王青苗 雷赐涛 王富强

①陕西铁路工程职业技术学院 ②中国铁路兰州局集团有限公司

随着城市道路中机动车辆数量逐年增加，拥挤的交通随处可见，如何去规范并引导车辆，首要是对车辆进行识别，对于车辆的识别重点是在于对于车牌的识别，本文在分析目前车牌识别技术方法的基础上，对车牌定位模块和字符分割模块进行了探讨，在车牌定位方式中，先归纳了车牌的纹理特征，提出了基于粗定位和精确定位的车牌定位方法，并采用基于k-means的车牌字符分割法对车牌处理。

1 背景

随着人们生活水平的提高，使用私家车在人们的出行中占据越来越大的比重，大量的汽车出行给交通管理和停车等造成了巨大的压力。不但在道路上有随处可见拥堵的车流，而且随意停靠的车辆越来越多，为了能较为合理引导车流以及规范汽车的行驶，对于车辆的精确识别显得至关重要，对车辆的识别主要就是对车辆车牌号码的识别，因此对于如何去识别车辆以及采用何种车辆识别技术的研究也成为行业内关注的焦点。本文在总结当前主流车牌识别方法的基础上，根据实际处理过程设计车牌识别处理流程，并对车牌识别过程进行了算法设计。

2 车牌识别的方法

在对车辆的车牌进行识别时具体的处理过程可分为车牌定位、字符分割和字符识别3个步骤进行[1,2]。其中，车牌识别的基础性步骤是车牌定位，车牌定位的质量对后续两个步骤有着直接的影响，它是车牌识别的关键性工作。

2.1 车牌定位

车牌定位是指将车牌区域从车辆图像中分割出来，在实际操作中在对车牌进行定位时有图像的预处理和车牌定位的算法两个重要过程[3]。其中，车牌定位的方法较多，往往单纯使用一种效果不是很理想，本文为了获得较为高效的定位方法，对车牌的纹理特征进行了归纳，将车牌区域的粗定位和精确定位两个方法结合起来，在具体操过程中，本文先用基于车牌纹理特征的粗定位的方法对车牌进行处理，保存处理结果，然后再采用基于车牌颜色特征的精确定位对该结果进行处理，这样能获得理想的效果。

2.2 字符分割

字符分割的作用是将上一步定位的结果分割为单个字符的方法，字符分割的好坏直接会影响下一步字符识别的质量，目前国内外关于车牌分割的方法也很多，主要有基于垂直投影特征值的分割方法、基于类间方差字符分割方法、基于 K-means聚类实现图像分割方法等[5,6]。在这些方法中基于K-means聚类实现图像分割方法使用起来相对简单、算法快速，且对簇型数据分类较好，在进行大数据处理时，效率高且具有可伸缩性，整体处理效果较好，所以适合用于进行大规模的数据挖掘[7]。基于以上优势分析，本文在分析车牌字符特点的基础上使用基于kmeans的车牌字符识别技术。

2.3 字符识别

字符识别方法使用较多的主要有基于模板匹配和神经网络的识别方法两种。基于模板匹配的字符识别方法的处理过程虽能从字符整体出发计算模板和待测图像的自相关性。但相比较而言，模板匹配法对现场光照不均、运动物体的识别效果较差，而神经网络识别法有着较强的曲线拟合以及模式分类能力[8]，因此本文采用神经网络字符识别法。

3 总体设计流程图

车牌识别系统的在实际操作过程中，系统对于图像处理的过程可以分为，分为以下6个过程，如下图1所示的流程进行。

图1 系统总体流程图

第一步图像采集，采集在路面上行驶的车辆信息，首先获取车辆的图像，采集汽车的图像数据，并将图像转换为位图存入内存中，的汽车图像数据采集；第二步是图像的预处理，处理过程涉及到图像灰度化处理、灰度图像均衡化、边缘检测、二值化、检测候选区域并二值化这几个步骤；第三步是车牌粗定位，具体过程是利用车牌纹理特征确定车牌区域的大概位置，对车牌进行大概位置的判断；第四步是车牌精确定位，是利用车牌底纹颜色特征确定车牌的精确位置以便后续处理使用；第五步是采用基于k-means算法的车牌字符分割技术，对字符进行判断分类；第六步是对分割出的字符进行识别并且显示分类结果，经过计算图片采用k-means算法的迭代次数，给出图片的处理结果。

4 算法设计

4.1 图像输入

在进行图像处理时，第一步是先要输入图像，这时要考虑到图像的存储格式。显示器是由许多的像素点构成的屏幕，采用扫描的方式将图像的位置显示在显示器上，位映像设备就是利用这种工作原理工作。在存储图片时，这种位映像设备是利用二维像素矩阵的方式将图像显示和存储起来的，这种被显示和存储的图像成为位图，它在存储器中存储的格式为“.bmp”格式文件，因此，本文研究输入图像格式为“.bmp”。

4.2 图像预处理

图像预处理过程分为如图2所示的5个步骤所示，首先对采集到的图像进行灰度化处理，整个过程是将彩色图像转换为只包含亮度信息的灰度图像的过程，灰度化后需要对图像进行均衡化处理，进而进行边缘检测，再对图像进行二值化处理，最后对候选区域进行二值化处理。

图2 像预处理流程图

4.3 车牌粗定位

经过前一步的图像预处理操作形成了二值纹理图像，下面需要对车牌进行粗定位，这里采用扫描法和投影法，依据汽车车牌区域纹理特征，来依次确定出车牌在原始图像中水平的位置以及垂直方向的位置，达到分割出包含车牌区域的图像的目的。

4.4 车牌精确定位

在获得车牌粗定位结果后，有时显示结果有一定的不如意，主要原因有的定位结果中还存在着多余的车辆边框，或者在横向或者纵向的显示内容会超出标记的显示区，因此在这些情况之下，仍需再次用精确定位去定位结果做以修正。

4.5 基于k-means算法的车牌字符分割

本文在进行字符分割时采用的是k-means算法，该算法是基于划分的聚类算法，这种方法是设定迭代的阀值，不断重复迭代算法，设定停止迭代的阀值，当两次迭代的差值小于该阀值后，则停止迭代，得到最终聚类结果。

4.6 处理结果

本文在获取车牌后，按照上述的处理流程进行处理，分别对采集到的图像进行预处理、粗定位、精确定位、字符分割、以及最后的字符识别显示后，识别的结果效果较好，能清晰分辨车牌的号码。

5 结束语

本文在总结当前形势下车牌识别技术的应用情况，对主流车牌识别的方法进行了介绍，给出了车牌处理的具体流程以及车牌识别算法，最后对本文提出的算法进行了仿真验证，本文采用的定位方法和k-means算法能在采集到车牌信息并对车牌字符具备良好识别的效果。