李翔

摘 要：本文以專利文獻(xiàn)為基礎(chǔ)，對(duì)車牌識(shí)別領(lǐng)域的專利申請(qǐng)進(jìn)行了時(shí)間、地域、申請(qǐng)人、技術(shù)分支方面的數(shù)據(jù)統(tǒng)計(jì)與分析，并根據(jù)分析結(jié)果給出了該技術(shù)的發(fā)展路線與演進(jìn)過程。

關(guān)鍵詞：車牌識(shí)別；專利；分析；技術(shù)演進(jìn)

1 前言

車牌識(shí)別（Vehicle License Plate Recognition，VLPR）是數(shù)據(jù)識(shí)別的一個(gè)重要分支，是現(xiàn)代智能交通系統(tǒng)中的重要組成部分之一，其包括車牌圖像捕獲、圖像預(yù)處理、車牌定位、字符分割、字符識(shí)別5個(gè)步驟，已應(yīng)用于公路收費(fèi)、停車管理、稱重系統(tǒng)、交通誘導(dǎo)、交通執(zhí)法、等各種場(chǎng)合。

2 車牌識(shí)別技術(shù)專利分析

本文選擇DWPI檢索數(shù)據(jù)庫，檢索時(shí)間截止2016年12月，最終確定涉及車牌識(shí)別技術(shù)的全球?qū)＠暾?qǐng)來自全球33個(gè)國(guó)家或地區(qū)。

2.1 申請(qǐng)量年度及地域分布

2006年之前車牌識(shí)別技術(shù)的申請(qǐng)量極少，全球每年的申請(qǐng)量不超過50件，在2006年到2011年期間，全球的申請(qǐng)量進(jìn)入了平穩(wěn)增長(zhǎng)的時(shí)期，2011年之后，申請(qǐng)量和申請(qǐng)人數(shù)量呈現(xiàn)跨越式增長(zhǎng)，但國(guó)內(nèi)外的增長(zhǎng)情況并不相同，國(guó)外申請(qǐng)量于2013年達(dá)到頂峰，之后趨于平穩(wěn)；國(guó)內(nèi)申請(qǐng)量則是大幅度增長(zhǎng)至2015年。

專利申請(qǐng)的地域分布可以反映出企業(yè)的產(chǎn)品市場(chǎng)重心特征，中國(guó)、韓國(guó)、美國(guó)是車牌識(shí)別最主要的技術(shù)市場(chǎng)。中國(guó)申請(qǐng)據(jù)首位，占全球總量的37%，這表明各國(guó)企業(yè)越來越重視中國(guó)這個(gè)巨大的消費(fèi)市場(chǎng)。其次為韓國(guó)和美國(guó)，各占總量的19%和18%。

2.2 申請(qǐng)人分布

全球前10位申請(qǐng)人中，施樂公司（XEROX）在車牌識(shí)別領(lǐng)域的申請(qǐng)量占有最大比重，為24%；其從2010年開始在該領(lǐng)域申請(qǐng)專利，并呈現(xiàn)逐年增長(zhǎng)趨勢(shì)，到2013年達(dá)到頂峰；其次是中國(guó)深圳的捷順科技，占總申請(qǐng)量的15%，申請(qǐng)起始于2012年并逐年增長(zhǎng)；此外，臺(tái)灣的中華電信、韓國(guó)的NEXPA SYSTEM等公司的在該領(lǐng)域也具有一定的技術(shù)擁有量?？傮w來看，車牌識(shí)別領(lǐng)域的專利申請(qǐng)人分布較為分散，各公司之間申請(qǐng)量相差不是很大，技術(shù)發(fā)展較為均勻。

2.3 重要技術(shù)分支分析

字符識(shí)別作為車牌識(shí)別的關(guān)鍵步驟，其申請(qǐng)數(shù)據(jù)最多，占總量的65%；其次是車牌定位，識(shí)別的準(zhǔn)確率與車牌定位的準(zhǔn)確與否有直接關(guān)系，因此定位相關(guān)的申請(qǐng)占據(jù)次席，為27%；字符分割申請(qǐng)量較少，占總量的6%；因?qū)D像的預(yù)處理采用的方法比較固定，所以該分支下的申請(qǐng)量最少，占比2%。

3 專利技術(shù)發(fā)展演進(jìn)

3.1 萌芽期

2006年之前屬于車牌識(shí)別技術(shù)的起步階段，研究者嘗試將車牌識(shí)別用自動(dòng)識(shí)別的方式從人工識(shí)別中解放出來。早期的車牌自動(dòng)識(shí)別技術(shù)主要以信號(hào)發(fā)射器、紅外條碼等為基礎(chǔ)，涉及該技術(shù)的申請(qǐng)大多為實(shí)用新型。2002年開始，車牌識(shí)別開始采用模式識(shí)別來進(jìn)行，但該階段的模式識(shí)別多數(shù)用來進(jìn)行車牌的定位，CN02154934采用了模板匹配的方式進(jìn)行識(shí)別；06年先后有CN200610020796和CN200610069051提出通過小波變換和顏色/空間特征進(jìn)行車牌定位。整體而言，第一階段的車牌識(shí)別技術(shù)有條碼等信號(hào)的傳輸逐漸向模式識(shí)別發(fā)展，相比字符分割和識(shí)別，車牌定位技術(shù)的發(fā)展在此階段較為迅速。

3.2 平穩(wěn)發(fā)展期

2006年～2011年為平穩(wěn)發(fā)展期，該階段是車牌識(shí)別中理論層面不同算法大量涌現(xiàn)的時(shí)期。

車牌定位方面，車牌的不同色彩空間、尺寸、紋理以及頻譜變換等特征被大量用到車牌的定位中，頻譜變換如2008年提出的Hough變換、MGD最大梯度差等，顏色空間從RGB延伸到HIS、CIELAB等多樣化空間。分類器方面，2010年CN201010297917中提出采用級(jí)聯(lián)Adaboost分類器進(jìn)行車牌定位，從一級(jí)分類器發(fā)展到多級(jí)級(jí)聯(lián)分類器，提高了識(shí)別的準(zhǔn)確率。

字符分割技術(shù)在第二階段的發(fā)展較為平穩(wěn)，基本以水平、垂直投影以及連通域的檢測(cè)作為分割手段。網(wǎng)格特征是該階段車牌分割中涌現(xiàn)的新技術(shù)，提出于2007年。該階段聚類算法開始用于字符分割，如2011年CN201110416119提出的人工免疫網(wǎng)絡(luò)聚類字符分割方法，達(dá)到了很好的分割效果。

在識(shí)別過程中，車牌識(shí)別的準(zhǔn)確率會(huì)受到光照、背景燈不同方面的影響，2010-2011年多個(gè)申請(qǐng)采用灰色圖重構(gòu)的方法對(duì)車牌字符顏色脫落、遮擋、涂改情況下的字符識(shí)別進(jìn)行了改進(jìn)，該階段申請(qǐng)對(duì)不同特殊情況下的車牌識(shí)別準(zhǔn)確性和魯棒性做出了一定貢獻(xiàn)。

3.3 快速增長(zhǎng)期

第三階段（2011年～今）為快速增長(zhǎng)階段，第二階段中涌現(xiàn)出的不同識(shí)別算法被應(yīng)用到如停車場(chǎng)、高速收費(fèi)、違章抓拍等具體的智能交通環(huán)境中，導(dǎo)致該階段申請(qǐng)量劇增，這也表明第二階段的理論成果成功產(chǎn)業(yè)化。

車牌識(shí)別在該階段被用到停車場(chǎng)出入管理、高速ETC收費(fèi)以及道路違章抓拍3個(gè)方面。出入管理、ETC收費(fèi)中的車牌識(shí)別車輛速度較低，接近靜止，其使用的方法為第二階段中各種不同算法的組合。道路違章抓拍中，車輛速度較快，從2012年起，關(guān)于動(dòng)態(tài)跟蹤、實(shí)時(shí)路況下的車牌識(shí)別方法的申請(qǐng)開始涌現(xiàn)，例如申請(qǐng)CN201510397476。2014年左右，車牌識(shí)別裝置與語音、報(bào)警系統(tǒng)等集成，出現(xiàn)大量集成裝置申請(qǐng)，例如CN201510383432，有效提高了異常交通事件的處理效率。

整體而言，為了提高識(shí)別率，第三階段的車牌識(shí)別將第二階段涌現(xiàn)出的算法相互交叉結(jié)合使用，大量的申請(qǐng)來自不同種類、不同應(yīng)用場(chǎng)合的智能交通裝置，是車牌識(shí)別全面產(chǎn)業(yè)化的重要時(shí)期。

4 總結(jié)

本文對(duì)車牌識(shí)別技術(shù)的發(fā)展現(xiàn)狀、專利申請(qǐng)量、申請(qǐng)人以及專利技術(shù)演進(jìn)進(jìn)行了分析，了解了車牌識(shí)別技術(shù)的核心算法、發(fā)展脈絡(luò)以及應(yīng)用領(lǐng)域，加深了對(duì)車牌識(shí)別以及智能交通的認(rèn)知，為更加細(xì)化的智能交通應(yīng)用的研究奠定了基礎(chǔ)。

參考文獻(xiàn)

[1]李志強(qiáng)，李永斌.車牌識(shí)別技術(shù)的發(fā)展及研究現(xiàn)狀[J].科技信息，2012，（5）：110.

[2]陳誠，楊星，邱瑞波，等.展望車牌識(shí)別技術(shù)發(fā)展的新方向[J].科技創(chuàng)新導(dǎo)報(bào)，2015，（15）：46.

（作者單位：國(guó)家知識(shí)產(chǎn)權(quán)局專利局專利審查協(xié)作天津中心）