[發明專利]基于復雜網絡理論的強干擾環境下的車牌識別方法

有效

• 申請號: 201010146970.4
• 申請日: 2010-04-15
• 公開（公告）號: CN102096821A
• 公開（公告）日: 2011-06-15
• 發明（設計）人: 任海鵬;馬展峰
• 申請（專利權）人: 西安理工大學
• 主分類號: G06K9/60
• 分類號: G06K9/60;G08G1/017
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 羅笛

技術領域

本發明屬于圖像處理技術領域，涉及一種基于復雜網絡理論的強干擾環境下的車牌識別方法。

背景技術

基于光學字符識別(OCR)技術對車牌進行識別來辨識車輛身份，是智能交通系統(ITS)的關鍵技術之一。在公共安全、交通管理及軍事部門有著極其重要的應用價值。車牌識別的研究，最早始于20世紀80年代，可以粗略地計算出車輛的速度、車流量、道路負載等數據，識別過程需要人工干預。隨著計算機技術的進一步發展，國內外對汽車牌照識別系統的研究工作已經有了很大進展。目前，車牌識別的方法有很多種，常用的有基于支持向量機的識別方法、基于神經網絡的識別方法以及模板匹配法三大類。支持向量機可以自動尋找對分類有較好區分能力的支持向量，由此構成的分類器可以最大化類間間隔，達到正確區分類別的目的，在解決有限樣本、非線性及高維模式識別問題中表現出了許多特有的優越性能，且具有適應性強和效率高的特點；基于神經網絡的字符識別，具有良好的容錯能力、分類能力、并行能力及自學習能力，可處理環境信息復雜，背景知識不清楚，推理規則不明確情況下的問題；模板匹配法因為其算法相對簡單，速度較快，在車牌識別領域也得到了廣泛的應用。

目前很多車牌識別方法已取得了較好的識別效果，例如，文獻[1]和[2]分別采用支持向量機和神經網絡的方法，對實際拍攝的車牌圖像進行字符識別，獲得了較高的字符識別率和較快的識別速度；文獻[3]采用圖像處理結合模板匹配的方法對強噪聲干擾下的字符識別進行了研究，有效地提高了受隨機噪聲點干擾的圖像的字符識別效果；文獻[4]和[5]針對復雜背景下的車牌定位與識別問題，分別采用了卷積神經網絡和形態學特征配合傳統模式匹配技術進行了研究，也取得了較好的識別效果。

但是這些方法均存在一些不足：支持向量機方法對于大規模訓練樣本難以實施，而且解決多分類問題存在困難；神經網絡方法樣本訓練速度慢，尤其是某些強噪聲甚至會破壞算法的收斂性，誤差準則固定，不能隨著環境的變化而進行相應的調整或改變；模板匹配方法對于字符有斷裂和粘連等情況容易造成誤識別。尤其是當車牌圖像不可避免的受到天氣、光照、噪聲、復雜背景等多種干擾的影響時，這些方法的識別效果明顯變差。存在強干擾環境下識別率低是車牌識別系統面臨的主要問題[6]。

復雜網絡理論作為一個新的研究領域，它的基本理論正滲透到從數理科學到生命科學、工程科學甚至社會科學等眾多不同的領域中去，已經成為了近年來全世界在不同學科領域的科學家們的研究熱點[7-9]。現實世界中，有很多問題都可以用描述個體以及個體之間關系的復雜網絡來刻畫。用復雜網絡理論特性分析和理解圖像，開拓基于復雜網絡理論處理和識別圖像的新方法，可以更好地解決圖像處理中的難題。

以下是申請人給出的參考文獻：

[1]吳進軍，杜樹新.SVM在車牌字符識別中的應用[J].電路與系統學報，2008.2，13(1)：84-87；

[2]李孟歆，吳成東.基于分級網絡的車牌字符識別算法[J].計算機應用研究，2009.5，26(5)：1703-1705；

[3]王永茂，劉賀平.強噪聲車牌圖像中的字符識別[J].計算機仿真，2006.12，23(12)：244-246；

[4]王練術，辛永紅，冶建科.基于復雜背景的車牌字符快速識別方法[J].微計算機信息，2009，25(8-1)：184-186；

[5]白洪亮，婁正良，鄒明福，劉昌平.復雜背景下基于形態學的車牌識別系統[J].公路交通科技，2004.10，21(10)：117-120；

[6]李連昌，蘭志強，叢奎榮，亓學鵬.車牌自動識別技術研究進展[J]；

[7]汪小帆，李翔，陳關榮.復雜網絡理論及其應用[M].北京：清華大學出版社，2006；

[8]陳關榮.復雜網絡及其新近研究進展簡介[J].力學進展，2008，38(6)：653-662；

[9]Dr.Bruce?Alberts?et?al.Complex?Systems?and?Networks[J].Science，2009.7，325(5939)：357-504；

[10]中華人民共和國公共安全行業標準GA36-2007.中華人民共和國機的車號牌[S].3-4；

[11]A.R.Backes?et?al.A?complex?network-based?approach?for?boundaryshape?analysis[J].Pattern?Recognition，2009，42：54-67。

發明內容