車牌定位是車牌識別系統(tǒng)的基礎

發(fā)布日期：2019-03-19 作者：點擊：

隨著現(xiàn)代化管理手段的進步和科學技術(shù)的日益發(fā)展，小區(qū)用戶對車輛管理的要求越來越高。過去的人工刷卡的管理方式已經(jīng)不適應現(xiàn)代化發(fā)展的需要，針對目前快節(jié)奏，高速度的工作模式，要求管理方法和制度要有一個根本的改善，這種改善不但要適應用小區(qū)管理的需求，也要適應社會的需求，要適應人的感官的需求和習慣性操作的需求。但是目前任何高科技產(chǎn)品都不能完全代替人類的手工操作，不能完全取代人的思維，更不能與人的思維方式相吻合。因此我們在做自動化管理系統(tǒng)的設計時，要盡可能地強調(diào)自動化手段，但又不可忽略人工干預的因素，二者巧妙地結(jié)合起來，可達到事半功倍的效果。

車牌定位是車牌識別系統(tǒng)的基礎，其定位的準確與否直接影響到車牌的字符分割和識別效果，是影響整個車牌識別系統(tǒng)識別率的主要因素。車牌定位，即運用數(shù)字圖像處理、模式識別、人工智能等技術(shù)對采集到的汽車圖像進行處理，從而準確地獲得圖像中的車牌區(qū)域，其輸入是原始的汽車圖像，輸出是車牌圖像。

車牌識別系統(tǒng)

在現(xiàn)實車牌識別系統(tǒng)中，由于光照不均勻、背景的復雜性等原因，造成準確定位出車牌的難度較大。目前，根據(jù)車牌的特征，常見的車牌定位方法有基于車牌顏色特征信息的定位法、基于車牌區(qū)域頻譜特征的定位法、基于分類器的車牌定位法、基于車牌邊緣特征的車牌定位法等，這些方法各有所長。值得注意的是，車牌定位算法的分類并不是唯一的，區(qū)別算法類別的標準并不十分明確。車牌定位算法的方法多種多樣、各有所長，但存在著計算量大或者定位準確率不高等問題。車牌定位是車牌識別的關(guān)鍵步驟，為了能在復雜背景和不均勻光照條件下快速準確定位車牌位置，基于改進Isotropic Sobel邊緣檢測算子的車牌定位算法，由此來解決其存在的問題，該算法通過改進Isotropic Sobel邊緣檢測算子，實現(xiàn)了車牌圖像在水平、垂直以及對角線方向上的紋理特征提取，然后采用Otsu算法閾值化，再對閾值化后的二值圖像做數(shù)學形態(tài)學運算得到車牌的候選區(qū)域，最后利用車牌特征去除偽車牌。