日常生活中車牌識別智能系統的運用和優勢
伴隨都市的日漸現代化,世界各國的汽車數目快捷增補,導致公路交通擔負愈來愈沉,導致了很多國度對公路交通自動控制以及拾掇及所謂智能運輸體系(ITS,intelligent trafficsystem)的沉視,并漸漸運用在交通消息統計收羅、路車間通信、泊車場拾掇、不泊車自動收錢、車輛自動行駛等界限。
上述界限都以及汽車執照的自動辨認相關.汽車執照辨認(LPR),既不妨殺青在交通路口、高速公路、軍事要塞、機關門衛對來往車輛的及時備案、流量統計和對防衛目的的平安警戒,對闖禍車輛、被盜車輛、犯科車輛實行辨識和攔擋:又可在汽車存車場對進山的車輛實行備案統計和盤查。
例如鑒于車牌圖片羅致的特殊性,使得車牌在圖片中常常是歪斜的,面歪斜的車牌是很難被支解和辨認的,所以就非常有必要處置車牌辨認體系中的歪斜異常。
一般來說,全部車牌辨認體系分為圖片搜羅、車牌定位、字符支解、字符辨認四大部門.本文在現有鉆研箅法的表面底子上,詳明闡明白在Vi sual c++平臺下,搜羅到的圖片經過灰度化、二值化、邊沿勘測、中值濾波等一系列預處理過程;在車牌定位模塊中,本文在采取了邊沿勘測和二值化步驟的底子上,使用灰度跳變的特性,勘測到車牌的上界線,繼而在此底子上,使用垂直投影法勘測車牌的上下界線。
至此,車牌識別系統可以將車牌十足定位出來:在車牌圖片的歪斜匡正模塊中,本文經過對圖片上下半邊目的像素均勻高度的統計來實行歪斜的調解;末了獲得字符的大意高度,后糾分獲得單個字符的寬度的步驟,正確支解單個字符;在此底子上體系不妨殺青后續開拓,殺青末了一步的字符辨認.在這個條件下同時指出了體系的不及和有待抬高的方位。
