高速公路联网环境下的车牌自动识别技术应用分析_交通论文发表

一、前言
信息时代的到来对各国的现代化建设提出了更高的要求。计算机的应用已经深入到社会各个阶层，通信技术也有了新发展，人们越来越享受到这种便利。目前，作为身份识别的手段也越来越丰富，指纹识别，***识别已经非常普遍了。而伴随着现代高速公路的大量建设，人们出行多选择汽车，人们对于出行的安全快捷的要求越来越高，车牌自动识别技术也越来越受到关注。高速公路联网环境下对汽车的信息自动采集和管理对于高速公路安全管理具有十分重要的意义。
二、用于车牌自动识别的车牌定位方法
所谓的车牌定位指的是从摄像头拍摄到的汽车图像中确认车牌的位置，并提取含有车牌图像的区域，从而为后端的字符分割处理提供依据。虽然后者的识别性能更高，但是考虑到灰度图像的函数表示比较简单，再加上图像处理还会受到计算机运行的速度及其内存大小的限制，因而在现实条件下，基于灰度图像的车牌定位方法已经有了比较多的研究且比较成熟，下面就简单介绍几种定位方法：
1、基于边缘检测的定位
这种车牌定位算法的研究和运用都已经比较成熟了，它的工作原理主要是建立在车牌区域和非车牌区域明显的灰度差异基础上的，相对于车牌区域存在大量边缘，背景部分边缘要少很多。常用的边缘提取算子有Sobe边缘检测算子、Krisch算子、Roberts算子、Prewitt算子。在选取好边缘提取算子后通过边缘检测的图像二值化再结合形态学的方法以及部分先验知识，车牌区域就能够很好地被定位出来了。但是这种算法也有自身的缺陷，即很费时间，而且复杂度比较高，对干扰区域的排除效果在实际应用中也不够理想。
2、基于纹理的车牌定位
基于车牌区域区别于车身的比较明显的纹理特征，那么根据这种纹理特征便可以把车牌从背景中提取出来。关于基于纹理的车牌定位，有两种比较通用的理论，一种是杨俊和戚飞虎在题为“一种基于形状和纹理特征的车牌定位方法”中提出的充分利用了车牌的形状及其纹理特征的一种定位方法，这种方法很好地把车牌定位简化了，只需对几个少数候选区进行选择，并把它们组合起来，因而相对来说灵活高效，再加上区域信息一般不容易受到车牌的大小、位置、以及外界噪声的影响，因而实用性比较强。这种车牌识别方法在实际应用中还是比较广泛的，但是要确保其准确无误尚有赖于构造合理、能有效区分车牌和背景的纹理特征空间。
3、基于神经网络的车牌定位
这种定位方法要求预先设计好神经元网络的结构和参数，之后需要采集大量图片训练网络，建立起车牌识别的数据库，车牌的特征都记录在这个网络中，这样在实际操作中就能够提高识别的效率和准确程度。基于神经网络的车牌定位法是由贾志勇等在“基于局部小波分形特征的车牌定位研究”中提出来的。这种方法可以概述为先提取车牌图像的分形维数，在此基础上充分利用小波与分形的联系，以二次B—样条小波对车牌局部图像进行小波变换，进而提取各个子图的分形维数。由于这些分形维组成的特征矢量对于车牌区域和非车牌区域能够形成十分有效的标示，那么显然只要根据这些分形维特征，以改进的BP神经网络作为分类器，车牌的快速定位就能够得到很好的实现。但是这种车牌定位方法也有其缺陷，那就是要建立庞大的样本库，加上我国的车牌尚缺乏统一的标准，牌照有些已经磨损，车牌附近环境恶劣等现实原因，使得这种识别方式的可用性大大降低，再加上神经网络收敛速度慢，运算量大，训练周期长，故而不适合系统实时性要求。
三、联网环境下的车牌识别技术分析
采用视觉技术识别车牌的流程通常包括五大步骤：车辆图像采集，车牌定位，字符分割，光学字符识别和输出识别结果。目前，自然光和红外光图像采集识别是国际ITS通行的两条主流技术路线。自然光和红外光属于绿色环保技术，不会对环境产生新的电子污染，也不会引起人体不良的心理影响。自然光路线技术应用起来比较简便，因为白天可以直接利用自然光线，光线弱的时间或者夜间便可采用辅助照明光源，并用彩色摄像机采集车辆真彩色图像，用彩色图像分析处理方法识别车牌，这种车牌识别反馈到中心联网系统。所以说，中心联网系统是集车牌自动识别，中心联网运行为一体，以智慧中心为核心分布的网络系统。建立这种联网系统的优势是形成数据交换的网络环境，使中心管理系统与各个车道应用管理系统进行实时数据交换，进而实现整个网络系统的远程管理与维护。
四、结束语
车牌自动识别技术主要是用于高速公路收费管理与城市交通车辆管理。虽然目前已经投入使用的车牌自动识别方式有很多，但是均有改进的空间。如何排除各个方面的干扰因素，采取科学的算法来提高车牌自动识别的准确性与效率性仍然是值得进一步研究的。
参考文献：
[1] 叶霆,汽车牌照自动识别技术研究[D].西北工业大学,2006.
[1] 钱华,芮延年.基于人工智能的汽车牌照自动识别技术的研究.机电产品开发与创新,2005.
[2] 高浩军,杜宇人.车牌实时识别方法的研究.现代电子技术,2004(23).
[3] 徐丽娜.神经网络控制[M].北京电子工业出版社,2003.