車牌識別系統采用高度模塊化設計,將車牌識別過程的每個環節視為一個獨立的模塊。
(1)車輛檢測和跟蹤模塊
車輛檢測與跟蹤模塊主要是分析視頻流,判斷車輛在其中的位置,跟蹤圖像中的車輛,記錄車輛位置最佳時刻的車輛特寫畫面。跟蹤模塊的加入,使得系統能夠很好的克服各種外界干擾,從而獲得更加合理的識別結果,并且能夠檢測出無牌照車輛并輸出結果。
(2)車牌定位模塊
車牌定位模塊是一個非常重要的環節,是后續環節的基礎,其準確性對整個系統的性能有很大的影響。該車牌系統完全摒棄了以往的算法思路,實現了一種新的基于學習和多特征融合的車牌定位算法,適用于各種復雜背景環境和不同攝像機角度。
(3)車牌校正和精確定位模塊
由于拍攝條件的限制,圖像中的車牌不可避免地存在一定的傾斜,需要進行校正和精確定位環節,進一步提高車牌圖像的質量,為分割識別模塊做準備。利用精心設計的快速圖像處理濾波器,不僅計算速度快,而且利用了車牌的整體信息,避免了局部噪聲的影響。使用這種算法的另一個好處是通過分析多個中間結果可以準確定位車牌,進一步減少非車牌區域的影響。
(4)車牌分割模塊
系統的車牌分割模塊利用了車牌字符的各種特征,如灰度、顏色、邊緣分布等。,可以很好的抑制車牌周圍其他噪聲的影響,容忍車牌有一定的傾斜角度。該算法有利于移動檢測等含噪車牌圖像的應用。
(5)車牌識別模塊
在車牌識別系統中,通常采用多種識別模型的組合進行車牌識別,分層的字符識別過程可以有效提高字符識別的準確率。另一方面,在字符識別之前,用計算機智能算法對字符圖像進行預處理,既能盡可能地保留圖像信息,又能提高圖像質量,提高相似字符的可分辨性,保證字符識別的可靠性。
(6)車牌識別結果決策模塊
識別結果決策模塊,具體地,決策模塊利用經過視野的車牌留下的歷史記錄對識別結果進行智能決策。通過計算觀察幀數、識別結果穩定性、軌跡穩定性、速度穩定性、平均可靠性和相似度,得到車牌的綜合可靠性評價,從而決定是繼續跟蹤車牌、輸出識別結果還是拒絕結果。該方法綜合利用了所有幀的信息,減少了以往基于單幅圖像的識別算法帶來的偶然誤差,大大提高了系統的識別率和識別結果的正確性和可靠性。
(7)車牌跟蹤模塊
車牌跟蹤模塊記錄車輛在行駛過程中每一幀中車牌的位置、外觀、識別結果、可靠性等歷史信息。由于車牌跟蹤模塊采用了具有一定容錯性的運動模型和更新模型,對于短時間遮擋或瞬間模糊的車牌仍能正確跟蹤和預測,最終只輸出一個識別結果。
|