基于支持向量机的车牌字符识别的研究

介绍了车牌识别的发展趋势，回顾了车牌识别技术的研究历史和现状，介绍了支持向量机的原理，简要叙述了以支持向量机为基础的车牌识别系统的结构。

【关键词】支持向量机 分类器 车牌识别

1 前言

随着经济全球化的到来，社会经济快速发展，机动车保有量迅速增长，城市交通问题突出，城市交通智能化管理的要求越来越高。基于计算机网络的智能化交通管理系统能有效提高对车辆的管理，在城市交通管理中占有十分重要的地位。

汽车牌照号码是车辆唯一准确、特定的身份标识，车牌识别技术是指能够检测到受监控路面的车辆并自动提取车辆牌照信息进行处理的技术。车牌识别技术可以在汽车不做任何改动的情况下实现汽车“身份”的自动登记及验证，应用在以下一些领域：公路收费管理系统，车辆出入管理，牌照号码自动登记，公路管理系统等。

2 车牌识别技术的研究现状

20世纪80年代，国内外就开始了对车牌识别系统的研究，一般采用简单的图像处理来解决问题，通常还需要人工干预，而且由于光线、灰尘、污损等，车牌识别系统没有很好的应用到实际中。20世纪90年代后，国外车牌照识别系统的研究工作已经有了一定的进展，而我国的汽车牌照因悬挂位置不统一、车牌底色不同以及汉字字母数字相结合的组成方式等原因，有了一定的特殊性。目前结合了计算机视觉技术、人工智能技术和神经网络技术等，有了比较好的发展。

3 支持向量机

支持向量机，又称SVM，1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势。核心思想是在一个实空间内，把两个类别的分类问题转化为通过一个线性的超平面对样本进行区分。有时样本是线性不可分的，可以采用超曲面的方法。工作原理是输入空间或样本空间的线性分类器，优点在于通过区分超平面，把样本分到两个空间中，从而实现对目标的分类判别。

4 车牌识别系统总体结构

车牌识别系统包括以下三大领域：图像定位、字符分割和字符识别。当车辆通过监测车道时，触发信号，图像采集设备开始采集图像，再利用车辆牌照识别系统在计算机中对车辆牌照进行定位、分割和识别处理。

4.1 车牌定位技术

目前我国车牌定位主要有以下几种方法：

4.1.1 基于纹理信息的车牌定位方法

车牌内的字符基本成水平排列，字符和牌照底在灰度值上存在跳变，车牌这个矩形区域内有边缘存在，且呈现规则的纹理特征，与车牌的几何特征、数学形态等处理方法相结合达到比较好的定位效果。这种方法速度快、漏检率低，但受到图像背景、光照等干扰，误识率较高。

4.1.2 基于车牌颜色信息的车牌定位方法

由于车辆牌照有与牌号、车身、背景不同的底色，可以采用色彩分割及多级混合集成分类器等，将彩色图像进行色彩分割，利用投影法分割出潜在的各种区域。这种方法不受大小限制，精度高，但车牌底色与周围颜色相近时，图像质量较差，定位效果不佳。

4.1.3 利用数学工具的车牌定位方法

利用小波变换，分形理论，遗传算法，支持向量机等方法进行车牌定位。要提高车牌定位的精度，就要充分利用车牌自身的信息，车牌区域有着丰富的纹理，要凸显这种纹理特征，使其与其他区域区分，支持向量机正是这样一种分类学习的机制，建立在结构风险最小化的准则上，已经在人脸识别、纹理分类等领域取得了成功。

基于支持向量机的车牌定位，对每幅车牌图像切分成若干个N×N大小的子块，把每个字块标注为车牌和非车牌区域，然后使用提取图像特征向量的分类器对测试图像中的各个像素进行分类，通过后期处理结合车牌的先验知识实现车牌区域的定位。

在对采集到的车牌图像进行字符分割之前，要对车牌进行校正处理。由于车牌悬挂、道路坡度和摄像机与车辆之间的角度等，得到的车牌图片倾斜，影响字符的分割和识别，通过图像旋转可以得到解决。

车牌字符分割的准确与否，决定了整个识别系统性能的优劣。传统的字符分割算法可以归纳为三类：直接分割法、基于识别基础的分割法和自适应分割线聚类法。

车牌字符在进行识别前进行了定位、倾斜校正、分割等处理，得到的字符图像大小不定但高宽比一定，要做归一化处理。

4.2 车牌字符识别

传统的支持向量机是为了解决线性可分的两类分类问题而提出的，它通过寻找一个可以将两类样本完全分开的最优分类面来构造决策函数，一个支持向量机对应一个最优超平面。构造SVM分类器的核心思想是找到一条能够将两类样本完全分开并且使得边界距离Margin最大化的直线。车牌字符的识别过程中，对预处理后的图像特征提取和训练模型的建立直接决定分类器的识别性能，判决方法的选取也会影响到分类器的性能。

用支持向量机的方法实现车牌字符识别主要采用下面两种方法：一种是对字符图像进行预处理后提取车牌图像的主要特征，送入支持向量机进行样本学习和样本训练。这种方法先分析字符图像中那些特征能够表示这个字符，然后利用已有的先验知识提取能够表示这个字符的特征，再利用支持向量机网络对车牌字符图像进行分类识别，其识别效果与提取的字符特征息息相关，但受环境的影响较大，并且字符的特征提取比较费时。另一种是利用支持向量机实现字符的特征提取，把将要识别的字符图像点阵直接输入网络，由网络完成字符图像特征的自动地提取和识别。这种方法可能将增加网络结构的复杂度，但抗干扰性能良好。

5 总结

车牌识别对推动交通管理的智能化和自动化具有十分重要的意义。车牌定位和字符分割是车牌字符识别系统的基础和前提，车牌字符特征提取和识别是关键环节。在整个过程中，学习了支持向量机的原理，并利用其进行分类，得到分类结果。

参考文献

[1]李占斌.不停车收费系统中的车牌识别技术研究[J].计算机应用技术，2005.

[2]袁航松.基于支持向量机技术的告诉公路车牌识别方法研究与仿真实现[D].电子科技大学，2010.

[3]刘锤.车牌定位与车辆字符识别技术研究[D].中南大学，2011.

[4]吕文强.基于Adaboost和SVM的车牌识别方法研究[D].南京理工大学，2013.

[5]张吉斌.基于图像处理及支持向量机的车牌识别技术研究[D].兰州交通大学，2013.

[6]卢吉国.车牌识别系统研究[D].长安大学，2012.

作者单位

1.中石化管道储运有限公司沧州输油处 河北省沧州市 061000

2.河北工业大学信息工程学院 天津市 300401

3.中石化管道储运有限公司南京输油处 江苏省南京市 210046

4.中石化管道储运有限公司天津输油处 天津市 300459