车牌识别技术相关问题研究
车牌识别技术相关问题研究
文/赵汝强
由于现代社会交通方式的变化和发展，机动车成为人们生活
不可缺少的交通方式，然而车辆
数量的急剧增加也给管理部门带来了很大难题，这就衍生出了车
牌识别技术。车牌识别技术是近年来非常热门的一项研究，主要
是基于智能交通管理系统对机动车车牌进行的，在停车时、行进
中的车辆都可以进行实时的监控和分析。本文将对我国车牌识别
处理技术进行分析，希望对相关人员也有所帮助。
【关键词】车牌识别 识别技术 研究
随着全世界进入科技时代，对生活各个方面的要求不断提高，科学家们也都在加入到
关于人类衣食住行的研究工作上来，尤其对交通科技的发展尤为重视，机动车在几十年之间
进入了世界上的各个角落。也正是这个原因使得城市交通出现了种种问题，为了方便监管产
生了一些新兴的技术手段，比如智能交通信息技术，并在此基础上开发了车牌识别技术。车
牌识别技术主要包括图像预处理、车牌定位及校正以及车牌文字识别这三项核心技术。但是
在绝大多数情况下，车牌识别都应用在室外或相对运动的情况下，识别现场由于受到光线，
环境等各种外界因素的影响较大，对车牌识别会产生一定影响。
1 车牌图像预处理
车牌图像的预处理主要是针对所摄范围内的车牌照片的色彩、对比度等进行的技术处
理，包括滤波技术、灰度化、图像增强、数学
形态等。智能交通系统是利用最先进的信息技术、通讯技术、传感技术为基础建立起来的电
子通讯和管理系统，主要利用电磁波传递信号。而在实际的工作环境中，由于外界天气以
及噪声等的影响，会对车牌图像信号的传播过程产生一定的影响，使电磁波发生变化，而最
终终端接收到的图像信号质量会变差。因此非常有必要对原始图像进行预处理。那么利用之
前提到的三种技术，可以采用中值滤波、均值滤波、高斯滤波等方法主要是减少噪声对我们
所提取的图像信息的干扰部分。而灰度化和图像增强技术能改变画面对比度，增强画面的色
彩，不仅能改善画面观察色彩，又能够有效提高图像辨识度。图像的数学形态是以集合论作
为其数学理论基础，科学家在做有关岩石分析和测定的研究时提出的理论，基本原理是利用
一个拥有特定形状的结构元素检测图像的结构和形状，有一定的数学算法。由此可见，对图
像进行的数学形态是信号传递到显示器部分之后的主要成像处理技术。
2 车牌定位及校正
在摄像成像之后几乎不可能只呈现出我们所要的车牌号码信息，那么在获取到一张图
片之后要做的第一步就是从图像中的各种信息中提取出车牌号的位置，将车牌从背景中分离
出来，即对车牌进行定位。对于一张图像来说，边缘和区域有着重要的意义，可以利用车牌的
固定矩形尺寸进行分离。一般常用的定位方法有 Mean Shift 算法迭代，即将图像中的像素点
进行迭代，如果收敛于一点则表示是属于同一个区域，可将整个图像分成几个可能的车牌区
域，再进行其他的对比对照即可将车牌进行定位。另外 Hough 变换也是一个不错的方法，
即以数学函数和映射为原理，把图像中的像素点按照求曲线的函数为关系映射到参数空间，
得到一个收敛点，确定出一个确定的函数曲线的位置，若能够定位一个车牌，就能够检测出
由四条互相垂直的直线围城的区域。另外车牌区域的颜色、颜色、质地材料等也是非常显著
的特征，可以根据这些特征进行定位。而技术
的发展告诉我们，在进行车牌定位的时候一种方法有时是不够精准的，不仅可以开发更多的
更精确的方法来进行定位，还可以将针对车牌
不同特征的各种方法进行合理结合，将会取得更好更精确的效果。
车牌的校正能够解决所拍摄图像由于角度原因产生倾斜的问题，减少后续车牌识别时
的难度。利用车牌区域分布的数字字母及文字特征一致的特点，确定他们相似的倾斜度即可
很方便的进行车牌校正。
3 车牌文字识别
在系统将车牌区域进行定位后，接下来的一步既是识别车牌上的数字及文字信息，这
也是整个车牌识别系统的核心技术。车牌的文字识别主要包括两个步骤，首先车牌字符的分
割，然后将分开的字符进行一一识别。常用的字符分割方法有垂直投影、聚类算法等。其中
前者是比较常用的方法，也是研究的热门方向。即字符其间或字符内的间隙投影为最小时，各
个字符处于竖直方向，并满足车牌在数学格式和尺寸的限制，这时可以进行垂直切割，可以
同时识别出单个字符和字符之间的间隔，并在复杂环境下的车牌图像分割亦有良好效果。
竖直方向上分开的字符一一识别的方法有模板识别算法、人工神经网络算法和 BP 算
法。基于模板的识别算法由于处理速度快、识别率高而得到了广泛的应用，是最基本的字符
识别方法。具体做法是将分隔开的字符进行二值化并改变大小，并在字符模板中进行逐项匹
配操作，以相似度最高的为最终结果。在研究领域现在最关心的问题是，如何在保证原有识
别效率的前提下，最大限度的减少模板的数量，优化匹配过程。人工神经网络模式算法是一新
兴方法，一般的程序由特征提取和神经网络分
类器组成，具有强大的分类能力、自学能力和并行处理能力。BP 算法是基于 BP 神经网络
的算法，采用非线性可微转移函数的多层网络，训练网络找到函数值最小的权重。这种方法运
算时间较长，也容易产生误判，但是利用网络将会是大势所趋，相信今后在这方面的研究会
取得更好的成果。
4 总结
随着国家的发展和城市规模的不断扩大，全国和城市甚至全世界之间的联系彼此紧密起
来。这给管理机构带来了更大的压力，传统的交通运输管理系统面临改革的命运，因此为车
辆车牌识别技术在近十几年之内的兴起创造了条件。现在的车牌识别技术可以说已经相当成
熟，系统按照图像预处理，车牌定位及校正，及最终的车牌识别的程序进行。但是出于某些
原因有一部分人会使用假牌照、套牌等违法行为，为交通管理造成很大不便和隐患，因此车
牌识别技术还有更大的发展空间，在非正常情况下的车牌识别还有待进一步研究。
作者单位
佳都新太科技股份有限公司 广东省广州市510655
