核心参考文献

陈进 《车牌识别系统关键技术的研究》

文章相关下载资源

算法动态库 https://download.csdn.net/download/hobbitdream/10549960

演示工程 https://download.csdn.net/download/hobbitdream/10549965

算法基本实现原理

整个车牌识别算法包括两个部分：车牌定位和车牌字符识别，后者还可继续细分为车牌字符的分割、融合以及字符识别。车牌字符识别部分主要是通过设计训练分类器完成，本文不作过多详述；本文重点介绍车牌定位所采用的基本处理算法，整个过程主要通过中间处理图像输出的形式作介绍。本文采用算法在满足识别精度的前提下，执行效率高效，即使面对500W电子抓拍场景数据，依旧能做到毫秒级处理速度。

首先，算法测试采用图像如下图，数据来源于网络，有兴趣的朋友可下载其他类似数据图像作测试。算法采用彩色图像作参数输入，以便中间处理识别号牌颜色，其实整个车牌的定位和识别过程仅利用了单通道图像数据。

数据经过简单的增强预处理等操作后，核心步骤是计算边缘梯度图像，得到下图所示中间数据，去除图像噪声数据，将车牌号牌区域的特征更加明显的展现出来。

在计算得到图像的边缘梯度图像后，接下来最重要的则是进行阈值化，分割号牌前景，并通过辅助形态学处理等相关操作，滤除部分噪声信息，如下图所示。

在通过两个核心算子(边缘梯度图像计算和阈值化分割前景背景)计算得到二值图像中，为将整个车牌号牌区域从图像中提取出来，同时考虑整个算法的执行效率，这里采用连线法，根据计算水平连线的分布关系以及垂直的联线分布密度等特性，计算得到如下图所示前景目标的关联性连线区域。

最后，在上图的中间结果数据中，通过聚类拟合等处理，实现将车牌区域以及伪车牌区域等候选区域定位提取，再辅助以号牌的几何特性(比如宽高比例等)，滤除伪车牌区域，最终计算得到车牌号牌的区域。

后续的处理过程，主要是对车牌定位得到的各个区域进行车牌字符分割、字符断裂融合以及各个字符的识别等，并且在处理过程中，通过判断车牌字符的特性等，再滤除伪车牌区域(如分割字符个数、字符的分布关系等)。

最终，完成车牌识别。