一種基于梯度模板特征的車(chē)牌識(shí)別算法.pdf

1、隨著社會(huì)經(jīng)濟(jì)的持續(xù)發(fā)展，我國(guó)機(jī)動(dòng)車(chē)數(shù)量處于較高的增長(zhǎng)速度。然而交通運(yùn)輸領(lǐng)域的基礎(chǔ)設(shè)施建設(shè)還遠(yuǎn)遠(yuǎn)落后于車(chē)輛數(shù)量的快速增長(zhǎng)，由此造成了一系列的社會(huì)問(wèn)題，交通擁堵已成為大中城市的普遍現(xiàn)象。為了提高交通資源的利用率，提升交通運(yùn)輸效率，緩解交通堵塞，降低能源消耗，智能交通系統(tǒng)（Intelligent Transportation Systems，ITS）成為各國(guó)的熱點(diǎn)研究問(wèn)題，受到了廣泛的重視，發(fā)展十分迅速。車(chē)輛牌照識(shí)別（license plat

2、e recognition，LPR）作為智能交通中的一個(gè)重要概念，是實(shí)現(xiàn)交通監(jiān)控與管理自動(dòng)化的主要技術(shù)之一。而其作為一種重要的信息獲取手段，能為交通監(jiān)控與管理系統(tǒng)提供重要的數(shù)據(jù)信息。
　　 車(chē)輛牌照的識(shí)別一般包括車(chē)牌定位，車(chē)牌字符識(shí)別與相關(guān)的圖像處理三個(gè)主要部分。在車(chē)牌定位的研究中，提出了使用梯度模板特征進(jìn)行車(chē)牌精確定位與模板分割的算法。該算法關(guān)注于車(chē)牌區(qū)域的總體結(jié)構(gòu)特征，能夠獲得較高的定位精度。同時(shí)，分析了Cascade分類器

3、級(jí)聯(lián)算法在車(chē)牌定位工作中的應(yīng)用，進(jìn)而構(gòu)成了具有較高定位精度與效率的車(chē)牌定位分類器。在車(chē)牌字符識(shí)別的研究中，使用了基于像素連通域生長(zhǎng)的車(chē)牌傾斜校正算法對(duì)車(chē)牌圖像進(jìn)行校正。使用基于字符統(tǒng)計(jì)特征與幾何特征的聯(lián)合特征對(duì)車(chē)牌字符進(jìn)行了識(shí)別。
　　 經(jīng)實(shí)驗(yàn)表明，提出的車(chē)牌定位算法具有較高的精確性與可靠性，粗定位成功率為95.4％，精確定位成功率為92.3％，定位速度為每幅圖300~500ms。而且對(duì)于對(duì)比度很低，車(chē)牌被污染等情況有較高的魯棒