本發(fā)明涉及車牌識(shí)別技術(shù)領(lǐng)域，具體涉及一種智能車牌識(shí)別系統(tǒng)。

背景技術(shù)：

車牌識(shí)別技術(shù)是指能夠檢測到受監(jiān)控路面的車輛并自動(dòng)提取車輛牌照信息(含漢字字符、英文字母、阿拉伯?dāng)?shù)字及號(hào)牌顏色)進(jìn)行處理的技術(shù)。車牌識(shí)別是現(xiàn)代智能交通系統(tǒng)中的重要組成部分之一，應(yīng)用十分廣泛。它以數(shù)字圖像處理、模式識(shí)別、計(jì)算機(jī)視覺等技術(shù)為基礎(chǔ)，對(duì)攝像機(jī)所拍攝的車輛圖像或者視頻序列進(jìn)行分析，得到每一輛汽車唯一的車牌號(hào)碼，從而完成識(shí)別過程。通過一些后續(xù)處理手段可以實(shí)現(xiàn)停車場收費(fèi)管理，交通流量控制指標(biāo)測量，車輛定位，汽車防盜，高速公路超速自動(dòng)化監(jiān)管、闖紅燈電子警察、公路收費(fèi)站等功能。因此，有必要提供一種處理效率高、檢測精度高、智能化的車牌識(shí)別系統(tǒng)。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)上述問題，本發(fā)明提供一種智能車牌識(shí)別系統(tǒng)。

本發(fā)明的目的采用以下技術(shù)方案來實(shí)現(xiàn)：

提供了一種智能車牌識(shí)別系統(tǒng)，包括相連接的車牌識(shí)別控制裝置和阻擋裝置，所述車牌識(shí)別控制裝置包括用于拍攝車輛的攝像模塊、用于補(bǔ)充攝像的光照亮度的光源模塊、用于識(shí)別車牌信息的車牌識(shí)別模塊和用于根據(jù)車牌信息控制阻擋裝置動(dòng)作的控制模塊。

本發(fā)明的有益效果為：通過在車牌識(shí)別系統(tǒng)中提供光源模塊，從而在獲取車牌圖像的過程中提供輔助光源，調(diào)節(jié)車牌圖像的清晰度；能夠自動(dòng)清晰地識(shí)別車牌來記錄車輛信息，而不需要用人工記錄車牌信息，智能高效。

附圖說明

利用附圖對(duì)本發(fā)明作進(jìn)一步說明，但附圖中的實(shí)施例不構(gòu)成對(duì)本發(fā)明的任何限制，對(duì)于本領(lǐng)域的普通技術(shù)人員，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)以下附圖獲得其它的附圖。

圖1本發(fā)明的框圖示意圖；

圖2是本發(fā)明車牌識(shí)別控制裝置的框圖示意圖；

圖3是本發(fā)明車牌識(shí)別模塊的框圖示意圖。

附圖標(biāo)記：

車輛檢測裝置1、車牌識(shí)別控制裝置2、阻擋裝置3、攝像模塊10、光源模塊20、車牌識(shí)別模塊30、控制模塊40、車牌圖像采集單元100、車牌圖像檢測單元200、車牌圖像處理單元300、車牌信息存儲(chǔ)單元400。

具體實(shí)施方式

結(jié)合以下實(shí)施例對(duì)本發(fā)明作進(jìn)一步描述。

參見圖1、圖2，本實(shí)施例提供的一種智能車牌識(shí)別系統(tǒng)，包括相連接的車牌識(shí)別控制裝置2和阻擋裝置3，所述車牌識(shí)別控制裝置2包括用于拍攝車輛的攝像模塊10、用于補(bǔ)充攝像的光照亮度的光源模塊20、用于識(shí)別車牌信息的車牌識(shí)別模塊30和用于根據(jù)車牌信息控制阻擋裝置3動(dòng)作的控制模塊40。

優(yōu)選地，所述智能車牌識(shí)別系統(tǒng)還包括用于檢測車輛信息的車輛檢測裝置1，所述車輛檢測裝置1在檢測到車輛信息時(shí)觸發(fā)車牌識(shí)別控制裝置2工作。

優(yōu)選地，所述光源模塊20配合所述攝像模塊10設(shè)置，以增加攝像模塊10的光照亮度。

本發(fā)明上述實(shí)施例，通過在車牌識(shí)別系統(tǒng)中提供光源模塊20，從而在獲取車牌圖像的過程中提供輔助光源，調(diào)節(jié)車牌圖像的清晰度；能夠自動(dòng)清晰地識(shí)別車牌來記錄車輛信息，而不需要用人工記錄車牌信息，智能高效。

優(yōu)選地，如圖3所示，所述車牌識(shí)別模塊30包括依次連接的車牌圖像采集單元100、車牌圖像檢測單元200、車牌圖像處理單元300、車牌信息存儲(chǔ)單元400，其中車牌圖像處理單元300還與控制模塊40連接；所述車牌圖像采集單元100用于采集攝像模塊10所攝的視頻圖像中帶有車牌信息的車牌圖像；所述車牌圖像檢測單元200用于對(duì)采集的車牌圖像進(jìn)行質(zhì)量檢測，刪除質(zhì)量檢測結(jié)果不合格的車牌圖像；所述車牌圖像處理單元300用于對(duì)車牌圖像檢測單元200輸出的車牌圖像進(jìn)行圖像處理，獲取車牌圖像的車牌信息，并對(duì)車牌信息進(jìn)行分析，將分析結(jié)果發(fā)送至控制模塊40，將車牌信息發(fā)送至車牌信息存儲(chǔ)單元400設(shè)置的車牌信息數(shù)據(jù)庫中。

優(yōu)選地，對(duì)采集的車牌圖像進(jìn)行質(zhì)量檢測時(shí)，定義質(zhì)量檢測公式為：

式中，ρi為第i張車牌圖像的灰度直方圖的概率最大的灰度值，ψi為第i張車牌圖像的灰度直方圖的均方差，m為車牌圖像的數(shù)量，d1、d2為設(shè)定的閾值；

若zi＞0，則表示該車牌圖像的質(zhì)量檢測結(jié)果為合格，若zi≤0，則表示該車牌圖像的質(zhì)量檢測結(jié)果為不合格，刪除該車牌圖像。

本優(yōu)選實(shí)施例設(shè)置車牌圖像檢測單元200，通過定義質(zhì)量檢測公式，對(duì)車牌圖像進(jìn)行圖像質(zhì)量檢測計(jì)算，簡單快捷，且刪除車牌圖像質(zhì)量檢測不合格的圖像，能夠大大節(jié)約系統(tǒng)存儲(chǔ)空間，提高車牌圖像處理的速度。

所述對(duì)車牌圖像檢測單元輸出的車牌圖像進(jìn)行圖像處理，包括：對(duì)車牌圖像進(jìn)行濾波處理，減弱車牌圖像的圖像噪聲的影響；對(duì)濾波后的車牌圖像進(jìn)行圖像分割，提取車牌圖像的車牌信息。

其中，對(duì)濾波后的車牌圖像進(jìn)行圖像分割，具體包括：

(1)按照設(shè)定的圖像尺寸調(diào)整比例將車牌圖像的像素降低到400×600；

(2)采用otsu算法對(duì)車牌圖像進(jìn)行全局分割閾值估計(jì)，得到優(yōu)選全局分割閾值，為獲得更好的分割效果，對(duì)優(yōu)選全局分割閾值進(jìn)行調(diào)整，使用調(diào)整后的優(yōu)選全局分割閾值對(duì)車牌圖像進(jìn)行分割，獲得含有車牌字符區(qū)域的分割圖像，將該分割圖像平均劃分為4個(gè)子圖像；

(3)采用otsu算法對(duì)子圖像進(jìn)行局部分割閾值估計(jì)，獲得各子圖像的優(yōu)選局部分割閾值；

(4)對(duì)不同的子圖像使用不同的分割閾值進(jìn)行分割，定義子圖像的分割閾值的計(jì)算公式為：

式中，qi為第i個(gè)子圖像的分割閾值，qi為第i個(gè)子圖像的優(yōu)選局部分割閾值，γ表示整個(gè)車牌圖像的灰度方差，γi表示第i個(gè)子圖像的灰度方差，δi表示第i個(gè)子圖像的灰度均值，δ表示整個(gè)車牌圖像的灰度均值，ω為設(shè)定的權(quán)重因子，0＜ω＜1；

(5)抽取各子圖像分割得到的車牌字符區(qū)域的坐標(biāo)，并按設(shè)定的圖像尺寸調(diào)整比例將車牌字符區(qū)域坐標(biāo)還原到原始圖像坐標(biāo)；

(6)拼接各子圖像分割得到的車牌字符區(qū)域，結(jié)束當(dāng)前車牌圖像的分割。

在眾多的圖像分割算法中，閾值法是一種最常用圖像分割方法，閾值選取方法多達(dá)十幾種，最具代表的是p-tile法、雙峰法、最大類間方差法、最小誤差法、最大熵方法和梯度統(tǒng)計(jì)法等。最大類間方差法(otsu)算法是1979年由ostu提出的動(dòng)態(tài)閾值分割算法，它依據(jù)圖像的灰度直方圖，依據(jù)類間距離極大準(zhǔn)則來確定區(qū)域分割門限，其對(duì)單峰和雙峰圖像均有較好的效果。最大類間方差法(otsu)算法對(duì)圖像進(jìn)行分割的原理是，根據(jù)圖像的灰度特性，將圖像分為目標(biāo)區(qū)域和背景區(qū)域兩部分，這兩部分之間的類間方法最大的值就是圖像的分割閾值。

本優(yōu)選實(shí)施例對(duì)車牌圖像進(jìn)行分割時(shí)，采用兩步分割的方式進(jìn)行處理，第一步先減小圖像尺寸，然后采用otsu算法對(duì)車牌圖像進(jìn)行全局閾值分割，獲取車牌圖像的大致車牌字符區(qū)域，然后對(duì)前一步獲得的大致車牌字符區(qū)域進(jìn)行劃分，形成4個(gè)子圖像后再進(jìn)行分割，相對(duì)于全局直接分割而言，預(yù)先分割后得到的子圖像具有較好的二項(xiàng)分布特性，各子圖像的尺寸和內(nèi)容有了較大的降低，從而降低了車牌圖像分割的難度，進(jìn)一步提高了車牌圖像處理的速度。

優(yōu)選地，所述對(duì)優(yōu)選全局分割閾值進(jìn)行調(diào)整，具體為：設(shè)定優(yōu)選全局分割閾值為t，調(diào)整因子為ξ，ξ∈[0.90,1.10]，則調(diào)整后的優(yōu)選全局分割閾值為ξt，調(diào)整因子的最優(yōu)取值按照下述方式進(jìn)行選?。?/p>

(1)設(shè)定調(diào)整因子ξ的幾個(gè)優(yōu)選值，優(yōu)選值的范圍為[0.90,1.10]；

(2)采用sobel邊界檢測算子對(duì)車牌圖像進(jìn)行處理，得到車牌圖像的車牌字符區(qū)域邊界e(p)；

(3)根據(jù)設(shè)定的調(diào)整因子ξ的優(yōu)選值，得到對(duì)應(yīng)的調(diào)整后的優(yōu)選全局分割閾值，使用調(diào)整后的優(yōu)選全局分割閾值對(duì)車牌圖像進(jìn)行分割，得到對(duì)應(yīng)于各調(diào)整因子的車牌圖像的車牌字符區(qū)域邊界eξ＝x(p)；

(4)計(jì)算兩車牌字符區(qū)域邊界e(p)和eξ＝x(p)的邊界重合度，選取邊界重合度最大時(shí)所對(duì)應(yīng)的調(diào)整因子值作為調(diào)整因子的最優(yōu)取值，定義邊界重合度的計(jì)算公式為：

式中，rξ＝x表示調(diào)整因子為ξ＝x時(shí)對(duì)應(yīng)得到的車牌圖像的車牌字符區(qū)域邊界與車牌字符區(qū)域邊界e(p)的邊界重合度，“∩”表示交集運(yùn)算，x為設(shè)定的調(diào)整因子的優(yōu)選值，

本優(yōu)選實(shí)施例中，sobel邊界檢測算子能夠有效的檢測到灰度變化較大區(qū)域邊界，按照其檢測的車牌字符區(qū)域邊界與采用調(diào)整后的優(yōu)選全局分割閾值分割得到的車牌字符區(qū)域邊界進(jìn)行邊界重合度計(jì)算，選用較大邊界重合度對(duì)應(yīng)的調(diào)整因子取值作為最終取值，完成了對(duì)優(yōu)選全局分割閾值的修正，從而使用調(diào)整后的優(yōu)選全局分割閾值對(duì)車牌圖像進(jìn)行分割，能夠獲得較為準(zhǔn)確的車牌字符區(qū)域的輪廓，提高對(duì)車牌圖像分割的準(zhǔn)確性和穩(wěn)定性。

最后應(yīng)當(dāng)說明的是，以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對(duì)本發(fā)明保護(hù)范圍的限制，盡管參照較佳實(shí)施例對(duì)本發(fā)明作了詳細(xì)地說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對(duì)本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的實(shí)質(zhì)和范圍。