本文翻译wiki中Automatic number-plate recognition中车牌识别的步骤及难点。
车牌识别中主要涉及7个基础算法:
- 车牌定位——负责发现和隔离图像中的车牌;
- 车牌方向和大小——补偿车牌倾斜和调整至需要的分辨率;
- 归一化——调整图像亮度和对比度;
- 字符分割——找到车牌上的每个字符;
- 光学字符识别;
- 句法/几何分析——检查违反特定国家规则的字符和位置;
- 通过多个字段/图像识别的平均值生成一个更可靠或更可信的结果。尤其当每张图可能包含反射光,部分遮挡或其他临时影响。
上述每个环节的复杂度决定了系统的准确性。第三个阶段(归一化),一些系统使用边缘检测技术增加字母和底牌的差异。中值滤波也可能被用于减少图片噪声。
车牌识别难点:
- 文件分辨率低,通常由于车牌较远,有时是由于低端相机导致的;
- 图像模糊,尤其是运动模糊;
- 由于强光,反射或阴影造成的光照和对比度较差;
- 车牌(部分)遮挡,通常是拖车杆或车牌上的污渍;
- 前后识别结果不同,如拖车,露营车等;
- 采集车牌时,车道在相机视角中发生改变;
- 字体不同,常见于一些浮夸的车牌;
- 规避车牌识别的手段;
- 不同国家或各州间的缺乏协调。不同国家或州的两辆车可以有相同的车牌号但是设计不同。
尽管一些难点可通过算法纠正,但更一般的是需要硬件系统给出解决方案。如增加相机高度可能避免物体(比如其他车辆)遮挡车牌,但是会引入和增加其他问题,如校准更加倾斜的车牌。
参考文献: