1、會計學1模式識別應用模式識別應用(yngyng)車牌識別車牌識別第一頁，共32頁。第1頁/共32頁第二頁，共32頁。第2頁/共32頁第三頁，共32頁。第3頁/共32頁第四頁，共32頁。v原始數(shù)據(jù)是由所使用的測量儀器原始數(shù)據(jù)是由所使用的測量儀器(yq)或傳感器獲取的，這些數(shù)或傳感器獲取的，這些數(shù)據(jù)組成的空間叫測量空間。據(jù)組成的空間叫測量空間。v樣本是用特征進行描述的，識別與訓練都是在特征空間中進行樣本是用特征進行描述的，識別與訓練都是在特征空間中進行的。的。v特征提取模塊將原始測量數(shù)據(jù)轉換成能反映事物本質、有效方特征提取模塊將原始測量數(shù)據(jù)轉換成能反映事物本質、有效方式表示的信息，從而使分類器能根

2、據(jù)這些信息決定樣本的類別式表示的信息，從而使分類器能根據(jù)這些信息決定樣本的類別。v特征提取模塊的功能是：對所獲取的信息實現(xiàn)從測量空間到特特征提取模塊的功能是：對所獲取的信息實現(xiàn)從測量空間到特征空間的轉換。征空間的轉換。v通常用于描述模式性質的特征很多，需要從一組特征中挑選出通常用于描述模式性質的特征很多，需要從一組特征中挑選出一些最有效的特征以降低特征空間維數(shù)，即特征選擇。一些最有效的特征以降低特征空間維數(shù)，即特征選擇。特征提取和選擇特征提取和選擇(xunz)第4頁/共32頁第五頁，共32頁。第5頁/共32頁第六頁，共32頁。第6頁/共32頁第七頁，共32頁。第7頁/共32頁第八頁，共32頁。

3、v圖像圖像(t xin)輸入輸入v車牌提取（牌照定位與分割）車牌提取（牌照定位與分割）v車牌字符識別車牌字符識別第8頁/共32頁第九頁，共32頁。v地感線圈感應地感線圈感應(gnyng)壓力；壓力；v40ms后進入最佳識后進入最佳識別區(qū)；別區(qū)；v觸發(fā)相機拍照觸發(fā)相機拍照第9頁/共32頁第十頁，共32頁。第10頁/共32頁第十一頁，共32頁。v這是在一個收費站這是在一個收費站前拍攝的交費車輛前拍攝的交費車輛的照片，在收費站的照片，在收費站的車牌識別系統(tǒng)中的車牌識別系統(tǒng)中，車輛是靜止的，車輛是靜止的，因此不用進行針對因此不用進行針對運動運動(yndng)模模糊等的預處理。糊等的預處理。第11頁/共

4、32頁第十二頁，共32頁。v車牌定位是在包含車牌定位是在包含(bohn)車輛的圖像中找到牌照區(qū)域的位置車輛的圖像中找到牌照區(qū)域的位置，并把牌照區(qū)域分割出來，得到牌照圖像。也可稱這部分為牌照，并把牌照區(qū)域分割出來，得到牌照圖像。也可稱這部分為牌照定位與分割。牌照定位決定其后的車牌字符識別，因此牌照定位定位與分割。牌照定位決定其后的車牌字符識別，因此牌照定位是識別系統(tǒng)的關鍵。是識別系統(tǒng)的關鍵。第12頁/共32頁第十三頁，共32頁。經過大量實驗數(shù)據(jù)發(fā)現(xiàn)，車輛經過大量實驗數(shù)據(jù)發(fā)現(xiàn)，車輛(chling)牌照一般具有以下特征牌照一般具有以下特征: 目前車輛目前車輛(chling)牌照的具體排列格式是由一個

5、省份漢字牌照的具體排列格式是由一個省份漢字(軍警牌則為其軍警牌則為其他字他字)后跟字母或阿拉伯數(shù)字組成的后跟字母或阿拉伯數(shù)字組成的7個字序列。除第一個漢字外，字個字序列。除第一個漢字外，字母或數(shù)字的筆畫在豎直方向都是連通的。母或數(shù)字的筆畫在豎直方向都是連通的。 標準車牌的具體排列格式是標準車牌的具體排列格式是: X1X2X3X4X5X6X7X1是各省、直轄市的簡稱或軍警（多數(shù)為紅色）、外交標志（例如：大是各省、直轄市的簡稱或軍警（多數(shù)為紅色）、外交標志（例如：大使館車輛使館車輛(chling)白底黑字）白底黑字）X2是英文字母是英文字母X3X4是英文字母或阿拉伯數(shù)字是英文字母或阿拉伯數(shù)字X5X

6、6X7是阿拉伯數(shù)字。是阿拉伯數(shù)字。第13頁/共32頁第十四頁，共32頁。三個主要步驟：三個主要步驟：特征提取：灰度化、灰度拉伸、邊緣檢測特征提取：灰度化、灰度拉伸、邊緣檢測(jin c)粗略定位粗略定位精細定位精細定位第14頁/共32頁第十五頁，共32頁。車牌特征提取的第一步車牌特征提取的第一步 灰度化灰度化為了便于后續(xù)的快速圖像處理，以及對不同為了便于后續(xù)的快速圖像處理，以及對不同顏色的車輛顏色的車輛(chling)牌照進行統(tǒng)一處理，需要把牌照進行統(tǒng)一處理，需要把攝像頭拍到的含車輛攝像頭拍到的含車輛(chling)的圖像由的圖像由24位真彩位真彩色轉化成灰度圖。一般采用現(xiàn)行標準的平均值法色轉

7、化成灰度圖。一般采用現(xiàn)行標準的平均值法: 0.30.590.11gRGB其中其中: g表示灰度化后的灰度值：表示灰度化后的灰度值：R、 G、 B分別分別(fnbi)表示原真彩色圖中的紅、表示原真彩色圖中的紅、 綠、綠、 藍分量。藍分量。第15頁/共32頁第十六頁，共32頁。車牌特征提取的第二步車牌特征提取的第二步 灰度拉伸灰度拉伸對灰度化的圖像進行對比度拉伸，把感興趣的對灰度化的圖像進行對比度拉伸，把感興趣的灰度范圍拉開，使得該范圍內的像素亮的更亮、暗灰度范圍拉開，使得該范圍內的像素亮的更亮、暗的更暗，使圖像的邊緣更加凸顯。灰度拉伸可以的更暗，使圖像的邊緣更加凸顯。灰度拉伸可以(ky)使牌照區(qū)

8、域的筆畫特征更明顯，有益于下一使牌照區(qū)域的筆畫特征更明顯，有益于下一步的邊緣檢測。步的邊緣檢測。假設原圖像的灰度分布假設原圖像的灰度分布(fnb)函數(shù)為函數(shù)為f(x，y)，像素灰度分布，像素灰度分布(fnb)范圍為范圍為a, b。根據(jù)圖像處理的需要，將其灰度范圍變。根據(jù)圖像處理的需要，將其灰度范圍變換到換到a, b，增強后圖像的灰度分布，增強后圖像的灰度分布(fnb)函數(shù)為函數(shù)為g(x，y) ，則則g(x，y)和和f(x，y)之間存在如下關系之間存在如下關系: ( , )( ( , )bag x yaf x yaba第16頁/共32頁第十七頁，共32頁。如果圖像的灰度范圍超出了如果圖像的灰度范

9、圍超出了a，b，但絕大多數(shù)像素的，但絕大多數(shù)像素的灰度落在區(qū)間灰度落在區(qū)間a，b內，只有很少部分的像素灰度分布在小內，只有很少部分的像素灰度分布在小于于a和大于和大于b的區(qū)間內，此時的區(qū)間內，此時(c sh)可以采用一種稱作可以采用一種稱作“截取式截取式線性變換線性變換”的變換方法，其變換式如下的變換方法，其變換式如下: ,( , )( , )( ( , ),( , ),( , )af x yabag x yaf x yaaf x ybbabbf x y第17頁/共32頁第十八頁，共32頁。車牌特征提取的第三步車牌特征提取的第三步 邊緣檢測邊緣檢測邊緣檢測對于車牌區(qū)域的分割有重要的作用。經過邊

10、邊緣檢測對于車牌區(qū)域的分割有重要的作用。經過邊緣檢測之后的圖像由各個物體的輪廓線組成，由于緣檢測之后的圖像由各個物體的輪廓線組成，由于(yuy)車輛牌照是邊緣豐富的子區(qū)域，車牌的筆畫輪廓凸現(xiàn)，而車輛牌照是邊緣豐富的子區(qū)域，車牌的筆畫輪廓凸現(xiàn)，而車體上其他部分的輪廓線特征并不突出。在車牌識別系統(tǒng)車體上其他部分的輪廓線特征并不突出。在車牌識別系統(tǒng)中，可以采用如下的算子來提取邊緣中，可以采用如下的算子來提取邊緣: 1:1 1H21:1HH1、H2分別是水平分別是水平(shupng)和垂直方向的算子。和垂直方向的算子。第18頁/共32頁第十九頁，共32頁。v粗略定位主要利用的信息是車牌部分的紋理分布，

11、主要利用的是水平粗略定位主要利用的信息是車牌部分的紋理分布，主要利用的是水平和豎直兩個方向上的邊緣。在車牌部分，邊緣分布比較密集，可以利和豎直兩個方向上的邊緣。在車牌部分，邊緣分布比較密集，可以利用這一點提取出候選的車牌區(qū)域，在圖中用用這一點提取出候選的車牌區(qū)域，在圖中用(zhngyng)方框標出。方框標出。車牌粗略車牌粗略(cl)定定位位第19頁/共32頁第二十頁，共32頁。v之后輸出的就是之后輸出的就是候選的車牌位置候選的車牌位置，這些位置中，這些位置中，只有一個是真正只有一個是真正的車牌。而究竟的車牌。而究竟哪一個是對的，哪一個是對的，要到字符識別階要到字符識別階段才能段才能(cinng

12、)有結果。有結果。v粗略定位的結果往往粗略定位的結果往往不是很準，可以利用不是很準，可以利用顏色的連續(xù)性信息顏色的連續(xù)性信息(xnx)對定位的結果對定位的結果進行修正。進行修正。車牌精細車牌精細(jngx)定定位位第20頁/共32頁第二十一頁，共32頁。字符特征提取字符特征提取訓練：訓練：字符識別分類器字符識別分類器識別：識別：車牌的具體內容車牌的具體內容第21頁/共32頁第二十二頁，共32頁。v字符分割要把車牌中的一個個字符逐一切分開，這樣才能在下一步的識別中對每一個字字符分割要把車牌中的一個個字符逐一切分開，這樣才能在下一步的識別中對每一個字符分別處理。分割的方法可以利用灰度圖像往豎直方向

13、的投影。在有數(shù)字或字符的部分符分別處理。分割的方法可以利用灰度圖像往豎直方向的投影。在有數(shù)字或字符的部分，這個投影值應該比較大，而在字符之間的間隙處，投影的累計值就幾乎為零了。利用，這個投影值應該比較大，而在字符之間的間隙處，投影的累計值就幾乎為零了。利用這個特征，可以很好地將字符分割開來。這個特征，可以很好地將字符分割開來。v同時，還需要得到對這個區(qū)域是不是車牌區(qū)域作個評價，如果劃分結果比較合理，劃分同時，還需要得到對這個區(qū)域是不是車牌區(qū)域作個評價，如果劃分結果比較合理，劃分出的每個字符的寬度都差不多，且符合車牌特征，那么說明這個區(qū)域比較像車牌。如果出的每個字符的寬度都差不多，且符合車牌特征，那么說明這個區(qū)域比較像車牌。如果字體字體(zt)太寬或者不符合車牌特征，說明是其它的字符。太寬或者不符合車牌特征，說明是其它的字符。字符字符(z f)分割分割第22頁/共32頁第二十三頁，共32頁。24第23頁/共32頁第二十四頁，共32頁。25字符字符(z f)特征提取（續(xù)）特征提取（續(xù)）第24頁/共32頁第二十五頁，共32頁。26字符字符(z f)特征提取（續(xù)）特征提取（續(xù)）第25頁/共32頁第二十六頁，共32頁。27字符字符(z f)特征提取（續(xù)）特征提取（續(xù)）灰度不變性灰度不變性第26