李錦瓏1,張維昭2,馬宏鋒1,劉　馨1

(1.蘭州工業(yè)學院電子信息工程學院,甘肅蘭州　730050；

2.西北師范大學物理與電子工程學院,甘肅蘭州　730070)

基于HALCON的車牌識別技術研究

李錦瓏1,張維昭2,馬宏鋒1,劉馨1

(1.蘭州工業(yè)學院電子信息工程學院,甘肅蘭州730050；

2.西北師范大學物理與電子工程學院,甘肅蘭州730070)

摘要：針對目前車牌識別速度較慢以及識別準確率較低的問題，以HALCON作為機器視覺和圖像處理核心軟件，將計算機視覺檢測技術應用于車輛牌照的識別，實現了圖像采集、預處理和檢測.實驗結果表明，白天車輛牌照識別準確率達到94.6%；相對于傳統(tǒng)方法，識別速度也有所改進，每幅牌照的平均識別時間為40.3 ms.

關鍵詞：機器視覺；HALCON；字符識別

收稿日期：2014-11-03;修改稿收到日期:2015-02-24

E-mail:lijinlong0217@126.com

基金項目:甘肅省科技支撐計劃資助項目(1104GKCA032)；甘肅省自然科學基金資助項目(096RJZA084)；蘭州工業(yè)學院青年科技創(chuàng)新計劃資助項目(14K-010)

作者簡介：李錦瓏(1986—)，女，甘肅慶陽人，講師，碩士.主要研究方向為智能信息處理.

中圖分類號：TP 391.41

文獻標志碼：標志碼：A

文章編號：章編號：1001-988Ⅹ(2015)06-0054-04

Abstract:For the problem of low speed and accuracy of license plate recognition,a new license plate system is designed in this paper.HALCON is used as the core of machine vision and image processing software.The major work includes image acquisition,image preprocessing and the realization of the detection algorithm.Experiments demonstrate that the accuracy of license plate recognition can reach 94.6% during the day.The speed of identification is also improved relatively,and the average recognition time of each license plate is 40.3 ms.

ResearchonlicenseplaterecognitiontechnologybasedonHALCON

LIJin-long1,ZHANG Wei-zhao2,MA Hong-feng1,LIU Xin1

(1.CollegeofElectronicEngineering,LanzhouInstituteofTechnology,Lanzhou730050,Gansu,China;

2.CollegeofPhysicsandElectronicEngineering,NorthwestNormalUniversity,Lanzhou730070,Gansu,China)

Keywords:machinevision；HALCON；characterrecognition

國外對車牌識別的研究起步較早，并且取得了較好的識別效果[1].日本學者對車牌識別技術作了大量的研究[2-3]，并在系統(tǒng)產業(yè)化方面做出了突出貢獻.文獻[4]采用馬爾科夫場對車牌特征進行二值化處理和提取，樣本識別率相對較高.文[5]巧妙利用車牌的反光原理，設計了一個車牌識別系統(tǒng)，可識別所有英國車輛的車牌.文[6]設計的車牌識別系統(tǒng)實時性較好，車牌定位正確率較高.國內一些科研機構也對車牌識別的關鍵技術進行過深入研究和探討[7-10];中科院自動化研究所研究的識別系統(tǒng)在車牌定位方面準確率較高[11].

基于HALCON[12-13]的車牌識別是車輛身份認證的一種方式，它是ITS的技術基礎，是集電子傳感、計算機視覺處理、控制技術等技術為一體的復雜系統(tǒng).

本研究在分析和研究國內外機器視覺檢測系統(tǒng)現狀的同時，搭建了一個機器視覺檢測系統(tǒng)硬件平臺，并采用HALCON作為系統(tǒng)軟件的核心處理模塊，將計算機視覺檢測技術應用于車輛牌照的檢測，實現車牌號碼的快速、高效的識別和檢測.

1系統(tǒng)設計

基于HALCON的車牌識別流程如圖1所示.首先圖像采集模塊完成車牌信息的采集；然后經圖像預處理模塊進行灰度處理和濾波后，再進行車牌定位、字符分割；最后完成字符識別并送顯示.

圖1　基于HALCON的車牌識別流程

1.1HALCON介紹

圖像處理軟件HALCON[12-13]是德國MVtec公司開發(fā)的機器視覺軟件，可在UNIX，WindowsNT/2000/XP等平臺下作業(yè).HALCON具有強大的幾何與圖像計算功能，如色彩分析、各類濾波、形態(tài)學計算分析、校正、分類、辨識、形狀搜索等功能.HALCON的應用范圍很廣泛，涵蓋醫(yī)學、監(jiān)控、遙感探測以及工業(yè)中的自動檢測領域.近年來，隨著機器視覺技術的發(fā)展，HALCON也被廣泛應用到視頻的計算和優(yōu)化方面.基于HALCON平臺的軟件設計流程如圖2所示.

圖2　基于HALCON的軟件設計流程

HALCON獨特的庫提供了千余個為圖像及視頻分析作業(yè)、數據可視化、除錯等功能所設計的算子，與其他平臺相比，車牌識別的速度較高.同時，HALCON提供了HDevelop作為快速開發(fā)的圖形化界面，方便用戶開發(fā)車牌識別系統(tǒng).此外，通過HALCON可將代碼轉化為C++,C或VisualBasic源代碼，以便集成在實際的應用系統(tǒng)中，避免了重復開發(fā)，可降低車牌識別系統(tǒng)的開發(fā)周期.

1.2圖像采集模塊

在HALCON軟件中可采用read_image算子加載已采集好的車牌圖像(支持BMP,IFF,GIF,JPEG,PNG,PCX,XWD等格式圖像)，也可直接從攝像機中實時獲取車牌圖像.

1.3圖像預處理模塊

由于車型復雜和車牌位置不固定等因素的影響，車牌識別具有一定的困難.另外，車牌本身的污染、缺損也直接影響最終的識別結果.圖像預處理是通過增大對比度和亮度等方式，使得圖像輪廓相對清晰，目的是加大車牌區(qū)域和背景區(qū)域的區(qū)分度.圖像預處理方式有二值化處理、灰度化處理與圖像濾波處理等.

彩色圖像所包含的信息量較大，不利于圖像的快速處理.本研究對彩色圖像進行降維處理，即把彩色圖像轉換為灰度圖.灰度化處理后的圖像在后期的字符分割中使用，可以降低處理時間.常用的灰度值計算方法有平均值法、最大值法、加權平均值法3種，本研究采用加權平均值法對彩色圖像進行灰度化處理.

1.3.1車輛圖像對比度增強本研究采用比較分段線性拉伸方法進行對比度增強，可拉伸特征物體的灰度細節(jié)，相對抑制不感興趣的灰度級.HALCON中借助算子emphasize實現車輛圖像的對比度增強.

1.3.2車輛圖像濾波處理車輛圖像濾波[14]就是在盡可能保留車輛特征細節(jié)的基礎上，對圖像進行去噪.本研究采用中值濾波法去噪.中值濾波法是一種非線性除噪方法，可在去除噪聲的同時，最大限度地保護圖像的邊緣效果.車牌圖像含有較強的輪廓特征，經過中值濾波平滑處理，不但可以去除噪聲，還能更好地突出車牌的輪廓部分.

中值濾波法通過設置的模板來實現.設車輛圖像f(i,j)n×n中各灰度值為{xij,(i,j)∈I2}，設置窗口為D，經中值濾波處理后圖像的灰度值y(i,j)為[15]18

在HALCON中，借助算子median_rect實現車輛圖像的濾波處理.

1.4車牌區(qū)域定位模塊

本研究根據車牌圖像的色彩信息進行目標區(qū)域定位，利用顏色模型[16]通過顏色信息在原彩色圖像上找到車牌所在位置.這種方法對車牌在圖像中的位置、圖像背景以及車牌大小的限制較少，定位效果較好.

圖像顏色的表示方式有多種，在電視機、顯示器、掃描儀等設備中多使用RGB顏色模型，而在電視視頻中則使用了HSV顏色空間標示法，能較好反映人對色彩的感知和鑒別能力，適合基于彩色的圖像的相似比較.其他形式表示的圖像可轉換到HSV顏色空間進行分析.文中以RGB顏色空間到HSV顏色空間的轉換為例進行說明.設Imax=max{r,g,b},Imin=min{r,g,b}，HSV模型各分量h,s,v與RGB模型各分量r,g,b的轉換關系為[17]180

(2)

(3)

其中Hmax表示色調個數.在HSV顏色模型下，色彩C1=(h1,s1,v1)與色彩C2=(h2,s2,v2)之間的距離為[18]61

兩色彩之間的相似度為[18]61

中國車輛牌照主要有4種類型，車牌底色和字符顏色組合如表1所示.車牌圖像采用HSV顏色空間表示法，充分利用車牌底色信息，計算色彩空間距離及相似度，然后利用投影法找到目標顏色區(qū)域.車牌定位結果如圖3所示，圖中白色矩形區(qū)域即為利用顏色信息定位的車牌號碼區(qū)域部分.

表1　車牌顏色組合

圖3　車牌定位

1.5字符分割與識別模塊

字符分割是車牌識別過程中的重要環(huán)節(jié)，本研究采用字符垂直投影與車牌字符寬度信息相結合進行分割.對于復雜背景下的汽車圖像，垂直投影法可獲得較好的字符分割效果.

車牌圖像拍攝時的傾斜角度、車牌整潔度、光照和車輛運動等因素，都有可能給字符識別帶來困難[19].常用的字符識別方法主要有人工神經網絡算法和模板匹配算法，依據我國車牌特點，本研究中采用模板匹配算法.首先從待識別的字符位圖中提取字符特征加權值，并將其與已知字符標準特征庫加權值進行比較，最后從中選取最接近的字符作為識別結果.

HALCON支持神經網絡分類器、支持向量機分類器和貝葉斯分類器等.本研究調用HALCON中自帶的分類器設計算子，創(chuàng)建、訓練和保存了神經網絡分類器.新分類器的創(chuàng)建選用create_ocr_class_mlp算子，訓練采用trainf_ocr_class_mlp算子，存儲分類器采用write_ocr_class_mlp算子.把分割好的字符進行識別，最終組成牌照號碼.

2實驗與討論

選取了25幅白天拍攝的車輛照片對系統(tǒng)進行測試.實驗結果顯示，白天車輛牌照識別的準確率可達到94.6%，識別速度也相對傳統(tǒng)方法有所改進，每幅牌照的平均識別時間為40.3 ms.

選取的部分識別結果如圖4所示.其中，圖4(a)顯示車輛牌照正拍時的識別結果，圖4(b)，(c)顯示車輛牌照側拍時的識別結果.

(a)正拍

(b)側拍1

(c)側拍2

參考文獻:

[1]WEN Ying,LU Yue.An algorithm for license plate recognition applied to intelligent transportation system[J].IEEETransactionsonIntelligentTransportationSystems,2011,12(3):830.

[2]NAITO T,TSUKADA T.Moving-vehicle license plate recognition method robust to changes in lighting conditions[J].SystemandComputerinJapan,2000,31(11):82.

[3]KAGESAWA M,UENO S.Vehicle recongnition system in infrared images using IMAP parallel vision board[J].ElectronicsandCommunicationsinJapan,2003,86(5):1.

[4]CUI Yun-tao,HUANG Qian.Automatic license extraction from moving vehicles[J].IEEETransactiononPatternAnalysisandMachineIntelligence,1997,7(4):126.

[5]TINDALL D W.Deployment of automatic licence plate recognition systems in multinational environments[C]//ProceedingsofEuropeanConferenceonSecurityandDetection.London:IET,1997:42.

[6]YOUNG Sung Soh,BYUNG Tae Chun,HO Sub Yoon.Design of real time vehicle identification system[J].IEEETransactiononPatternAnalysisandMachineIntelligence,1994,7(6):86.

[7]嚴麗.車牌識別系統(tǒng)的關鍵技術研究[D].南京：南京理工大學,2012.

[8]馬爽,樊養(yǎng)余,雷濤,等.一種基于多特征提取的實用車牌識別方法[J].計算機應用研究,2013(6):256.

[9]魏娜,王振臣,張聰,等.一種新型車牌定位算法的研究[J].激光與紅外,2012,42(8):936.

[10]王永春.自動車牌識別關鍵技術研究[D].長沙：中南大學,2013.

[11]劉智勇,劉迎建.車牌識別中的圖像提取及分割[J].中文信息學報,2000,14(4):26.

[12]占建云,張毅,王長君，等.基于HALCON的視頻交通參數檢測方法[J].公路交通科技,2008,25(9):126.

[13]彭曉輝.基于HALCON的IC卡噴碼符號識別技術研究與實現[D].廣州：廣東工業(yè)大學,2006.

[14]LI Xue-chen,DENG Hui,LI Guo-qing.Improved switching median filter for removing impulse noise from the image of the welded joint[C]//ProceedingsofCongressonImageandSignalProcessing.Chongqing:IEEE,2012：312.

[15]馬永慧.車牌識別系統(tǒng)中車牌定位與字符分割的研究[D].太原：中北大學,2013.

[16]程增會,戴祥,唐大鵬,等.一種基于HSI 和YUV顏色模型的車牌定位方法[J].計算機應用與軟件,2011,28(12):132.

[17]袁庭啟,徐濤.一種基于HSV空間和紋理特征的快速車牌定位方法[J].重慶工業(yè)學院學報,2008,22(10):179.

[18]謝君廷，王小華.一種基于HSV空間的顏色相似度計算方法[J].杭州電子科技大學學報,2008,28(1):60.

[19]閆雪梅,王曉華,夏興高.基于PCA和BP神經網絡算法的車牌字符識別[J].激光與紅外,2007,37(5):481.

(責任編輯惠松騏)