东北大学秦皇岛分校毕业设计（论文） 第 4 页
越广泛应用于一些智能交通等领域，并逐渐成为了众多热门研究课题之一，也吸引了更多的研究人员将研究与探索的目光定位于其上。车牌识别技术和产品性能进入实用阶段的时间还不是很长，随着人工智能以及自动识别技术的进步，未来的技术发展空间还会非常大。例如，核心算法继续发展，识别率和识别速度进一步改善，图像处理中对模糊图像预处理能力增强，画质改善技术的提高等等。
然而，相比国外的有一定进展的车牌识别系统研究工作而言，我国车牌识别技术的研究与发展才处于起步阶段，且国外的一些技术并不能完全符合并应用到中国车牌识别问题上，导致这些问题的原因主要是因为我国车牌具有一些独特的特性，其主要如下[2]:
(1) 我国的标准车牌由汉字、英文字母及阿拉伯数字三部分组成，且相比英文字母与阿拉伯数字，汉字字符的识别难度更大；
(2) 国外车牌颜色一般仅含有两种，且其具有较强的对比度。而我国车牌因其不同的应用场合而含有多种不同的颜色组合，如车牌背景颜色一般为黑、白、黄、蓝等多种颜色中的一种，而车牌字符颜色则一般为黑、白、红等中之一，且车牌背景颜色与字符颜色组合具有一定程度的对比；
(3) 国外车牌的尺寸大小比较固定，且其车牌内的字符结构及其排列比较单一。相比之下，我国车牌的牌照格式种类比较繁多，对于不同的车牌型号如货车、客车、轿车、专用汽车等或不同车辆用途如军车、私家车等，其牌照格式也是不一样的； (4) 我国车牌悬挂位置也并不唯一。按照公安部机动车号牌管理相关标准，机动车前号牌安装在机动车前端的中间或偏右处，后号牌安装在机动车后端的中间或偏左处，且应不影响机动车安全行驶和号牌的识别；
(5) 由于天气、环境、道路及人为因素等的影响，车牌可能被严重污染。 同时，国内主要高校在车牌识别领域都有一定的阶段性研究，并有许多关于车牌识别问题的文章发表。然而，研究出的许多新算法、新技术也只是停留在理论和文章阶段，且被限定和约束在了一个比较狭隘的范围内，仅仅针对一些有限的适用范围，不能以产品的形式大范围投入使用。因此，在解决实际问题时，其存在着一些如：实时性、实用性均较差等不良问题。鉴于以上因素，目前很多已开始大量应用于电子收费、车牌监测、超速检测、移动稽查等应用场合的车牌识别技术的识别准确率与识别速度都需要进一步提高。诸如此类问题，伴随着现代智能交通的飞速发展，对车牌识
东北大学秦皇岛分校毕业设计（论文） 第 5 页
别系统提出了更迫切、更高的要求，以使其具有更强、更高效、更实用及更广泛的适用性。
1.3 车牌自动识别的主要方法 1.3.1 IC卡识别技术
IC卡是一种集微电子技术、通讯技术和计算机技术于一体的高科技产品，利用IC卡技术进行汽车牌照的识别，主要是指在每辆汽车上安装一个微型的电子信号接收和发射装置即IC卡，卡内存储了该车的车牌号码以及其他一些信息，当汽车通过设有车辆检测装置的路口时，IC卡系统将与路口的计算机系统进行对话，使之辨识出该汽车的车牌号码和其他有关内容，从而可以实现监督与管理.然而，尽管IC卡技术识别准确度高，运行可靠，可以全天候作业，但它整套装置价格昂贵，硬件设备十分复杂，不适用于异地作业，且须要制定出全国统一的标准.另外，无法核对车、卡是否相符，也是IC卡技术存在的缺点。 1.3.2 条形码识别技术
条形码技术由于具有识别速度快、准确度高、可靠性强以及成本较低等优点，目前已广泛应用在商品销售、图书借阅管理、仓库进出货管理、邮政管理等众多领域。而条形码用于汽车牌照识别方面还是一种较新的方法，它可以通过在车辆的侧面印刷条形码(包括地区、车型、车牌号码等基本信息)，当条形码扫描阅读出这些信息后，就可以完成识别的任务，但是条形码对于扫描器要求很高，并且同IC卡技术一样，需要制定出全国统一的标准，并且无法核对车、卡(条码)是否相符，也是技术上存在的缺点，这给近期短时间内推广造成困难。 1.3.3 图像处理技术
运用图象处理技术解决汽车牌照识别的研究国内外都有，最早出现于80年代，这个阶段的研究并没有形成完整的系统体系，而是就车牌识别中的某一个具体问题进行讨论，并且通常是采用简单的图象处理技术来解决。识别过程是使用工业电视摄像机 (Industrial TV Camera)拍下汽车的正前方图像，然后交给计算机进行简单处理，并且最终仍需要人工干预。例如:车辆牌照中省份汉字的识别问题，1988年戴营等人利用常见
东北大学秦皇岛分校毕业设计（论文） 第 6 页
的图像处理技术方法提出汉字识别的分类是在抽取汉字特征的基础上进行的。根据汉字的投影直方图 (Projection Histogram)，选取浮动闽值，抽取汉字在Y方向的峰值，利用树形查表法进行汉字的粗分类。然后根据汉字在X方向的投影直方图，选取适当阈值，进行量化处理后，形成一个变长链码，再用动态规划法，求出与标准模式链码的最小距离，实现细分类，完成汉字省名的自动识别。
传统模式识别技术一般包括模板匹配法，统计特征法等.进入90年代，由于计算机视觉技术(Computer Vision Technique)的发展，开始出现汽车牌照识别的系统化研究[3]。1990年A.S.Johnson等运用计算机视觉技术和图象处理技术实现了车辆牌照的自动识别系统.该系统分为图象分割 (Image Segment)、特征提取和模板构造 (Feature Extraction and Template Formation)、字符识别(Character Recognition)等三个部分.利用不同闭值(Threshold)对应的直方图不同，经过大量统计实验确定出车牌位置的图像直方图的闭值范围，从而根据特定闭值对应的直方图分割出车牌，再利用预先设置的标准字符模板进行模式匹配(Pattern Matching)识别出字符。 1990年R.A.Lotufo等使用视觉字符识别技术研究分析所获取的图像[4]，首先在二值化图像中找到车牌，然后用边界跟踪技术提取字符特征，利用统计最邻近分类器(Statistical Nearest Neighbor Classifier)与字符库中的字符比较，得出一个或几个车牌号码，对这些号码做核实检查，看是否确实有该车牌号码，从而最终确定出一个实际存在的正确的号码。总之，这个时期的应用在识别正确率方面有所突破，但还没有考虑到识别实时性的要求，识别的速度有待进一步提高。
近几年以来，计算机及其相关技术发达的一些国家开始探讨用人工神经网络技术解决车牌的自动识别问题[5]。例如1994年M.M.M.FAHMY等就成功地运用了BAM(Bidirectional Associative Memories)神经网络方法对车牌上的字符进行自动识别，BAM神经网络是由相同神经元构成的双向联想式单层网络，每一个字符模板对应着唯一一个BAM矩阵，通过与车牌上的字符比较，识别出正确的车牌号码。这种采用BAM神经网络方法的缺点是无法解决识别系统存储容量和处理速度相矛盾的问题。
东北大学秦皇岛分校毕业设计（论文） 第 7 页
1.4 基于图像处理的车牌识别技术的研究难点 1.4.1 我国汽车牌照自身特点[6] (1) 字母、数字、汉字混合
我国车牌不单有英文字母和阿拉伯数字，还有汉字，汉字的识别难度较英文字母和数字大的多，从而增加了识别的难度。 (2) 颜色种类多
国外的车牌颜色种类相对少一些，而我国的车牌颜色种类较多。大致分为四种:黄底黑字，蓝底白字，黑底白字和白底黑字。 (3) 人为因素
由于环境、道路或人为因素造成有严重污渍、模糊不清的或偏斜很大的车牌可以在我国上路行驶。在国外，这种情况是不允许的。 (4) 车牌格式多
国外的车牌格式很单一，我国的车牌格式却有很多:民用车牌、公安警车牌、武警车牌、军车车牌、外交车牌、特种车牌、消防车牌等等。
(5) 国车牌悬挂的位置不唯一。由于不同公司出产的汽车型号和外形的各有不同，导致了车牌悬挂位置的不确定性。 1.4.2 外部环境影响
(1) 外界光照条件各不相同，白天和晚上光照不同
光照对图像质量影响很大。不同的光照角度，对车牌光照的不均匀度影响也较大。不同视觉，不同气候条件，以及背景光、车牌反光程度决定了车牌区域的亮度特征。
(2) 外界背景的复杂程度也影响车牌的定位准确率
背景中与车牌区域特征相似区域的大小反映了背景的噪声程度。例如与车牌字符相似的车体上的或背景远处的广告语，容易影响车牌的粗定位 1.4.3 拍摄角度问题
(1) 不同实际工程其摄像方位和角度不一样
实际工程中摄像方位相对于车辆行驶的方向一般是正上方、左侧和右侧。如果摄