【OpenCV学习笔记】【教程翻译】一(基于SVM和神经网络的车牌识别概述)

          这章主要介绍自动车牌识别应用中需要的一些步骤,对于不同的场景需要采用不同的方法和技术。例如,红外摄像头(IR camera车的位置灯光条件等等。我们可以做个自动检测车牌的应用,其中含有车牌的图片在距离车2-3拍摄,光线条件模糊ambiguous,汽车车牌有不平行于地面的小的透视畸变

          本章的主要目的是介绍图像分割特征提取模式识别基础。两种主要的模式识别算法是支持向量机人工神经网络。在这章中,我们将覆盖一下内容:

1.自动车牌识别ANPRAutomatic Number Plate Recognition

2.车牌检测

3.车牌识别

自动车牌识别简介:

Automatic Number Plate Recognition(ANPR)也被叫做Automatic License-Plate Recognition(ALPR),Automatic Vehicle Identification(AVI)或者Car Plate Recognition(CPR)是一种利用光学字符识别区域分割和检测来读取车牌照信息的方法。

在自动车牌检测系统中,图片最好采用红外摄像机获得,因为用这些图片做OCR区域分割会变得容易,整齐,并减少失误。这主要是基于光学定律,基本的一个是入射角等于反射角。我们可以看到这样的反射通过光滑的物体表面,如平面镜。粗糙表面(如纸)导致的反射类型成为漫反射(diffuse reflection)或者散射(scatter reflection)。大多数的车牌有一种特殊的反射叫后反射retro-reflection)。车牌的表面被覆盖着许多细小的半球,这些半球能够将光返回到反光源,如下图所示:

【OpenCV学习笔记】【教程翻译】一(基于SVM和神经网络的车牌识别概述)_第1张图片

如果我们用带有滤波器的照相机结构化的红外投影仪,我们收到了只是红外光线,并得到了高质量的图片用于分割后续的检测,识别车牌将不受任何光线条件的影响,就像下面的图片显示的那样:

    【OpenCV学习笔记】【教程翻译】一(基于SVM和神经网络的车牌识别概述)_第2张图片

这章中,我们不使用红外图片。我们使用普通图片。我们这样做,得不到最佳的效果,导致更高的检测误差和更高的错误识别率。相反的结果可以通过使用红外相机获得;然而这些步骤都是一样的

每个国家有不同的牌照尺寸和规格specifications),知道这些尺寸有助于得到更好的效果并减少错误。本章用到的算法主要是用于解释自动车牌识别系统的基本原理,车牌的规格是西班牙的,但是我们可以把它扩展到任何其他的国家或者规格。

在这章中,我们将处理西班牙的牌照,在西班牙,有三种不同的尺寸和形状的车牌。我们只处理最常用的(最大的)车牌照(520*110mm。两组字符被41mm的空间隔开,然后是每个字符以14mm的间隔分开。第一组字符含有个数字,第二组字符含有三个字母(不包含元音(vowel)字母A,E,I,O,U)和字母NQ;所有的字符的尺寸都是45*77mm.

这个数据是十分重要的对于字符分割,因为我们可以用来核对字符和空格的尺寸来确定我们是否得到了一个字符,而不是其他的图像分割方式。下面是一个车牌的图像:

【OpenCV学习笔记】【教程翻译】一(基于SVM和神经网络的车牌识别概述)_第3张图片

你可能感兴趣的:(事件驱动-车牌识别)