基于神经网络的车牌字符识别算法研究

维普资讯 http://www.cqvip.com ●●●●・…－　测试技术卷　Ｔｅｓｔ　ＴｅｃｈｎｏＩｏｇＹ　Ｌｉｃｅｎｓｅ　Ｐｌａｔｅ　Ｒｅｃｏｇｎｉｔｉｏｎ　Ａｌｇｏｒｉｔｈｍ　Ｂａｓｅｄ　ｏｎ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ　尚忠信　（淮安市公路管理处．　江苏淮安２２３００１）　Ｓｈａｎｇ　Ｚｈｏｎｇ．ｘｉｎ　（Ｈｕａｉａｎ　Ｈｉｇｈｗａｙ　Ｂｕｒｅａｕ　Ｈｕａｉａｎ　２２３００１，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ）　摘要：提出了～种基于神经网络的车牌字符自动识别算法。用本文提出的方法对车牌图像进　行实验，对车牌字符样本进行特征提取．用特征来训练有效分类器．用ＭＡＴＬＡＢ完成了对车牌　照数字识别的模拟，结果证实此算法对车牌字符识别有一定准确性，具有良好的效果。　关键词：车牌识别；字符识别；特征选择；神经网络　●　●　●　●　●　中图分类号：ＴＰ３９１　文献标识码：Ａ　文章编号：１００３－０１０７（２００７）０６－０００４—０２　Ａｂｓｔｒａｃｔ：Ａ　ｍｅｔｈｏｄ　ｏｆ　Ｌｉｃｅｎｓｅ　Ｐｌａｔｅ　Ｒｅｃｏｇｎｉｔｉｏｎ　ｕｓｉｎｇ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ｉｓ　ｐｒｅｓｅｎｔｅｄ．Ｔｈｅ　ｍｅｔｈｏｄ　ｃａｒｒｉｅｓ　ｏｎ　ｔｈｅ　ｅｘｐｅｒｉｍｅｎｔ　ｔｏ　ｔｈｅ　ｌｉｃｅｎｓｅ　ｐｌａｔｅ　ｉｍａｇｅ．Ｓｅｌｅｃｔｉｎｇ　ｃｈａｒａｃｔｅｒ　ｆｅａｔｕｒｅｓ．ｔｒａｉｎｓ　ｔｈｅ　ｅｆｆｅｃｔｉｖｅ　ｃｌａｓｓｉｉｅｒ　ｗｉｆｔｈ　ｆｅａｔｕｒｅｓ，ｓｉｍｕｌａｔｅｓ　ｔｈｅ　ｒｅｃｏｇｎｉｔｉｏｎ　ｉｎ　ｕｓｅ　ｏｆ　ＭＡＴＬＡＢ，ｔｈｅ　ｒｅｓｕｌｔ　ｏｆ　ｓｉｍｕｌａｔｉｏｎ　ｉｎｄｉｃａｔｅｄ　ｔｈａｔ　ｔｈｅ　ｍｅｔｈｏｄ　ｏｆ　ｔｈｉｓ　ｐａｐｅｒ　ｐｒｏｐｏｓｅｄ　ｈａｓ　ｔｈｅ　ｇｏｏｄ　ｅｆｆｅｃｔ　Ｋｅｙ　ｗｏｒｄｓ：Ｌｉｃｅｎｓｅ　Ｐｌａｔｅ　Ｒｅｃｏｇｎｉｔｉｏｎ；Ｃｈａｒａｃｔｅｒ　ｒｅｃｏｇｎｉｔｉｏｎ；Ｃｈａｒａｃｔｅｒｉｓｔｉｃ　Ｃｈｏｏｓｉｎｇ；Ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　：　：　ＣＬＣ　ｈｕｍｂｅｒ：ＴＰ３９１　Ｄｏｃｕｍｅｎｔ　ｃｏｄｅｚＡ　Ａｒｔｌｃｌｅ　ＩＤ：１００３—０１０７（２００７）０６—０００４—０２　１．引言　车牌识别（Ｌｉ　Ｃ　ｅｎ　ｓ　ｅ　Ｐｌ　ａｔｅ　Ｒｅｃｏｇｎｉｔｉｏｎ，ＬＰＲ）技术是智能交　通系统中的一个重要环节，它在　别的算法设计，在进行分类器设　２．３特征提取　车牌自动识别是根据一定的　计之前我们要先进行图像的预处　理工作和特征提取工作。　车牌字符特征进行，大量而有效　的车牌特征的选择和提取非常重　交通监控领域中占有重要的地　位。一个典型的车牌自动识别　（ＬｉＣｅｎｓｅ　Ｐｌａｔｅ　Ｒｅｃｏｇｎｉｔｉ０ｎ，　２．２图象预处理　在以各种手段和光波段取得　的图像（称为原始图像）由于受　到种种条件的限制和随机干扰，　要，影响到识别分类器的设计、　性能及其识别结果的准确性，特　征选择错误，分类器就不能分得　准确，甚至无法分类，因此，快　ＬＰＲ）系统主要包括视频图像采　集、图像预处理、车牌定位、车　牌校正、字符分割、车牌字符识　别、数据库管理系统等工作模块　…。往往要用图像处理技术对取得的　图像作预处理。其主要目的是消　除图像中的无关信息，恢复有用　的真实信息，增强有关信息的可　检测性和最大限度地简化数据，　从而改进检测和识别的可靠性，　速准确特征选择和提取是一个关　键。特征向量的选择和提取方　本文主要讨论车牌成功定位　法多种多样，有主像素特征提取　法、骨架特征提取法、垂直方向　数据统计特征提取法、１　３点特征　提取法、弧度梯度特征提取法等　很多种方法。　分割后的车牌字符的识别技术，　提出一种新的基于人工神经网络　车牌字符分类识别方法，实验结　主要包括图像灰度值变换、二值　化、变换、图像增强滤波、锐化、　分割等图像处理技术。　果表明该方法准确率较高，效果　很好。　２．车牌识别算法的研究　２．１原理　所有的车牌识别产品从本质　上来说都有一个相同的流程　。　即图像获取一图像预处理一车牌　定位一字符分割一字符识别一识　别后处理，如下图ｌ所示：　在这里我们主要研究字符识　镧　车牌识别流程　，ｊ｝寻Ｊ重量ＥＬＥＣＴＲＯＮＩＣＳ　ＱＵＡＬＩＴＹ　一一　……一・２　ｏ　ｏ７簟Ｏ　６期　维普资讯 http://www.cqvip.com 测试技术卷　ＴｅＳｔ　ｌ　ｅｃｈｎＯＩＯｇＹ　…・●●●Ｉｉｔ●　２．４分类器设计　分类器通过其拓扑结构和内　阈值；Ｃ．返回（２）。　２００个（每个数字各２０个）．字Ｎ：３ｏｏ　个（每个字母各１　２个）．汉字２００个来　置参数定义了特征空间上的一族　曲面，由这族曲面将特征空间划　分为不同的类，从而达到分类的　目的。目前常用的分类器有基于　４．神经网络字符识别系统　４．１车牌字符识别网络的构成　根据牌照字符的特点，第１位　字符是汉字，第２位至第７位字符　是字母或阿拉伯数字。为了提高　识别系统的综合识别率，根据字　符的差异分别构造了３个子神经　网络，分别是汉字网络、字母网　络和数字网络。　进行训练进行分类器的设计，剩下　的１Ｏ０幅样本图像作为识别样本，训　练识别的结果如表１所示：　表１神经网络的识别率∞和误识率∞　样本数　识别率　误识率　（个）　（％）　（％）　距离的分类器．人工神经网络分　类器（ＡＮ　Ｎ分类器）、支持向量机　分类器（Ｓ　Ｖ　Ｍ分类器），其中神经　网络由于具有良好的容错能力．　汉字分类器　字母分类器　数字分类器　２００　３００　２００　９６．２１　９７．３４　９９．６７　３　４　２　并行处理能力和自学习能力，在　字符识别领域得到越来越多的应　用。　４．２算法实现　本实验字符集来自淮安市　公路管理处视频监控图像，共　从表中我们可以看出，我们　构建的Ｂ　Ｐ神经网络对数字．汉　●　３．ＢＰ神经网络结构和算法　ＢＰ网络是目前应用极为广泛　字、字母的识别率都很高，误识　●　●　●　有３　０　０幅，字符中包括了车牌中　的所有字符：汉字５　１个、字母２　５　个、数字１　０个，样本均衡。整个　率很低，大大满足了高精度的要　求。　●　：　：　的一种前馈神经网络，具有与人　脑相似的高度并行性．良好的容错　性和联想记忆功能，自适应学习和　容错能力都较强，由理论上的研　究可知　＿【　，具有单隐层的神经　网络足够执行任意复杂的函数映　射系统，因此我们选用具有一个　隐层的三层ＢＰ网络来实现字符的　识别，结构图如下图２所示。　Ｂ　Ｐ网络的算法可以描述如　下：　字符识别过程分为两大部分：训　练部分和检测部分，如下图３。　具体我们以数字分类器设计　为例，采用ＭＡ　Ｔ　ＬＡ　Ｂ来模拟用神　经网络进行车牌数字识别这一过　程　】。首先对图像进行预处理，　包括彩色图像转换为灰度图像、　平滑去噪，然后利用积分图算法　从训练样本集中提取所有矩形特　５．结论　本文提出的这种基于神经网　络的车牌字符识别算法不仅识　别率高、识别速度快，测试误差　小，而且具有较强的泛化能力。◆　参考文献：　［１］廖翔云，许翔标，龚仕伟．车牌识别　技术研究［Ｊ］．微机发展，２０　０３，１３：３１～３３．　［２］郭招球，赵跃龙．小波变换和　神经网络在车牌识别中的应用［Ｊ］．信　息技术，２０　０５，１１：１７—１９．　（１）初始化网络及学习参　数，如设置网络初始权矩阵、学　习因子等。　（２）提供训练模式，训练网　征。神经网络采用三层结构：选　择有代表性的矩形特征作为网络　的输入，这里我们选择了１　６个；　网络的输出有１　０个，分别对应０　～［３］朱信忠．车牌自动识别技　术的研究与实现［Ｄ］．国防科技大　学．２０　０５．３．　络，直到满足学习要求。　（３）前向传播过程：对给定训　练模式输入，计算网络的输出模　式，并与期望模式比较，若有误　差，则执行（４）；否则，返回（２）。　９十个数字　隐层取了２４个神经　［４］Ｐ　ａｒ１　ｓｔ　Ｒｅｔ　ａ１．Ｃ　ａｒ　Ｄ　１　ａｔｅ　ｒｅｃｏｇ　ｎ１ｔ１　ｏ　ｎ　ｂｙ　ｎｅｕｒａ１　ｎｅｔｗｏｒＫ　ｓ　元。其它神经网络的构建思想－ｂ　它类同。　ａｎｄ　１ｍａｇｅ　Ｄｒｏｃｅｓｓ１　ｎｇ　ｒｊ］．　Ｉ　ｎ：Ｐｒｏｃ．Ｉ　ＥＥＥ．Ｉ　ｎｔｅｒｎａｔ１　ｏｎａ１　Ｓ　ｙ　ｍ　Ｄ　ｏ　ｓ　１　ｕ　ｍ　ｏ　ｎ　Ｃ　１　ｒ　ｃ　ｕ　１　ｔ　ｓ　ａ　ｎ　ｄ　４．３实验结果　３００幅样本图像中，我们取了２００　幅作为训练样本，选取其中的数字　Ｓｙｓｔｅｍｓ．ＵＳＡ．２０　０　０．５（３）：３１～３７．　（４）后向传播过程：ａ．计算同　一［５］赵万鹏，古乐野．基于Ａｄａｂｏｏｓｔ　的手写体数字识别．计算机应用［Ｍ］，　２０　０５．１　０：２４１３—２４１７．　层单元的误差；ｂ．修正权值和　洲练　分ｌ　洲潞部分Ｉ　输入节点ｉ　层节．　输出节点ｋ　阕象　预处理　特征　提取　检测结聚　图象　预处理　特征　提取　具有一个隐层的三层ＢＰ网络　２　Ｏ　Ｏ７第Ｏ　６期　图３检测算法过程　…　…一……一……一…一…～ＥＬＥＣＴＲＯＮＩＣＳ　ＱＵＡＬＩＴＹ舌音质量