Conferencia internacional sobre redes informáticas, electrónica y automatización de 2019 (ICCNEA)

Investigación sobre tecnología de reconocimiento de imagen de matrícula

Pingping Liu Wenjing Xu

Escuela de Informática e Ingeniería Escuela de Informática e Ingeniería
Universidad Tecnológica de Xi'an Universidad Tecnológica de Xi'an
Xi'an, 710021, China Correo electrónico: Xi'an, 710021, China Correo

1341369601@[Link] electrónico: 583860197@[Link]

Resumen - Basado en la plataforma MATLAB, este documento estudia la

II PAGS RE-PROCESAMIENTO Y PASOS DE LA PLACA DE LICENCIA
tecnología de reconocimiento de imágenes en el sistema de reconocimiento
IMAGEN
de matrículas. En primer lugar, la imagen es preprocesada por la tecnología

informática moderna, principalmente para el procesamiento en escala de A. Ubicación de la matrícula

grises de imágenes en color, y luego el procesamiento de estiramiento y Este artículo está utilizando imágenes en color para la ubicación de la
binarización en un ángulo suave para obtener imágenes con alta precisión. En matrícula. En la ubicación de la placa de color, el espacio de color RGB se
segundo lugar, las placas se descomponen en varios caracteres convierte en el espacio de color HSI [ 1] para obtener la región candidata.
independientes en vista del algoritmo de segmentación de caracteres. Calcule la distancia y la similitud para encontrar la región de la matrícula.
Finalmente, de acuerdo con la máquina de vectores de soporte y el método de Cuando el color del cuerpo es el mismo que el color de la matrícula, este
aprendizaje estadístico, el parámetro principal de la función del núcleo está documento utiliza la función de detección de bordes de color [ 2] para eliminar el
determinado por el método bilineal. Construya el clasificador de caracteres área de imagen falsa para encontrar la imagen de la matrícula. La conversión
mediante un método de uno a muchos y envíe el resultado del reconocimiento del modelo RGB al modelo HSI se muestra como la fórmula (1).
de la información de la placa, incluidos los caracteres chinos, el inglés y los

números.

360 ,
Palabras clave-MATLAB; Procesamiento de imágenes; Personaje

Segmentación; Reconocimiento de personaje (2 )

BRGRGBGBH
1 arcos
2 2/1
YO. INTRODUCCIÓN [( ) ) (( )]
BGBRGR
(1)

La gestión de vehículos urbanos ha pasado de la gestión manual a la gestión

3
inteligente en China. Basado en la teoría del algoritmo de reconocimiento de 1 (min [ , )]
, BGRBGRS
( )
vehículos, como el procesamiento de imágenes, el reconocimiento de patrones y la
1
(3 )
BGRI
sensación por computadora, este documento estudia los principales algoritmos de

preprocesamiento de imágenes, segmentación de caracteres y reconocimiento en el

sistema de reconocimiento de vehículos. La tecnología de reconocimiento de imagen

B. Preprocesamiento de imagen de matrícula
del vehículo más ventajosa se obtiene mediante la simulación de cada parte de la
Después de colocar la placa en la parte delantera, podemos extraer
identificación del vehículo.
la imagen requerida con precisión del fondo. El

pretratamiento de la imagen de la matrícula

[3] incluye principalmente el procesamiento en escala de grises,
la

binarización y suavizado de la imagen. Los pasos específicos se muestran

en la Figura 1.

978-1-7281-3977-7 / 19 / $ 31.00 © 2019 IEEE DOI 52

10.1109 / ICCNEA.2019.00020
 Placa Procesamiento Suavizado Proceso de Imagen preprocesada

imagen en escala de grises de imagen binarización salida

Figura 1. Proceso de preprocesamiento de imagen

C. Corrección de inclinación de la matrícula

w <0.5 * Ancho, se determina que se rompe. El método de procesamiento

es combinar estos dos caracteres. Se determina con el número "1" [ 6] cuando

El artículo utiliza el operador canny para la detección de bordes.
[4] y propone un método mejorado de proyección giratoria, que hace uso ninguno de los anteriores ocurre. Cuente el número del valor de proyección

completo de dos características de la imagen de inclinación. El primero es que el dentro del ancho del intervalo actual, que es mayor que 0.8 veces la altura

ángulo de inclinación está en el rango de [-30 °, 30 °]. El segundo es que un de la imagen de la matrícula. Repita los pasos anteriores hasta

valor de pico es el valor de proyección cuando la imagen se gira al ángulo de

inclinación, y el valor de proyección disminuye a medida que cambia el ángulo Se completa el proceso de segmentación de siete caracteres.

de inclinación. En la proyección horizontal, los cinco valores máximos se toman

como el valor de proyección horizontal. En la proyección vertical, cuente el valor

III. yo NTRODUCCIÓN AL PROCESO DE RECONOCIMIENTO DE
que sea menor que el valor umbral dado N. Tanto la proyección horizontal como
IMÁGENES DE PLACA DE LICENCIA

la vertical tienen un valor de proyección máximo en algún ángulo, que es el

A. Algoritmo de reconocimiento de caracteres
ángulo de inclinación de la imagen. El valor de proyección muestra una fuerte
Este artículo utiliza geometría y análisis de topología. Los caracteres se
caída cerca del ángulo de inclinación y cuanto más lejos del ángulo de
refinan para obtener el esqueleto, como horizontal, vertical, puntos, ganchos
inclinación, menor es el valor de proyección.
y otras características de la dirección del trazo. Extraiga la información

estructural de los caracteres para la coincidencia y el reconocimiento. El

número de Euler es un análisis topológico que representa la conectividad de

los caracteres. Los números de Euler se muestran como la fórmula (2):

D. Segmentación de caracteres de matrículas

El procesamiento de segmentación de caracteres [ 5] Es para

proyecte verticalmente la imagen binaria de la matrícula. Cuando el valor de

proyección es menor que el umbral, ajústelo a cero. Escanee la matriz de E = CH (2)

izquierda a derecha para almacenar el valor de proyección vertical. Adopte el

En la fórmula, E es el número de Euler, H es el número de agujeros en el
ancho cuando el valor de proyección vertical almacenado de la línea i es mayor
área y C es el número de elementos conectados. Los resultados estadísticos
que 0 y la línea j es
de los caracteres no chinos que contienen agujeros y ningún agujero se
igual a 0. Use "Ancho" para representar la característica r ancho de la
muestran en la Figura 2. Dado que el número de Euler no se ve afectado por la
matrícula. Se determina que el pegado de caracteres ocurre cuando w>
deformación de caracteres, el método tiene un reconocimiento relativamente
1.5 * Ancho. Calcule el ancho del carácter con la relación de aspecto
mayor.
inherente de 1: 2 del carácter individual. Luego use el ancho para

completar la segmentación del carácter atascado. Cuando el ancho de

dos caracteres consecutivos satisface la condición de

53
 8 BAPR 4

Agujero 9

D 6 JL 7

TE 2 Z 3 5
Personaje
SXHKUVKMNW

No poroso

Figura 2. Estadísticas de la característica de agujero de personaje

B. Extracción de caracteres de la matrícula imagen de placa Las esencias estiman el valor de la posición desconocida

utilizando parámetros conocidos.

Antes de extraer la caracteristicas, normalización
Estime el valor gris de cualquiera de los cuatro vecinos más cercanos en
el procesamiento es necesario por adelantado [7]. Incluye principalmente el tamaño y la
la imagen convertida por interpolación bilineal [ 8]. Establezca el valor gris del
normalización de la densidad del trazo. El propósito de la normalización es extraer las
píxel en cualquier coordenada (x, y) en la imagen I (x, y) bef (*, *). Luego, el
características de tamaño de la licencia.
valor gris transformado del píxel se muestra como la fórmula (3):

( , ) (1 () 1 ) (, ) (1 ) jifvuji1vf(, ujifvuvjuif
uvf ) (1 ) 1 (, ) 1 (, ji 1)
(3)

El método específico es ajustar uniformemente el tamaño de la imagen de La imagen se divide en nueve cuadrículas con tres por columna y fila. Cuente el

muestra a treinta por treinta. Establezca el fondo en negro (el valor de píxel es número de píxeles de caracteres de imagen en cada cuadrícula y divídalo por el

cero) y el primer plano en blanco (el valor de píxel es uno). Escanee el número número total de la cuadrícula para obtener la función de nueve cuadrículas. En este

de píxeles de cada fila o columna y divídalo entre treinta para obtener la documento, se utilizan sesenta y nueve caracteres para el reconocimiento. Las

característica de treinta caracteres de cada fila o columna. El personaje características de algunas muestras digitales son las siguientes:

31: 0.0333, 2: 0.1000, 3: 0.6000, 4: 0.2000,5: 0.0333, 6: 0.0333 ...... 67: 0.1200, 68: 0.1000, 69: 0.1100 41: 0.0667, 2: 0.0677, 3:

0.3667, 4: 0.1333,5: 0.0667,6: 0.0677 ...... 67: 0.0400, 68: 0.1000, 69: 0.2100 61: 0.0667, 2: 0.1000, 3: 0.0677,4: 0.0677,5:

0.0333, 6: 0.0333 ...... 67: 0.0900, 68: 0.1000, 69: 0.1100 71: 0.0333, 2: 0.0677, 3: 0.7333, 4: 0.1667,5: 0.0333, 6: 0.0333 ...... 67:

0.0500, 68: 0.0500, 69: 0.0000

......

51: 0.0333, 2: 0.0333, 3: 0.6333, 4: 0.1333,5: 0.0333, 6: 0.0333 ...... 67: 0.1000, 68: 0.1000, 69: 0.1100 Las características de

algunas muestras de alfabeto inglés son las siguientes: M 1: 0.0333,2: 0.1333,3: 0.0667, 4: 0.0677,5: 0.0667, 6: 0.0667 ...... 67:

0.1200, 68: 0.0000, 69: 0.1200 R 1: 0.0333,2: 0.0333,3: 0.7000, 4: 0.0667,5: 0.1000, 6: 0.0677 ...... 67: 0.1200, 68: 0.0200,69:

0.1000 P1: 0.0333,2: 0.0333,3: 0.6000, 4: 0.1667,5: 0.1667, 6: 0.0667 ...... 67: 0.1200, 68: 0.0000,69: 0.0000 W 1: 0.1333,2:

0.2000,3: 0.1000, 4: 0.1000,5: 0.1000, 6: 0.1000 ...... 67: 0.1000, 68: 0.0200,69: 0.1200

......

D 1: 0.0333,2: 0.0333,3: 0.5000, 4: 0.1333,5: 0.1000, 6: 0.0667 ...... 67: 0.1600, 68: 0.1000,69: 0.1000 Las características de los caracteres

chinos obtenidos por el método anterior son las siguientes: Jiang Su1: 0.0000,2: 0.2667,3: 0.0667, 4: 0.0667,5: 0.1333, 6: 0.9000 ...... 67:

0.1300, 68: 0.0700,69: 0.1000

54
 Bei Jing1: 0.0333,2: 0.1000,3: 0.0333, 4: 0.0333,5: 0.1000, 6: 0.8000 ...... 67: 0.0800, 68: 0.1400,69: 0.0900 Hu Bei1: 0.0000,2:

0.3333,3: 0.4000, 4: 0.2000,5: 0.2000, 6: 0.2000 ...... 67: 0.0600, 68: 0.2400,69: 0.0900 ZheJiang1: 0.0000,2: 0.2667,3: 0.2000,4:

0.2000,5: 0.1000, 6: 0.1333 ...... 67: 0.1500, 68: 0.2000,69: 0.1000

......

Si Chuan1: 0.0000,2: 0.1667,3: 0.1000, 4: 0.1667,5: 0.1000, 6: 0.1000 ...... 67: 0.0700, 68: 0.0700,69: 0.1100
SV. La función del núcleo de base radial se muestra como la fórmula (4).
C. Clasificador de caracteres de la matrícula

El clasificador de la máquina de vectores de soporte (SVM) [ 9] usado en este

artículo es una función de núcleo de base radial. El método completa 2

x xi x K xi
principalmente la clasificación determinando el
( , ) Exp 2
(4)
coeficiente de penalización "c" y el parámetro "σ". La penalidad

El coeficiente c se utiliza principalmente para caracterizar la relación del intervalo de

confianza y el riesgo empírico en el espacio de características. los El parámetro σ se El método del parámetro de la función del núcleo es el bilineal [ 11] El

utiliza principalmente para caracterizar el proceso está resolviendo el parámetro óptimo

complejidad de los datos de muestra distribuidos en c, para que el SVM lineal tenga la tasa de reconocimiento más alta y

espacio de alta dimensión [10]. El procesamiento principal es mapear los obtenga el SV óptimo correspondiente. Solidificar el

datos de muestra con los parámetros apropiados el parámetro c para obtener el (c, σ) correspondió al

σ al espacio de características correspondiente. Optimizar el parámetro rs tasa de reconocimiento más alta y obtener el SV óptimo global.

σ y c simultáneamente para obtener el óptimo global El análisis muestra los mejores parámetros c y σ ^ 2 para cada

clasificador, como se muestra en la Tabla 1:

TABLA I. PARÁMETROS ÓPTIMOS DEL CLASIFICADOR

2
C Tasa de reconocimiento

Clasificador digital 20 200 93,4

Clasificador de letras 20 500 92,7

Clasificador de caracteres chinos 20 200 91,6

Número + clasificador de letras 20 200 91,6

utilizado en plataformas UNIX o Windows. Utilice la interfaz de la versión de Matlab

D. Resultados experimentales y análisis
para identificar 130 imágenes de matrículas y la tasa correcta es de
El documento utiliza el software LIBSVM desarrollado por el Dr. Lin Zhiren
aproximadamente 92.6%. El método adoptado en este documento se compara con la
de la Universidad de Taiwán [12] para determinar coincidencia de la plantilla flab [ 13]

el parámetro c y σ. En la actualidad, el software LIBSVM

y la coincidencia de la red neuronal [ 14] El resultado de la prueba se muestra en la Tabla
El paquete tiene interfaces de varios lenguajes como C ++, Python, Java,
2.2.
Matlab, C # .net, etc. Puede ser convenientemente

CUADRO II. COMPARACIÓN DE LOS RESULTADOS DE LA PRUEBA

Objeto de prueba Este artículo El método de coincidencia de plantillas de flab El método de coincidencia de redes neuronales

Tasa de reconocimiento correcta 92,6 89 91,8

55
 IV. CONCLUSIÓN [2] Shen Yongzhuan, Zhang Zhuan. Ubicación de la matrícula basada en
característica de detección de bordes de color [J]. Journal of Instrument and

1) Para distinguir el color del automóvil y la placa de matrícula de Instrumentation, 2008 29 (12): 2673-2677. [3] Deng Yunsheng, Lu Hong, Meng
Jiecheng. Investigación y
manera más efectiva, se propone un método especial basado en el modelo de implementación de preprocesamiento de reconocimiento de matrículas
optimización [J]. Computadora de control industrial, 20l1,24 (12): 28-29. [4] Wang Jian, Liu Li,
color HSI y la detección de bordes de color para completar el posicionamiento
Wang Tianhui. Ubicación de la placa de licencia basada en
preciso de la placa. color específico de cuaternión para la detección de bordes. [J]. Aplicaciones de la
computadora 2011 3l (3): 729-759. [5] Dai Qingyun, Yu Yinglin. Un método de matrícula
2) El documento propone una proyección y transformación rotativas
del vehículo
mejoradas, que eliminan el borde horizontal de la matrícula y escanean de Imagen Segmentación Establecido en Wavelet y
Morfología [J]. Diario de Imagen y Gráficos 2000
izquierda a derecha. Encuentre el ángulo de inclinación vertical y complete 5A (5): 412-413.

[6] Liu Bin. Investigación sobre reconocimiento de caracteres de matrículas basado

la traslación horizontal de los puntos de píxel. Este método puede reducir el
on Neural Network: [Tesis de maestría en ingeniería], Universidad de Wuhan, 2004.
cálculo del ángulo de inclinación innecesario.
[7] LI Wei, WU Wei, YANG Xiaomin. Carácter de matrícula
reconocimiento basado en análisis de componentes independientes [J]. Revista de la

3) En el aspecto del reconocimiento de imágenes, este artículo utiliza el Universidad de Sichuan, 2006 (6): 1259-1263. [8] Gao Quanhua, Wang [Link],
matrícula, carácter chino
método de interpolación bilineal para normalizar el tamaño y la densidad del reconocimiento establecido en Pseudo-Zernike invariante
matriz [J] .Ingeniería en informática 2009 35 (4): 196-198. [9] Cao Lijuan, Wang
trazo. El método de uno a muchos se utiliza para identificar los personajes en
Xiaoming. Secuencia paralela mínima
varias clases. Se concluye que el método tiene mayor precisión. Método de optimización para la formación de máquinas de vectores de soporte [J]. Ingeniería
informática, 2007 33 (18): 184-186. [10] Zhong Lehai, Hu Wei. Un nuevo método de extracción de
características en
sistema de reconocimiento de dígitos escrito a mano [J]. Revista de la Universidad de
RECONOCIMIENTO Sichuan, 2007,44 (5): 1000-1004. [11] WANG Peng, ZHU Xiaoyan. Selección de modelo y
aplicación de
La investigación fue apoyada por un proyecto avanzado de red, SVM basado en el núcleo RBF [J]. Ingeniería informática y aplicaciones 2003 (24):
73-74. [12] Chi-Wei Hsu Chih-Jen Lin. Una comparación de métodos para
monitoreo y control del laboratorio nacional conjunto de ingeniería local

(nos. GSSJ20170009) Máquinas de vectores de soporte multiclase [J]. IEEETransaction en redes

neuronales 2002 13 (2). [13] Chen Bin, YouZhisheng. Número de matrícula de
relajación
Coincidencia de plantillas [J]. Aplicaciones computacionales 2001
Referencias 21 (8): 154-156.

[14] Garris MD, Wilson CL Neural Net-Work Systems para

[1] Zheng Chengyong. Un nuevo método de matrícula del vehículo
Aplicaciones de OCR impresas a mano [J]. IEEETransactions on Image Processing
Ubicación en el espacio de color RGB [J]. Journal of Image and Graphics 2010 15 (11):
1998,7 (8): 1097-1112.
1623-1628.

56