【全网独家】OpenCV C++ 实战：车牌号识别（代码+测试部署）

介绍

车牌号识别（License Plate Recognition, LPR）是一种自动化的图像处理技术，其主要任务是从图像或视频中检测和识别车辆的车牌号。它在交通管理、停车场管理、智能交通系统等领域得到了广泛应用。

应用使用场景

• 交通管理：用于监控和记录车辆通行情况，帮助交警查处违章行为。
• 停车场管理：自动识别进出停车场的车辆，提高管理效率。
• 收费站：自动读取车牌信息进行收费，提高通行速度。
• 治安监控：配合公安系统追踪和定位嫌疑车辆。

以下是用于交通管理、停车场管理、收费站以及治安监控的代码示例。这些示例使用了Python，并假设使用OpenCV和一些车牌识别库（如EasyOCR）来实现车辆识别功能。

1. 交通管理：用于监控和记录车辆通行情况，帮助交警查处违章行为。

import cv2
import easyocr

def detect_and_record_vehicles(frame, reader):
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    vehicles = vehicle_cascade.detectMultiScale(gray, 1.1, 4)
    
    for (x, y, w, h) in vehicles:
        plate = frame[y:y+h, x:x+w]
        results = reader.readtext(plate)
        for result in results:
            text = result[1]
            if len(text) > 5: # Assuming license plates have more than 5 characters
                print(f'Vehicle detected with plate: {text}')
                # Record to database or file
                record_vehicle(text)

def record_vehicle(plate):
    # This function would save the plate number to a database or file
    with open('vehicles.txt', 'a') as f:
        f.write(f'{plate}\n')

vehicle_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_car.xml')
reader = easyocr.Reader(['en'])

cap = cv2.VideoCapture('traffic_footage.mp4')
while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break
    detect_and_record_vehicles(frame, reader)
cap.release()
cv2.destroyAllWindows()

2. 停车场管理：自动识别进出停车场的车辆，提高管理效率。

import cv2
import easyocr

def recognize_plate(image_path):
    reader = easyocr.Reader(['en'])
    image = cv2.imread(image_path)
    results = reader.readtext(image)
    for result in results:
        text = result[1]
        if len(text) > 5: # Assuming license plates have more than 5 characters
            print(f'Vehicle entered/exited with plate: {text}')
            log_parking_entry_exit(text)

def log_parking_entry_exit(plate):
    # Log the entry/exit time with the plate number
    with open('parking_log.txt', 'a') as f:
        f.write(f'{plate} - Time: {datetime.now()}\n')

recognize_plate('car_entering.jpg')  # Example of an entering vehicle
recognize_plate('car_exiting.jpg')   # Example of an exiting vehicle

3. 收费站：自动读取车牌信息进行收费，提高通行速度。

import cv2
import easyocr

def charge_vehicle(image_path):
    reader = easyocr.Reader(['en'])
    image = cv2.imread(image_path)
    results = reader.readtext(image)
    for result in results:
        text = result[1]
        if len(text) > 5: # Assuming license plates have more than 5 characters
            print(f'Charging vehicle with plate: {text}')
            process_payment(text)

def process_payment(plate):
    # Process payment logic here
    print(f'Payment processed for vehicle: {plate}')

charge_vehicle('toll_booth.jpg')

4. 治安监控：配合公安系统追踪和定位嫌疑车辆。

import cv2
import easyocr
from datetime import datetime
import smtplib

def track_suspect_vehicles(frame, reader, suspect_plates):
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    vehicles = vehicle_cascade.detectMultiScale(gray, 1.1, 4)
    
    for (x, y, w, h) in vehicles:
        plate = frame[y:y+h, x:x+w]
        results = reader.readtext(plate)
        for result in results:
            text = result[1]
            if len(text) > 5 and text in suspect_plates:
                print(f'Suspect vehicle located: {text}')
                notify_authorities(text)

def notify_authorities(plate):
    # Send email notification or alert to authorities
    from_email = "your_email@example.com"
    to_email = "police_department@example.com"
    subject = "Suspect Vehicle Alert"
    body = f"Suspect vehicle with plate {plate} detected at {datetime.now()}"

    email_text = f"""\
    From: {from_email}
    To: {to_email}
    Subject: {subject}

    {body}
    """
    try:
        server = smtplib.SMTP_SSL('smtp.example.com', 465)
        server.login("your_email@example.com", "password")
        server.sendmail(from_email, to_email, email_text)
        server.close()
        print('Email sent!')
    except Exception as e:
        print(f'Failed to send email: {e}')

vehicle_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_car.xml')
reader = easyocr.Reader(['en'])
suspect_plates = ['ABC1234', 'XYZ5678']

cap = cv2.VideoCapture('surveillance_footage.mp4')
while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break
    track_suspect_vehicles(frame, reader, suspect_plates)
cap.release()
cv2.destroyAllWindows()

原理解释

车牌号识别一般包括以下几个步骤：

1. 图像预处理：对输入图像进行灰度化、去噪、二值化等处理，以提高图像质量。
2. 车牌定位：利用边缘检测、轮廓分析等方法从图像中定位出车牌区域。
3. 字符分割：将车牌区域中的字符逐一分割出来。
4. 字符识别：使用OCR（光学字符识别）算法识别分割出的字符。
5. 后处理：对识别结果进行校正、拼接等操作，得到最终的车牌号。

算法原理流程图

算法原理解释

1. 图像预处理：通过灰度化减少颜色干扰，利用滤波器去除噪声，二值化凸显特征。
2. 车牌定位：利用Sobel算子进行边缘检测，找到可能的车牌区域，通过形态学操作（膨胀、腐蚀）进一步确定车牌位置。
3. 字符分割：使用垂直投影法或连通域分析法，将车牌区域内的字符逐一分割。
4. 字符识别：采用模板匹配或机器学习模型（如SVM，CNN）识别字符。
5. 后处理：对字符识别结果进行规则校验和拼接，形成完整的车牌号。

实际应用代码示例实现

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

void preprocess(Mat &img) {
    // 图像预处理
    cvtColor(img, img, COLOR_BGR2GRAY);
    GaussianBlur(img, img, Size(5, 5), 0);
    threshold(img, img, 0, 255, THRESH_BINARY + THRESH_OTSU);
}

vector<Rect> locatePlates(const Mat &img) {
    // 车牌定位
    vector<vector<Point>> contours;
    findContours(img, contours, RETR_TREE, CHAIN_APPROX_SIMPLE);

    vector<Rect> plates;
    for (const auto &contour : contours) {
        Rect bound = boundingRect(contour);
        if (bound.width > bound.height && bound.width / bound.height > 2) {
            plates.push_back(bound);
        }
    }
    return plates;
}

string recognizePlate(const Mat &plate) {
    // 字符识别（简单示例）
    // 实际应用中可采用模板匹配或神经网络
    return "ABC123";
}

int main() {
    Mat img = imread("car.jpg");
    if (img.empty()) {
        cerr << "Image not found!" << endl;
        return -1;
    }

    preprocess(img);
    vector<Rect> plates = locatePlates(img);

    for (const auto &plate : plates) {
        Mat plateImg = img(plate);
        string plateNumber = recognizePlate(plateImg);
        cout << "Recognized Plate: " << plateNumber << endl;
        rectangle(img, plate, Scalar(0, 255, 0), 2);
    }

    imshow("Result", img);
    waitKey(0);
    return 0;
}

测试代码

测试代码可以通过加载不同的车牌图片，验证识别效果。在main函数中，可替换不同的图片路径进行测试。

部署场景

• 嵌入式设备：如安装在交通摄像头上的小型计算机或车载终端。
• 服务器：大量视频流的实时处理，需要高性能的服务器支持。
• 云端服务：通过API接口提供车牌识别服务，便于集成到各种应用中。

材料链接

• OpenCV官方文档
• 开源项目ALPR
• OpenCV教程

总结

车辆车牌号识别技术在现代智能交通系统中起着至关重要的作用。通过OpenCV库，可以方便地实现车牌号识别算法，对提高城市交通管理水平、方便市民生活具有重要意义。

未来展望

随着深度学习技术的发展，更多高效的车牌识别模型将问世。未来，车牌识别系统将更加准确、快速，并能够处理复杂的场景，例如模糊车牌、污损车牌等，为智能交通提供更强有力的技术支持。