這種方式可以對(duì)藍(lán)色的車(chē)牌進(jìn)行、的識(shí)別，同時(shí)，也對(duì)光照、旋轉(zhuǎn)和噪聲表現(xiàn)出很好的魯棒性，定位精度和識(shí)別正確率甚至可以超過(guò)90%。

"穩(wěn)定"是門(mén)禁系統(tǒng)選擇的準(zhǔn)則，或許應(yīng)該考慮的成熟產(chǎn)品，經(jīng)過(guò)多項(xiàng)認(rèn)證，并擁有眾多典型用戶，多年正常運(yùn)行，在業(yè)內(nèi)得到。在硬件方面，從控制器到終端識(shí)別設(shè)備都是成熟而穩(wěn)定的產(chǎn)品。作為系統(tǒng)中心的門(mén)禁控制器需要支持脫機(jī)工作模式，使用閃存等非易失性存儲(chǔ)芯片，斷電或受沖擊時(shí)信息不會(huì)丟失。由于系統(tǒng)的處理依賴于軟件，應(yīng)具有穩(wěn)定合理的數(shù)據(jù)庫(kù)結(jié)構(gòu)規(guī)劃，與硬件之間采用實(shí)時(shí)輪詢的方法，堅(jiān)持和監(jiān)控硬件的通信接口和地址，以完成數(shù)據(jù)的完整性、可靠性、一致性。

具體的工作原理和停車(chē)場(chǎng)所采用系統(tǒng)有關(guān)。作為當(dāng)下主流兩款車(chē)位引導(dǎo)系統(tǒng)，視頻車(chē)位引導(dǎo)除了起步晚于超聲波車(chē)位引導(dǎo)外，他們兩者又有哪些不同?停車(chē)場(chǎng)管理者又應(yīng)該如何抉擇呢?工作原理不同：辨別超聲波車(chē)位引導(dǎo)系統(tǒng)和視頻車(chē)位引導(dǎo)系統(tǒng)直觀方法是看停車(chē)位上方所使用的車(chē)位探測(cè)器。超聲波車(chē)位引導(dǎo)使用的是超聲波探測(cè)器。

未來(lái)隨著城市化進(jìn)程的加劇，智能化交通管理將是當(dāng)下交通發(fā)展的大方向，而作為智慧交通管理體系的重要核心，車(chē)牌識(shí)別也將得到進(jìn)一步優(yōu)化和進(jìn)步。返回搜狐，查看更多
隨著移動(dòng)行業(yè)的爆發(fā)式發(fā)展，手機(jī)配置不斷提高，基于手機(jī)平臺(tái)的信息采集、圖像處理、數(shù)據(jù)傳輸?shù)确矫娴难芯恳渤蔀榱藷狳c(diǎn)，這使得基于手機(jī)平臺(tái)上的車(chē)牌識(shí)別成為可能。傳統(tǒng)的車(chē)牌識(shí)別系統(tǒng)一般都基于固定的桌面平臺(tái)、圖像采集不靈活，特別是對(duì)于交通管理部門(mén)來(lái)說(shuō)，對(duì)違章車(chē)輛車(chē)牌的自動(dòng)登記非常不便，因此基于移動(dòng)端車(chē)牌識(shí)別出現(xiàn)了。

那么如何實(shí)現(xiàn)車(chē)牌識(shí)別的呢，下面簡(jiǎn)單說(shuō)說(shuō)：
對(duì)現(xiàn)存的車(chē)牌識(shí)別算法進(jìn)行了研究，在諸多算法中尋找到一種適合在Android、iOS平臺(tái)上運(yùn)行的算法。先通過(guò)智能手機(jī)的攝像頭獲得車(chē)牌的彩色圖像，然后將采集到的圖像進(jìn)處理，包括通過(guò)YUV模型進(jìn)行灰度化，分段線性變換進(jìn)行灰度拉升，二值化，Roberts算子進(jìn)行邊緣檢測(cè)，數(shù)學(xué)形態(tài)學(xué)處理等，然后通過(guò)Hough變換進(jìn)行車(chē)牌矯正，其次用雙投影和灰度跳變的方法實(shí)現(xiàn)車(chē)牌的定位、分割，后通過(guò)模板匹配實(shí)現(xiàn)車(chē)牌識(shí)別。

移動(dòng)端車(chē)牌識(shí)別實(shí)現(xiàn)的過(guò)程簡(jiǎn)單為以下幾個(gè)部分：

圖像采集：通過(guò)智能手機(jī)攝像頭拍攝車(chē)牌圖像。

預(yù)處理：灰度化、二值化、邊緣增強(qiáng)、噪聲過(guò)濾、自動(dòng)白平衡、自動(dòng)曝光以及伽馬校正、對(duì)比度調(diào)整等。

車(chē)牌定位：在經(jīng)過(guò)圖像預(yù)處理之后的灰度圖像上進(jìn)行行列掃描，確定車(chē)牌區(qū)域，車(chē)牌切斜校正。

字符分割：在圖像中定位出車(chē)牌區(qū)域后，通過(guò)灰度化、二值化等處理，定位字符區(qū)域，然后根據(jù)字符尺寸特征進(jìn)行字符分割。

字符識(shí)別：對(duì)分割后的字符進(jìn)行縮放、特征提取，與字符數(shù)據(jù)庫(kù)模板中的標(biāo)準(zhǔn)字符表達(dá)形式進(jìn)行匹配判別。

結(jié)果輸出：將車(chē)牌識(shí)別的結(jié)果以文本格式輸出。