智慧型手機的車牌辨識系統

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：103

、訪客IP：18.117.73.87

姓名

曾建豪(Chien-hao Tseng) 查詢紙本館藏

畢業系所

資訊工程學系在職專班

論文名稱

智慧型手機的車牌辨識系統
(Smartphone License Plate Recognition System)

相關論文

★ 適用於大面積及場景轉換的視訊錯誤隱藏法	★ 虛擬觸覺系統中的力回饋修正與展現
★ 多頻譜衛星影像融合與紅外線影像合成	★ 腹腔鏡膽囊切除手術模擬系統
★ 飛行模擬系統中的動態載入式多重解析度地形模塑	★ 以凌波為基礎的多重解析度地形模塑與貼圖
★ 多重解析度光流分析與深度計算	★ 體積守恆的變形模塑應用於腹腔鏡手術模擬
★ 互動式多重解析度模型編輯技術	★ 以小波轉換為基礎的多重解析度邊線追蹤技術(Wavelet-based multiresolution edge tracking for edge detection)
★ 基於二次式誤差及屬性準則的多重解析度模塑	★ 以整數小波轉換及灰色理論為基礎的漸進式影像壓縮
★ 建立在動態載入多重解析度地形模塑的戰術模擬	★ 以多階分割的空間關係做人臉偵測與特徵擷取
★ 以小波轉換為基礎的影像浮水印與壓縮	★ 外觀守恆及視點相關的多重解析度模塑

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

我們在 Android 智慧型手機上開發了一套車牌辨識系統，這個系統的方法分為五個階段：影像前處理、車牌定位、字元切割、旋轉變形還原，及字元辨識；其主要特色有：(i) 可容忍車牌大小變化，遠近距離變化。(ii) 車牌定位不受車身顏色影響。(iii) 以車牌比例及車牌顏色篩選候選車牌區塊。(iv) 可容忍上下左右拍攝角度的變化。(v) 可辨識相似字元。
在二值化處理後影像的車牌定位，我們以兩次水平掃描判斷明暗變化次數的方法執行，第一次先以最大車牌寬度為基準切割車牌範圍，第二次則以第一次找尋的結果加上車牌比例算出的寬度為基準切割車牌，所以對拍攝車牌的距離有相當的彈性。另外這種車牌定位是對車牌字元定位，而不是對車牌外框定位，所以可以不受車身顏色影響。在候選車牌區塊中，除了以車牌比例過濾外，另外再以車牌底色及字元顏色過濾，找出車牌區塊。
在還原旋轉變形車牌方面，我們先以車牌文字的上下邊界之平均斜率還原車牌影像左右旋轉產生的變形；再以車牌種類修正字元區塊的總寬度。最後找出能使車牌影像高度最大且字元間隔距離最大及字元區塊數最多的角度，並以該角度還原車牌影像上下旋轉產生的變形。
字元切割以垂直掃描方法進行；切割出個別區塊後，以車牌字元的長寬比例進一步過濾各個區塊；將不符合的區塊刪除，過濾後可以得到車牌影像區塊。
我們的字元辨識是使用簡易的樣板比對方法；但是如果比對結果是數字 0、英文字母 O、D 和 Q；或是數字 8 和英文字母 B；或是數字 1 和英文字母 I 時，會再以字元特徵對這些字元進行第二次辨識，以減少這幾種相似字元誤判的機率。

摘要(英)

In this thesis, we develop a license plate recognition system on Android smart phone. The proposed method consists of five stages: image pre-processing, license plate locating, orientation correction, character segmentation, and character recognition. The major properties are: (i) Segmentation of license plates is invariant to size of license plates. (ii) Segmentation of license plates is invariant to color of cars. (iii) The license plate extraction method is based on length/width proportion and color of license plates. (iv) Segmentation of license plates tolerates to the orientation variation of license plates. (v) Similar characters are recognizable.
After bi-level thresholding, we use horizontal scan twice to segment license plates. First, the width of a license plate is assumed to be the same as the width of whole image in the first scan. Second, base on the aspect ratio of the license plate, the height found by the first scan can be used to get the ideal width for the second scan. Hence segmentation of license plates is invariant to size of license plates. This segmentation is based on license-plate characters other than plates; thus, the segmentation is not influenced by body color of cars. In addition to using the aspect ratio of license plates to filter, we also use license-plate background and character color to extract license plates.
There are three steps in resolving orientation distortion of license plates. First, using average slope of upper and lower bounds of the license plate text to correct the orientation from pan rotation. Second, using license plate types to amend the total width of character blocks. Then, to find out the rotation angle that makes the license-plate height is largest, the number of connected blocks of characters is largest. At last, we use this angle to correct the tilt rotation of license plate images.
Character segmentation is implemented by vertical scan. If the aspect ratio is wrong, the corresponding segmented block will be deleted, and then each real character block of the license plate can be retrieved.
Character recognition is done by template matching. If the detected character is digit 0, letter O, letter D, and letter Q, or digit 8 and letter B, or digit 1 and letter I, we further use special character features to recognize again. The second recognition process can reduce the wrong recognition rate of these similar characters.

關鍵字(中)

★ 車牌辨識
★ 智慧型手機

關鍵字(英)

★ license plate recognition
★ smartphone

論文目次

摘要 i
銘謝 iv
目錄 v
圖目錄 vii
表目錄 x
第一章緒論 1
1.1 研究背景與動機 1
1.2 系統架構 1
1.3 論文架構 3
第二章相關研究 4
2.1 車牌定位 4
2.2 變形還原 5
2.3 字元分割 5
2.4 字元辨識 6
2.4.1 樣板比對法 6
2.4.2 類神經網路法 6
2.4.3 輪廓特徵抽取法 7
2.4.4 統計分類法 7
第三章適應性二值化、車牌定位，及字元區塊分析 8
3.1 適應性二值化 8
3.2 車牌定位 9
3.3 字元區塊分析 15
第四章車牌旋轉變形還原、字元切割，及字元辨識 17
4.1 車牌左右旋轉變形還原 18
4.2 車牌上下旋轉變形還原與字元切割 20
4.3 字元辨識 22
第五章實驗 27
5.1 實驗環境 27
5.2 車牌定位 27
5.2.1 不同距離的車牌定位 28
5.2.2 複雜背景的車牌定位 30
5.2.3 左右旋轉變形的車牌定位 32
5.2.4 上下旋轉變形的車牌定位 32
5.2.5 不同種類車牌的車牌定位 33
5.2.6 車牌定位結果分析 37
5.3 旋轉變形還原 39
5.3.1 還原左右旋轉的變形 39
5.3.2 區塊修正 41
5.3.3 還原上下旋轉的變形 43
5.4 字元切割 45
5.5 字元辨識 46
第六章結論 54
參考文獻 56
圖目錄
圖 1.1. 車牌辨識執行流程。 2
圖 1.2. 系統允許拍攝角度範圍的影像。(a) 1.5 公尺距離，面向車牌左方 30⁰。 (b) 1.5 公尺距離，面向車牌右方 30⁰ 。(c) 1.5 公尺距離，面向車牌上方 30⁰。 3
圖 3.1. 系統適應性二值化示意圖。 9
圖 3.2. 車牌水平掃描示意圖。 10
圖 3.3. 車牌定位流程。 11
圖 3.4. IHS 色彩系統。 13
圖 3.5. 車牌垂直掃描示意圖。 16
圖 4.1. 車牌文字變形圖片。 (a) 車牌向左旋轉。 (b) 車牌向右旋轉。(c) 車牌向下旋轉。 18
圖 4.2. 變形車牌中水平掃描取得結果示意圖。 18
圖 4.3. 車牌左右旋轉變形還原流程。 19
圖 4.4. 車牌上下旋轉變形還原流程。 21
圖 4.5. 英文及數字樣板。 23
圖 4.6. 字元辨識流程。 24
圖 4.7. 數字 0、英文字母 O、D 或 Q 判斷流程。 26
圖 5.1. 不同距離下的車牌定位。(a) 1.5 公尺距離。(b) 1 公尺距離。 (c) 0.5 公尺距離。 29
圖 5.2. 複雜背景的車牌定位。(a) 柏油路面和機車檔泥板文字的複雜倍景。(b) 汽車菱形格狀水箱護罩的複雜倍景。(c) 汽車橫柵式水箱護罩的複雜倍景。 31
圖 5.3. 左右旋轉變形的車牌定位。 32
圖 5.4. 上下旋轉變形的車牌定位。 33
圖 5.5. 不同種類車牌的車牌定位。 (a) 普通重型機車。 (b) 營業小客車。 (c) 大型重型機車。 (d) 550cc以上大型重型機車。 (e) 輕型機車。 (f) 營業大客車。 36
圖 5.6. 因反光導致車牌定位失敗影像。 38
圖 5.7. 因字元顏色脫落導致車牌定位失敗影像。 38
圖 5.8. 因字元週圍髒汙及貼紙連結導致車牌定位失敗影像。 39
圖 5.9. 還原左右旋轉的變形。 (a) 還原向右旋轉的變形 1。 (b) 還原向右旋轉的變形 2。 (c) 還原向左旋轉的變形。 41
圖 5.10. 區塊修正。(a)修正前影像。(b)修正後影像。 42
圖 5.11. 還原上下旋轉的變形。 (a) 還原像下旋轉的變形 1。(b) 還原像下旋轉的變形 2。 (c) 還原像下旋轉的變形 3。 44
圖 5.12. 字元切割成功影像。 45
圖 5.13. 字元切割失敗影像。 46
圖 5.14. 一般字元辨識結果。 (a) 一般字元辨識 1。 (b) 一般字元辨識 2。 (c) 一般字元辨識 3。 48
圖 5.15. 數字 0 辨識結果。 48
圖 5.16. 英文字母 Q 辨識結果。 49
圖 5.17. 英文字母 D 辨識結果。 49
圖 5.18. 數字 8 辨識結果。 50
圖 5.19. 英文字母 B 辨識結果。 50
圖 5.20. 數字 1 辨識結果。 51
圖 5.21. 車牌影像反光導致辨識錯誤。 52
圖 5.22. 相似字元辨識錯誤。(a)B 和 P 辨識錯誤。(b)6 和 9 辨識錯誤。(c)V 和 Y 辨識錯誤。 53
表目錄
表 3.1. 台灣車牌分類 12
表 3.2. 各種類車牌文字區塊總寬度及高度比例 13
表 3.3. 各種類車牌區塊寬度及高度 16
表 5.1. 車牌定位結果數據 37
表 5.2. 字元切割結果數據 45
表 5.3. 字元辨識結果數據 46

參考文獻

[1] Anagnostpoulos, C. N. E., I. E. Anagnostpoulos, I. D. Psoroulas, V. Loumos, and E. Kayafas, “License plate recognition from still image and video sequences: A survey,” IEEE Trans. on Intelligent Transportation System, vol.9, no.3, pp.377-391, Sep. 2008.
[2] Bai, H. L., J. M. Zhu, and C. P. Liu, “A fast license plate extraction method on complex background,” in Proc. Conf. of Intelligent Transportation Systems, Oct.12-15, 2003, vol.2, pp.985-987.
[3] Barroso, J., E. L. Dagless, A. Rafael, and J. Bulas-Cruz, ”Number plate reading using computer vision” in Proc. of IEEE Int. Symp. on Industrial Electronics, Guimaraes, Portugal, Jul.7-11, 1997, vol.3, pp.761-766.
[4] Brugge, M. H. T., J. H. Stevens, J. A. G. Nijhuis, and L. Spaanenburg, “License plate recognition using DTCNNs,” in Proc. of 5th IEEE Int. Workshop on Cellular Neural Networks and Their Applications, London, UK, Apr.14-17, 1998, pp.212-217.
[5] Capar, A. and M. Gokmen, "Concurrent segmentation and recognition with shape-driven fast marching methods," in Proc. of 18th Int. Conf. on Pattern Recognition, Hong Kong, China, Aug.20-24, 2006, vol.1, pp.155-158.
[6] Chao, K. and M. D. Srinath, “Invariant character recognition with Zernike and orthogonal Fourier-Mellin moments,” Pattern Recognition, vol.35, no.1, pp.143-154, Jan. 2002.
[7] Cheng, Y., J. Lu, and T. Yahagi, “Car license plate recognition based on the combination of principal components analysis and radial basis function networks,” in Proc. of IEEE Int. Conf. on Signal Processing, Aug.31-Sep.4, vol.2, pp.1455-1458.
[8] Chim, Y. C., A. A. Kassim, and Y. Ibrahim, “Character recognition using statistical moments,” Image and Vision Computing, vol.17, no.3, pp.299-307, Mar. 1999.
[9] Coetzee, C., C. Botha, and D. Weber, “PC based number plate recognition system,” in Proc. of IEEE Int. Symp. on Industrial Electronics, Pretoria, South Africa, Jul.7-10, 1998, vol.2, pp.605-610.
[10] Comelli, P., P. Ferragina, M. N. Granieri, and F. Stabile, “Optical recognition of motor vehicle license plates,” IEEE Trans. on Vehicular Technology, vol.44, no.4, pp.790-799, Nov. 1995.
[11] Gao, Q., X. Wang, and G. Xie, “License plate recognition based on prior knowledge,” in Proc. of Int. Conf. on Automation and Logistics, Jinan, China, Aug.18-21, 2007, pp.2964-2968.
[12] Gendy, S., C. L. Smith, and S. Lachowicz, ”Automatic car registration plate recognition using fast Hough transform,” in Proc. of IEEE Int. Carnahan Conf. on Security Technology, Canberra, Australia, Oct.15-17, 1997, pp.209-218.
[13] Hegt, H. A., R. J. de la Haye, and N. A. Khan, “A high performance license plate recognition system,” in Proc. of IEEE Int. Conf. on Systems, Man and Cybernetics, San Diego, CA, Oct.11-14, 1998, vol.5, pp.4357-4362.
[14] Huang, Y. P., S. Y. Lai, and W. P. Chuang, “A template-based model for license plate recognition,” in Proc. of IEEE Int. Conf. on Networking, Sensing and Control, Taipei, Taiwan, Sep.27, 2004, vol.2, pp.737-742.
[15] Hussain, B. and M. R. Kabuka, “A novel features recognition neural network and its applications to character recognition,” IEEE Trans. Pattern Analysis and Machine Intelligence, vol.16, no.1, pp.98-106, Jan. 1994.
[16] Jin, L. W. and J. Z. Qin, “Car plate number characters recognition using Gabor orientation features and neural networks,” in Proc. of Int. Conf. on Neural Networks and Signal Processing, Guangzhou, China, Dec.14-17, 2003, vol.2, pp.1628-1631.
[17] Juntanasub, R. and N. Sureerattanan, “Car license plate recognition through Hausdorff distance technique,” in Proc. of IEEE Int. Conf. on Tools with Artificial Intelligence, Hong Kong, China, Nov.14-16, 2005, pp.647-651.
[18] Lee, C.-H., K.-L. You, and Y.-P. Lin, “Dynamic real-time license plate recognition” Journal of Technology, vol.25, no.2, pp.151-165, Jun. 2010.
[19] Mei, Y. and Y. D. Kim, “An approach to Korean license plate recognition based on vertical edge matching,” in Proc. of Int. Conf. on Systems, Man, and Cybernetics, Nashville, TN, Oct.8-11, 2000, pp.2975-2980.
[20] Naito, T., T. Tsukada, K. Yamada, K. Kozuka, and S. Yamamoto, “Robust license-plate recognition method for passing vehicles under outside environment,” IEEE Trans. on Vehicular Technology, vol.49, no.6, pp.2309-2319, Nov. 2000.
[21] Parisi, R., E. D. Di Claudio, G. Lucarelli, and G. Orlandi, “Car plate recognition by neural networks and image processing,” in Proc. of IEEE Int. Symp. on Circuits and Systems, CA, California, May 31-June 3, 1998, vol.3, pp.195-198.
[22] Poon, J. C. H., M. Ghadiali, G. M. T. Mao, and L. M. Sheung, ”A robust vision system for vehicle licence plate recognition using grey-scale morphology,” in Proc. of IEEE Int. Symp. on Industrial Electronics, Athens, Greece, Jul.10-14, 1995, vol.1, pp.394 -399.
[23] Rahman, C. A., W. Badawy, and A. Radmanesh, “A real time vehicle’s license plate recognition system,” in Proc. of IEEE Conf. on Advanced Video and Signal Based Surveillance, Miami, FL, Jul.21-23, 2003, pp.163-166.
[24] Tang, S. T. and W. J. Li, “Number and letter character recognition of vehicle license plate based on edge Hausdorff distance,” in Proc. of Sixth Int. Conf. Parallel and Dist. Computing, App. and Tech., Dalian, China, Dec.5-8, 2005, pp.850-852.
[25] Wang, S.-Z. and H.-J. Lee, “Detection and recognition of license plate characters with different appearances,” in Proc. of Conf. Intelligent Transportation Systems, Hsinchu, Taiwan, Oct.12-15, 2003, vol.2, pp.979-984.
[26] Wang, T.-H., F.-C. Ni, K.-T. Li, and Y.-P. Chen, “Robust license plate recognition based on dynamic projection warping,” in Proc. of Conf. IEEE Int. Conf. Networking Sensing and Control, Hsinchu, Taiwan, Sep.27, 2004, vol.2, pp.784-788.
[27] Wang, X. W., X. Q. Ding, and C. S. Liu, “Optimized Gabor filter based feature extraction for character recognition,” in Proc. of 16th Int. Conf. on Pattern Recognition, Beijing, China, 2002, vol.4, pp.223-226.
[28] Yamaguchi, K., Y. Nagaya, K. Ueda, H. Nemoto, and M. Nakagawa, “A method for identifying specific vehicles using template matching,” in Proc. of IEEE Int. Conf. on Intelligent Transportation Systems, Tokyo, Japan, Oct.5-8, 1999, pp.8-13.
[29] Zhang, Y. and C. Zhang, “A new algorithm for character segmentation of license plate,” in Proc. of IEEE Int. Conf. on Intelligent Vehicles Symp., Columbus, Ohio, June 9-11, 2003, pp.106-109.
[30] Zheng, D., Y. Zhao, and J. Wang, “An efficient method of license plate location,” Pattern Recognition Letters, vol.26, no.15, pp.2431-2438, Nov. 2005.
[31] 簡維皇，用於路口查驗贓車的車牌辨識系統，碩士論文，國立中央大學資訊工程研究所，中壢，2011.

指導教授

曾定章(Din-chang Tseng)

審核日期

2012-7-13

推文