基于深度学习的车牌智能识别系统设计
前言
车牌识别系统作为智能交通的重要组成部分，在人们生活中发挥着越来越重要的作用。车牌定位、字符分割、字符识别是车牌识别的重要组成部分，是车牌识别研究的重点。本文从这三方面对车牌识别技术的发展和现状以及国内外车牌识别技术进行简单阐述。
2.正文
2.1研究背景
随着我国汽车产业的飞速发展，大量在公共场合的汽车需要得到监管，为了更好地进行管理，必须对车辆进行一种智能化管理。所谓的智能交通系统，是指在较完善的基础设施（包括道路，机场）之上将先进的通信技术和计算机技术和系统综合技术有效的集合并应用于地面交通运输系统，从而建立起来在大范围发挥作用的，准确，高速，实时的交通运输系统。车辆牌照定位与识别是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一，该技术应用范围非常广泛，其中包括：（1）交通流量检测；（2）交通控制与诱导；（3）机场、港口等出入口车辆管理；（4）小区车辆管理；（5）闯红灯等违章车辆监控；（6）不停车自动收费；（7）道口检查站车辆监控；（8）公共停车场安全防盗管理；（9）计算出行时间；（10）车辆安全防盗、查堵指定车辆等。其潜在在市场应用价值极大，有能力产生巨大的社会效益和经济效益。
车牌识别系统作为智能交通系统最重要的子系统之一，是指对公路上配置的摄像头所拍摄的照片进行数字图像处理与分析对汽车图像进行平滑、二值化、模糊处理、边缘检测、图像分割等利用多种手段实现车牌定位，识别，分割最终完成对车牌的识别。车牌识别系统的用途很多，在高速公路收费站、路口监测(电子警察)、大型停车场等场所具有广阔的发展前景。由此可见，对车牌自动识别系统的研究有重要的现实意义。
2.2国外研究现状
车牌自动识别系统起源于 20 世纪 80 年代，那时候主要是应用在被盗车辆的检测，还没有形成一套完整的识别系统。到了 80 年代，出现了一些用于车牌自动识别的图像处理方法，那时只是针对一些特定的问题采用简单的图像处理技术来实现。到了 20 世纪 90 年代，随着计算机视觉技术的发展以及计算机计算性能的提高，才兴起了车牌的自动识别研究热潮，欧美的一些国家率先开始了车牌识别系统的研究工作。
国外学者具有代表性的研究工作有：A.S.Johnson等学者利用数字图像处理技术和模式识别技术对车牌进行识别。首先对大量的车牌图像实验，统计车牌图像位置对应的图像直方图阈值；然后利用得到的阈值从采集到的图像中提取车牌；最后通过对提取出的车牌图像和标准字符模板进行匹配，从而识别车牌字符。P.V.Suryanarayana等学者首先通过Otsu算法对图像进行二值化操作，采用Sobel算子检测二值化图像的垂直边缘以得到边缘检测后的图像；然后根据车牌字符的几何特征构造结构元，通过闭操作以获得完整的车牌图像，并且采用开操作去除非车牌区域；最后采用八连通分量的提取算法从车牌候选区域中得到最终的车牌图像。Eun Ryung Lee等学者首先利用神经网络对图像中的每个像素点进行颜色分类。以像素点的八个邻域像素点的HLS分量的值作为输入，输出的最大值对应的颜色类别即为该像素点的颜色。其次采用HV彩色直方图提取区域，并且根据车牌的结构特征得到最终的车牌图像；然后根据车牌中的字符颜色的HV直方图进行字符分割；最后利用模板匹配的方法识别车牌字符。M.Notturmo Gramieri等人针对意大利车牌的自动识别技术进行了系统的研究，研制了名为TELEPASS的车牌识别系统。另外还有英国Alphatech公司开发的ARGUS车牌识别系统，ARGUS车牌识别系统识别车牌号码的时间约为100毫秒，而且能够对时速100英里的车辆进行有效的识别。车牌识别系统已经在美国、日本、德国等国家得到了广泛的应用，而且车牌的有效识别率高达95%，在一秒左右的时间内能够识别3辆机动车。
2.3国内研究现状
国内在车牌识别方面的研究开始于 20 世纪 90 年代，取得了一定的成效并且日趋成熟，车牌识别率可达到 95%左右。国内比较好的定位算法有基于车牌字符变化特征的自动扫描识别算法，但由于车牌多具有不同的色彩，且多与牌号、车身、车辆背景不同，因此基于颜色来研究车牌的定位成为了车牌定位方法的一种新思路。尽管在车牌的彩色定位方面的研究还不十分成熟，但有些人做出了一些有益的探索。赵雪春等提出了一种采用色彩分割及多级混合集成分类器的车牌自动识别方法，该方法采用多层感知器网络 (MLPN)将具有均匀色度空间的彩色图像进行色彩分割，再利用投影法分割出潜在的各种底色的车牌区域。郭捷等车牌图像从 RGB 颜色模型转换为 HSV 颜色模型，利用颜色空间距离和相似度计算，得到满足车牌颜色特性的区域，再利用纹理及结构特征对分割出的颜色区域进行分析和进一步判断，确定车牌区域。任仙怡等将图像从 RGB 颜色模型转换到 HSI 颜色模型，再结合区域融合的方法定位车牌区域。这些人在这方面做出一些有益尝试，但这些方法受环境光的影响较大，特别是偏色光线的影响，并且对计算机性能的要求也比较高。
