汽车车牌定位技术方法的探讨
杨冬卫
(西安交通大学，陕西 西安 710049）
摘 要：文章对当前国内外汽车车牌定位技术的发展现状进行了介绍，重点对主要的车牌定位技术和方法进行了阐述与分析，对指导车牌定位技术在实践中的应用具有一定现实意义。 关键词：车牌；定位技术；定位方法 中图分类号：TP391.4
文献标识码：A
文章编码：1672-3872（2015）03-0045-03
在现代智能交通系统中，交通信息服务体系的重要性较大，它可以保证前者的稳定运行。交通信息服务系统的信息主要有车辆间的距离大小、交通事故、驾驶需要的时间长短、停车位置以及车辆行驶速度的测定等。而车辆自动识别指的是：当车子经过某一段特定路面时，该车的相关信息会被识别出来。对于一辆车子来说，能够识别它的唯一符号就是车辆牌照，它就好比车辆的“身份证”，一旦知道了车辆的牌照号，则车辆的车种、车主等所有信息便一清二楚。这样交通网上所有正在运行车辆的牌照就可以被实时的识别并汇总，最终将最详尽的信息提供给交通控制和管理系统。但是在实际应用中，车牌会受到各种环境或人为因素的影响，致使车牌污损严重，以至于车牌图像的质量难以保证，增加了识别的难度，不同程度上制约着我国车牌识别系统的识别率，使得中国车牌识别难度远远高于国外的车牌识别。同时，由于车牌自动识别潜在的巨大商业价值，所以国外车牌自动识别技术成熟的国家并不公开该技术。使得我国国内成熟的车牌自动识别系统并不多，大多数产品中还存在一些不足，所以说，我国的车牌自动识别技术仍有大量的研究工作要做。
图1 车牌识别的工作过程
因为拍摄的是整个车辆的照片，感兴趣的只是车牌的那部分，所以要对含有车辆牌照的图像进行分析处理，从而确定其在图像中的位置，即在整张图片上对车牌定位，并将定位好的车牌图片上的字符一一分割出来，最后对分割出的文本字符进行识别，所以车牌识别的工作过程可概括为：图像采集、图像预处理、车牌定位、字符分割、字符识别等五个步骤，如图1所示。
由于车辆图像摄于复杂背景且光照条件变化的自然场景下，从图1中我们可以看出，车牌的定位效果将直接影响到整个车牌识别系统的最终识别率，对识别的速度也会造成很大的影响，所以说车牌定位是车牌识别系统中非常关键的一步。
2 车牌定位技术简介
车牌定位即把车牌图像从复杂的整幅数字图像中
分割出来的过程。车牌定位的流程如图2所示。
1 车辆牌照的识别的过程分析
车辆牌照的识别是基于图像分割和图像识别理论，
图2 车牌定位流程
1）图像预处理，包括图像转换、图像增强、滤波和水平较正等，以克服图像干扰， 改善识别效果。
2）车牌的搜索，对整幅图像进行搜索，以期得到有可能包含车牌的区域。
3）车牌定位，根据车牌的特征对提取出的感兴趣
的区域进行鉴别和剔除伪车牌区域， 从而提取到真正的车牌。如果不能在图像中正确找到车牌的位置，之后的工作就无法继续进行。
3 车牌定位方法的研究
国内外众多研究人员对车牌定位方法做了广泛而深入的探索和研究，一些新方法、新思路也在不断产生，但是目前国内仍未出现一个完善、通用的车牌定位系
统。车牌定位存在诸多难点，如，车牌生锈、油漆剥落、磨损、污迹干扰、字体褪色、形状变形等都给车牌的定位带来了相当的困难，同时车辆牌照图像易受照明、天气条件及运动失真和模糊的影响，致使质量恶化，给定位与识别带来很大困难。
但是，车牌自身又具有很多固有特征，而利用车牌的特征来判断车牌就是车牌定位方法的出发点。当然，不同国家的车牌的固有特征也是不同的，以下几点是我国车牌可用于定位分割的特征：
1）车牌的颜色特征：车牌区域的颜色以及车牌区域外的颜色的差别是明显的，那么它们的灰度级差别也是非常明显的，所以可以认为灰度突变的边界就是车牌的边缘。
2）车牌形状特征以及字符排列特征：车牌是有规则的矩形，它的边缘由线段围成；字符在矩形的框内且基本呈水平排列，由于字符在车牌中的矩形位置，因此区域的边缘性较大，而且区域的纹理特征是规则的。
3）车牌区域中的统计特征：在车牌区域中，灰度直方图存在两个分布中心，这两个中心相互分离、且较为明显。
4）车牌的投影特征：穿过车牌区域的水平或垂直的直线其灰度（投影）具有连续的峰、谷、峰的特点。
5）车牌的频谱特征：对图像行或列分别进行离散
傅里叶变换，车牌的位置信息就包含在频谱中。
6）车牌的几何特征：尽管车牌在不同图像中的大小以及位置都不确定，但车牌的宽和高的比例在一定的范围之内变化。
单独来看，以上几点特征都不是车牌图像所独有的，但如果将这些特征综合起来就可以将车牌唯一地确定出来。在这些特征中，最直观的要数颜色、形状、几何等特征；而统计、投影、频谱等特征则比较抽象，要变换为其它特征指标，才能利用的；字符特征一般用来判断字符分割或者字符识别是否正确。
车牌定位的方法很多，根据所处理图像的性质不同，车牌定位方法可以分为基于灰度图像和基于彩色图像这两大类。
3.1 基于灰度图像的车牌定位方法
1）基于边缘检测的车牌定位方法：图像具基本的属性就是其边缘，对于一张车辆图像，车牌区域的边缘性相对较高。车辆的其他位置的边缘性相对较低，因此可以利用边缘检测方法对边缘性较高的区域进行检测，使用特定的算法来填充这个图像，进而获取所需要的识别目标，实现车牌定位。在对车牌进行定位前，先将车辆图像通过灰度变换、直方图均衡化等增强预处理，再经过二值化，最后利用边缘检测算子对图像进行边缘检测。如图3所示为具体定位流程。
[1]
图3 基于边缘检测的车牌定位流程
该方法的定位准确率较高、反应时间短、能有效去掉噪声。但是如果车牌褪色比较严重，就无法准确检测到字符的边缘，导致定位失败，当车牌倾斜或者有外界干扰存在时，定位得到的区域也会比车牌本身偏大。
2）基于小波分析的车牌定位方法：小波是一种多通道、多尺度的分析工具，这里的多尺度一般指的是空间尺度。小波变换实际上就是在空间（或时间）和频
[2]
来，对信号或者函数进行多尺度、细化的分析，因此有“数学显微镜”之称。目前，小波分析多是和其他方法相结合使用，来实现车牌的准确、快速定位的。其中，有研究提出利用小波多尺度分解出边缘子图，获取车牌图像的边缘信息， 然后再结合数学形态学方法将无用的信息和噪声消除，实现车牌区域的提取。具体流程如图4所示。
图4 基于小波分析和数学形态学的车牌定位流程
该方法对于车牌图像中含有噪声的定位问题比较适合，分割精度高，定位效果好，缺点就是速度比较慢，并且在噪声比较大时误定位机率也比较高。
3）基于遗传算法的车牌定位：遗传算法比较擅长寻找参量空间的最优解，而在参量空间中寻找最优的定位参量就是车牌定位的本质。该方法的基本原理为：车牌的位置图像灰度变化较为迅速，同时高低灰度存在
[3]
较大的区别。如果一味的使用波峰、波谷对图像内的任一矩形图像进行检测，在获取区域的波峰分布、波谷方差、波峰波谷均值差、波峰均值、波峰密度，利用线性变换的方法来变换这些矢量，此时，车牌识别问题就在于对矩形区域参量的确定问题，只有这样，获取的特征参量才是最好的。具体定位流程如图5所示。
制造与研发
南方农机
2015.3 47
[4]
图5 基于遗传算法的车牌定位流程
这种方法对于车辆与摄像机距离以及车牌位置作某些限定的条件下，定位准确，且同样具有抗噪声的能力。在图像质量较差时对目标区域有很好的增强效果，在光线较弱的夜里也能有不错的效果，虽然其总有进一步优化的潜力，但是在实时系统中，遗传算法中的迭代次数会对车牌定位的速度造成很大的影响，运算速度慢却是其致命瓶颈。
4）基于数学形态学的车牌定位方法：该方法根据车牌区域字符具有的纵向纹理性质，将车牌图像的垂直边缘进行提取，然后根据数字形态学工具做出相应的运算，把可能的车牌区域闭合，进而形成一些连通域，然后标记，而后利用车牌的几何特征提取车牌，实现定位，具体工作流程如图6所示。
图6 基于数学形态学的车牌定位流程
形态学其实是生物学中研究植物和动物的一个分
支。数学形态学是一种数学工具，它是以形态表示为基础来分析图像的。集合论是它的数学基础和语言，腐蚀、膨胀、闭合和开启是它的四个基本运算算子。它的应用可以将图像数据简化，并可以保持图像的基本形状特性，除去那些不相干的结构。该方法在传统的车牌定位方法的基础上，将数学形态学运算与车牌特征结合起来，使车牌定位的速度和准确率得到了提高。
5）基于特征的车牌定位方法：当光照不均匀、偏强或者偏弱以及车牌存在变形、倾斜等问题时，该方法会有比较好的定位效果，但因为只依据车牌尺寸及形状来确定目标，所以误检率很高，对噪声也比较敏感。因此，如果背景较为复杂，就能够根据垂直投影的方法对车牌位置进行定位。可利用垂直边缘检测信息和形态学结合的方法来提取车牌区域；还可利用车牌的字符纹理信息并结合小波去噪的方法定位车牌。
彩色图像边缘检测技术与BP 神经网络相结合的定位方法：利用图像预处理，进而保证抽取的车牌局部特征可以有效的体现出车牌的全局特征。第一，对采样图像进行校正，保证图像的扭曲程度最低化，进而提升车牌定位的准确率。第二，根据车牌图像具有的高频特性确定车牌能够出现的位置。使用竖直边缘图确定能够体现出车牌高频性质的特征矩阵，研究这些特征矩阵，得到一些候选区。把非车牌性质的图像部分去掉，确保全局特征提取的准确性。
4 结束语
车牌自动识别是现代智能交通系统研究中的重要组成部分，是一个值得深入研究的课题。在现有的研究成果和新理论的基础上，本文针对车牌自动识别中的关键环节—车牌定位做了分析与介绍，希望能为实践应用提供有益参考。
参考文献
[1] 全书海，薛志华，王琴等．基于投影图像分布特征的车牌定位算法研究与实现[J]．武汉理工大学学报(交通科学与工程版），2005，29(6）:879-881.
[2] 白洪亮，娄正良，邹明福， 等.复杂背景下基于形态学的车牌识别系统[J].公路交通科技，2004，21(10）:117-120. [3] 黄卫， 路小波，余彦翔， 等.基于纹理及小波分析的车牌定位方法[J].中国工程科学，2004，6(3）：19-24. [4] 陈昌涛，张玲，何伟， 等. 基于车牌色彩变化特征的车牌定位方法[J]. 计算机应用研究，2008，（12）：3654-3655. [5] 任安虎，张燕.基于颜色与投影特征的车牌定位[J].科技广场，2010，(3）:296-298.
[6] 郭大波，彩色汽车图像车牌定位技术分析[J].山西大学学报，2005，28(1）:40-43.
3.2 基于彩色图像的车牌定位方法
该方法的关键在于对颜色的分割。但在一个自然场景中，由于受光照变化、车牌褪色等的影响，颜色信息非常不稳定，且当车牌背景中含有与车牌部分颜色相似的区域时也无法准确定位，因此这种方法只能适用于光照均匀、背景简单的状况，具有很大的针对性和局限性，因此很少单独使用。
目前包括
[5-6]
：BP 神经网络与彩色图像边缘检测技
术相结合的定位方法和彩色分割及多级混合集成分类器的车牌自动识别方法。彩色分割及多级混合集成分类器的车牌自动识别方法的基本原理是利用三层感知器网络把存在角度空间彩色较为均匀的图像做出色彩分割，再根据投影法将存在底色的车牌区域进行分割。预处理的含义为：把RGB 模式图像变换成HIS 模式图像。
（收稿日期:2015-3-10）
汽车车牌定位技术方法的探讨
杨冬卫
(西安交通大学，陕西 西安 710049）
摘 要：文章对当前国内外汽车车牌定位技术的发展现状进行了介绍，重点对主要的车牌定位技术和方法进行了阐述与分析，对指导车牌定位技术在实践中的应用具有一定现实意义。 关键词：车牌；定位技术；定位方法 中图分类号：TP391.4
文献标识码：A
文章编码：1672-3872（2015）03-0045-03
在现代智能交通系统中，交通信息服务体系的重要性较大，它可以保证前者的稳定运行。交通信息服务系统的信息主要有车辆间的距离大小、交通事故、驾驶需要的时间长短、停车位置以及车辆行驶速度的测定等。而车辆自动识别指的是：当车子经过某一段特定路面时，该车的相关信息会被识别出来。对于一辆车子来说，能够识别它的唯一符号就是车辆牌照，它就好比车辆的“身份证”，一旦知道了车辆的牌照号，则车辆的车种、车主等所有信息便一清二楚。这样交通网上所有正在运行车辆的牌照就可以被实时的识别并汇总，最终将最详尽的信息提供给交通控制和管理系统。但是在实际应用中，车牌会受到各种环境或人为因素的影响，致使车牌污损严重，以至于车牌图像的质量难以保证，增加了识别的难度，不同程度上制约着我国车牌识别系统的识别率，使得中国车牌识别难度远远高于国外的车牌识别。同时，由于车牌自动识别潜在的巨大商业价值，所以国外车牌自动识别技术成熟的国家并不公开该技术。使得我国国内成熟的车牌自动识别系统并不多，大多数产品中还存在一些不足，所以说，我国的车牌自动识别技术仍有大量的研究工作要做。
图1 车牌识别的工作过程
因为拍摄的是整个车辆的照片，感兴趣的只是车牌的那部分，所以要对含有车辆牌照的图像进行分析处理，从而确定其在图像中的位置，即在整张图片上对车牌定位，并将定位好的车牌图片上的字符一一分割出来，最后对分割出的文本字符进行识别，所以车牌识别的工作过程可概括为：图像采集、图像预处理、车牌定位、字符分割、字符识别等五个步骤，如图1所示。
由于车辆图像摄于复杂背景且光照条件变化的自然场景下，从图1中我们可以看出，车牌的定位效果将直接影响到整个车牌识别系统的最终识别率，对识别的速度也会造成很大的影响，所以说车牌定位是车牌识别系统中非常关键的一步。
2 车牌定位技术简介
车牌定位即把车牌图像从复杂的整幅数字图像中
分割出来的过程。车牌定位的流程如图2所示。
1 车辆牌照的识别的过程分析
车辆牌照的识别是基于图像分割和图像识别理论，
图2 车牌定位流程
1）图像预处理，包括图像转换、图像增强、滤波和水平较正等，以克服图像干扰， 改善识别效果。
2）车牌的搜索，对整幅图像进行搜索，以期得到有可能包含车牌的区域。
3）车牌定位，根据车牌的特征对提取出的感兴趣
的区域进行鉴别和剔除伪车牌区域， 从而提取到真正的车牌。如果不能在图像中正确找到车牌的位置，之后的工作就无法继续进行。
3 车牌定位方法的研究
国内外众多研究人员对车牌定位方法做了广泛而深入的探索和研究，一些新方法、新思路也在不断产生，但是目前国内仍未出现一个完善、通用的车牌定位系
统。车牌定位存在诸多难点，如，车牌生锈、油漆剥落、磨损、污迹干扰、字体褪色、形状变形等都给车牌的定位带来了相当的困难，同时车辆牌照图像易受照明、天气条件及运动失真和模糊的影响，致使质量恶化，给定位与识别带来很大困难。
但是，车牌自身又具有很多固有特征，而利用车牌的特征来判断车牌就是车牌定位方法的出发点。当然，不同国家的车牌的固有特征也是不同的，以下几点是我国车牌可用于定位分割的特征：
1）车牌的颜色特征：车牌区域的颜色以及车牌区域外的颜色的差别是明显的，那么它们的灰度级差别也是非常明显的，所以可以认为灰度突变的边界就是车牌的边缘。
2）车牌形状特征以及字符排列特征：车牌是有规则的矩形，它的边缘由线段围成；字符在矩形的框内且基本呈水平排列，由于字符在车牌中的矩形位置，因此区域的边缘性较大，而且区域的纹理特征是规则的。
3）车牌区域中的统计特征：在车牌区域中，灰度直方图存在两个分布中心，这两个中心相互分离、且较为明显。
4）车牌的投影特征：穿过车牌区域的水平或垂直的直线其灰度（投影）具有连续的峰、谷、峰的特点。
5）车牌的频谱特征：对图像行或列分别进行离散
傅里叶变换，车牌的位置信息就包含在频谱中。
6）车牌的几何特征：尽管车牌在不同图像中的大小以及位置都不确定，但车牌的宽和高的比例在一定的范围之内变化。
单独来看，以上几点特征都不是车牌图像所独有的，但如果将这些特征综合起来就可以将车牌唯一地确定出来。在这些特征中，最直观的要数颜色、形状、几何等特征；而统计、投影、频谱等特征则比较抽象，要变换为其它特征指标，才能利用的；字符特征一般用来判断字符分割或者字符识别是否正确。
车牌定位的方法很多，根据所处理图像的性质不同，车牌定位方法可以分为基于灰度图像和基于彩色图像这两大类。
3.1 基于灰度图像的车牌定位方法
1）基于边缘检测的车牌定位方法：图像具基本的属性就是其边缘，对于一张车辆图像，车牌区域的边缘性相对较高。车辆的其他位置的边缘性相对较低，因此可以利用边缘检测方法对边缘性较高的区域进行检测，使用特定的算法来填充这个图像，进而获取所需要的识别目标，实现车牌定位。在对车牌进行定位前，先将车辆图像通过灰度变换、直方图均衡化等增强预处理，再经过二值化，最后利用边缘检测算子对图像进行边缘检测。如图3所示为具体定位流程。
[1]
图3 基于边缘检测的车牌定位流程
该方法的定位准确率较高、反应时间短、能有效去掉噪声。但是如果车牌褪色比较严重，就无法准确检测到字符的边缘，导致定位失败，当车牌倾斜或者有外界干扰存在时，定位得到的区域也会比车牌本身偏大。
2）基于小波分析的车牌定位方法：小波是一种多通道、多尺度的分析工具，这里的多尺度一般指的是空间尺度。小波变换实际上就是在空间（或时间）和频
[2]
来，对信号或者函数进行多尺度、细化的分析，因此有“数学显微镜”之称。目前，小波分析多是和其他方法相结合使用，来实现车牌的准确、快速定位的。其中，有研究提出利用小波多尺度分解出边缘子图，获取车牌图像的边缘信息， 然后再结合数学形态学方法将无用的信息和噪声消除，实现车牌区域的提取。具体流程如图4所示。
图4 基于小波分析和数学形态学的车牌定位流程
该方法对于车牌图像中含有噪声的定位问题比较适合，分割精度高，定位效果好，缺点就是速度比较慢，并且在噪声比较大时误定位机率也比较高。
3）基于遗传算法的车牌定位：遗传算法比较擅长寻找参量空间的最优解，而在参量空间中寻找最优的定位参量就是车牌定位的本质。该方法的基本原理为：车牌的位置图像灰度变化较为迅速，同时高低灰度存在
[3]
较大的区别。如果一味的使用波峰、波谷对图像内的任一矩形图像进行检测，在获取区域的波峰分布、波谷方差、波峰波谷均值差、波峰均值、波峰密度，利用线性变换的方法来变换这些矢量，此时，车牌识别问题就在于对矩形区域参量的确定问题，只有这样，获取的特征参量才是最好的。具体定位流程如图5所示。
制造与研发
南方农机
2015.3 47
[4]
图5 基于遗传算法的车牌定位流程
这种方法对于车辆与摄像机距离以及车牌位置作某些限定的条件下，定位准确，且同样具有抗噪声的能力。在图像质量较差时对目标区域有很好的增强效果，在光线较弱的夜里也能有不错的效果，虽然其总有进一步优化的潜力，但是在实时系统中，遗传算法中的迭代次数会对车牌定位的速度造成很大的影响，运算速度慢却是其致命瓶颈。
4）基于数学形态学的车牌定位方法：该方法根据车牌区域字符具有的纵向纹理性质，将车牌图像的垂直边缘进行提取，然后根据数字形态学工具做出相应的运算，把可能的车牌区域闭合，进而形成一些连通域，然后标记，而后利用车牌的几何特征提取车牌，实现定位，具体工作流程如图6所示。
图6 基于数学形态学的车牌定位流程
形态学其实是生物学中研究植物和动物的一个分
支。数学形态学是一种数学工具，它是以形态表示为基础来分析图像的。集合论是它的数学基础和语言，腐蚀、膨胀、闭合和开启是它的四个基本运算算子。它的应用可以将图像数据简化，并可以保持图像的基本形状特性，除去那些不相干的结构。该方法在传统的车牌定位方法的基础上，将数学形态学运算与车牌特征结合起来，使车牌定位的速度和准确率得到了提高。
5）基于特征的车牌定位方法：当光照不均匀、偏强或者偏弱以及车牌存在变形、倾斜等问题时，该方法会有比较好的定位效果，但因为只依据车牌尺寸及形状来确定目标，所以误检率很高，对噪声也比较敏感。因此，如果背景较为复杂，就能够根据垂直投影的方法对车牌位置进行定位。可利用垂直边缘检测信息和形态学结合的方法来提取车牌区域；还可利用车牌的字符纹理信息并结合小波去噪的方法定位车牌。
彩色图像边缘检测技术与BP 神经网络相结合的定位方法：利用图像预处理，进而保证抽取的车牌局部特征可以有效的体现出车牌的全局特征。第一，对采样图像进行校正，保证图像的扭曲程度最低化，进而提升车牌定位的准确率。第二，根据车牌图像具有的高频特性确定车牌能够出现的位置。使用竖直边缘图确定能够体现出车牌高频性质的特征矩阵，研究这些特征矩阵，得到一些候选区。把非车牌性质的图像部分去掉，确保全局特征提取的准确性。
4 结束语
车牌自动识别是现代智能交通系统研究中的重要组成部分，是一个值得深入研究的课题。在现有的研究成果和新理论的基础上，本文针对车牌自动识别中的关键环节—车牌定位做了分析与介绍，希望能为实践应用提供有益参考。
参考文献
[1] 全书海，薛志华，王琴等．基于投影图像分布特征的车牌定位算法研究与实现[J]．武汉理工大学学报(交通科学与工程版），2005，29(6）:879-881.
[2] 白洪亮，娄正良，邹明福， 等.复杂背景下基于形态学的车牌识别系统[J].公路交通科技，2004，21(10）:117-120. [3] 黄卫， 路小波，余彦翔， 等.基于纹理及小波分析的车牌定位方法[J].中国工程科学，2004，6(3）：19-24. [4] 陈昌涛，张玲，何伟， 等. 基于车牌色彩变化特征的车牌定位方法[J]. 计算机应用研究，2008，（12）：3654-3655. [5] 任安虎，张燕.基于颜色与投影特征的车牌定位[J].科技广场，2010，(3）:296-298.
[6] 郭大波，彩色汽车图像车牌定位技术分析[J].山西大学学报，2005，28(1）:40-43.
3.2 基于彩色图像的车牌定位方法
该方法的关键在于对颜色的分割。但在一个自然场景中，由于受光照变化、车牌褪色等的影响，颜色信息非常不稳定，且当车牌背景中含有与车牌部分颜色相似的区域时也无法准确定位，因此这种方法只能适用于光照均匀、背景简单的状况，具有很大的针对性和局限性，因此很少单独使用。
目前包括
[5-6]
：BP 神经网络与彩色图像边缘检测技
术相结合的定位方法和彩色分割及多级混合集成分类器的车牌自动识别方法。彩色分割及多级混合集成分类器的车牌自动识别方法的基本原理是利用三层感知器网络把存在角度空间彩色较为均匀的图像做出色彩分割，再根据投影法将存在底色的车牌区域进行分割。预处理的含义为：把RGB 模式图像变换成HIS 模式图像。
（收稿日期:2015-3-10）