郑 琳，王福龙

(广东工业大学 应用数学学院，广州 510520)

0 引 言

迄今为止，车牌识别技术已研究多年，虽在计算机视觉领域，车牌识别技术已经做了大量的工作，但还没有真正成熟的运用到高速交通管制、刑事侦查等领域。如何在实际情况中快速准确的识别车牌仍然是一个具有挑战性的课题。

目前，针对车牌定位的方法主要有：基于颜色与纹理的定位方法[1]，该方法主要利用车牌颜色信息和车牌区域呈现特定的纹理特征来定位，但对于车牌底色与车身相近或车身包含广告语的车辆定位效果较差；基于数学形态学的定位方法[2-3]，该方法主要是利用开、闭运算处理图像来定位车牌，开、闭运算的处理主要依赖于结构元的选取；基于图像视觉特征的定位方法，诸如SURF特征、SIFT特征、HAAR特征等[4-7]，这类方法通常需要考虑特征维数以及信息冗余问题；基于多特征融合的定位方法[8-9]，相对于利用单一特征定位车牌，多特征融合的定位方法鲁棒性较高；基于神经网络的定位方法[10-11]的计算能力强大，但由于模型的复杂性以及庞大的计算量，需要云端服务器处理数据，计算成本较高。

字符分割的主要方法有：基于连通域的分割[12-14]，该方法根据字符的连通性标记目标像素后，与相邻像素的值对比来分割字符，但是归并标记运算量大，易出现像素的重复标记；基于投影法的分割[15-18]方法，主要是统计二值化后车牌字符的波峰、波谷排列信息确定字符左右边界。该方法需要去除车牌螺帽的干扰，对字符区域存在粘连、模糊或遮挡的情况分割效果较差；……