3

我目前正在做一个识别后侧车牌的项目，我已经做了 OCR 作为初步步骤，但我不知道如何检测矩形（这是汽车的相关区域）牌照车牌，我已经阅读了很多论文，但在任何地方我都没有找到关于识别车牌矩形区域的有用信息。我正在使用 matlab 做我的项目。请任何人帮我解决这个问题...

非常感谢

4

3 回答 3

3

正如您所提到的，至少有两个不同的阶段：

  1. 在图像中找到车牌
  2. 从图像中识别许可证号

由于车牌不嵌入任何位置标记（例如在 QR 码中发现的），因此通过限制传入图像的转换范围来降低识别图像中车牌的复杂性。

许多 ANPR 系统的成功依赖于捕获设备的位置和时间的准确性，以获得将车牌放置在可预测的失真范围内的图像。

一旦图像被捕获，就可以通过使用统计分析来处理定位阶段，以定位图像内的“车牌”形区域，即对于透视具有正确比例的区域。本文描述了一种这样的方法。

这篇论文和另一篇论文描述了使用 Sobel 边缘检测器来定位车牌中的垂直边缘。原因是与背景相比，字母形成了更多的垂直线。

另一篇论文比较了一些技术（包括 Sobel 检测和 Haar 小波）的有效性，可能是一个很好的起点。

于 2011-09-20T11:06:46.730 回答
3

我完成了关于“基于 OCR 的车辆识别”的项目

通常，LPR包括三个主要阶段：从捕获的图像中提取车牌、图像分割以提取单个字符和字符识别。车牌检测的所有上述阶段都是最具挑战性的，因为它对天气条件、照明条件和车牌位置以及其他人工制品（如放置在车牌图片上的框架、符号或徽标）高度敏感，在印度，车牌号是写的在一排或两排。

对于 LPR 系统来说，速度和准确性都是非常重要的因素。在一些文献中，准确度水平不错，但系统速度较慢。像模糊逻辑和神经网络方法一样，准确度水平很好，但它们非常耗时且复杂。在我们的工作中，我们在时间复杂度和准确性之间保持了平衡。我们使用边缘检测方法和垂直和水平处理来进行车牌定位。边缘检测是用“罗伯茨”算子完成的。具有一些适当阈值的连通分量分析 (CCA) 用于分割。对于字符识别，我们使用了相关函数的模板匹配，为了提高匹配水平，我们使用了增强型数据库。

我的项目方法

  1. 从网络摄像头/摄像头输入图像。
  2. 将图像转换为二进制。
  3. 检测车牌区域。
  4. 分割。
  5. 号码识别。
  6. 在 GUI 上显示。

我的车牌提取方法

  1. 从网络摄像头/摄像头获取输入。
  2. 将其转换为灰度图像。
  3. 计算阈值。
  4. 使用罗伯茨算子进行边缘检测。
  5. 计算水平投影。
  6. 通过与阈值的 1.3 倍比较，水平裁剪图像。
  7. 计算垂直投影。
  8. 垂直裁剪图像。

我的分割方法

  1. 将提取的图像转换为二值图像。
  2. 查找提取的二进制图像的互补图像。
  3. 移除像素值小于面积 2% 的连通分量。
  4. 计算连通分量的数量。
  5. 对于每个连接的组件，找到行和列的值
  6. 计算动态阈值 (DM)。
  7. 通过应用某些条件从分段字符中删除不需要的字符
  8. 存储分段字符坐标。

我的识别方法

  1. 初始化模板。
  2. 对于每个分段字符，重复步骤 2 到 7
  3. 将分段字符转换为数据库图像大小，即 24x42。
  4. 找到每个数据库图像的分割字符的相关系数值，并将该值存储在数组中。
  5. 找出数组中最大值的索引位置。
  6. 找到由该索引值链接的字母
  7. 将该字母存储在一个数组中。
于 2013-12-06T09:27:34.167 回答
1

查看 OpenALPR ( http://www.openalpr.com )。它使用 OpenCV 和 LBP/Haar 算法识别车牌区域。这使其能够识别暗板区域的亮光和暗板区域的暗光。在识别出一般区域后，它使用 OpenCV 根据图像中的强线/边缘进行定位。

它是用 C++ 编写的，所以希望你可以使用它。如果不是，至少它是一个参考。

于 2014-01-16T16:56:20.633 回答