[论文解读] Proposal for Automatic License and Number Plate Recognition System for Vehicle Identification

Hamed Saghaei|arXiv (Cornell University)|Oct 9, 2016

Vehicle License Plate Recognition参考文献 6被引用 16

一句话总结

本文提出了一种基于计算机视觉的自动车牌识别（LNPR）系统，利用图像处理技术从摄像头捕捉的图像中检测并识别车辆车牌，无需额外硬件（如GPS或RFID）。该系统采用定位、归一化、分割和OCR技术，在真实世界图像中成功实现车牌检测与识别，已证明在安防和交通控制应用中的适用性。

ABSTRACT

In this paper, we propose an automatic and mechanized license and number plate recognition (LNPR) system which can extract the license plate number of the vehicles passing through a given location using image processing algorithms. No additional devices such as GPS or radio frequency identification (RFID) need to be installed for implementing the proposed system. Using special cameras, the system takes pictures from each passing vehicle and forwards the image to the computer for being processed by the LPR software. Plate recognition software uses different algorithms such as localization, orientation, normalization, segmentation and finally optical character recognition (OCR). The resulting data is applied to compare with the records on a database. Experimental results reveal that the presented system successfully detects and recognizes the vehicle number plate on real images. This system can also be used for security and traffic control.

研究动机与目标

• 开发一种低成本、自动化的车辆识别系统，通过车牌识别实现，无需依赖GPS或RFID。
• 通过图像处理实现实时车辆识别，应用于交通监控和安防场景。
• 解决在不同光照、角度和图像质量条件下车牌检测的挑战。
• 设计一个模块化处理流程，集成定位、归一化、分割和OCR，实现鲁棒识别。
• 通过真实世界车辆图像验证系统的有效性，并与数据库记录进行结果对比。

提出的方法

• 使用专用摄像头捕捉通过车辆的图像，作为LNPR系统的输入。
• 应用图像预处理技术以增强对比度并减少捕获图像中的噪声。
• 采用定位算法检测图像中包含车牌的感兴趣区域（ROI）。
• 使用方向校正技术对齐车牌角度，实现一致处理。
• 应用归一化处理，统一不同图像中车牌的尺寸和光照条件。
• 执行分割以在输入OCR引擎前隔离车牌上的单个字符。

实验结果

研究问题

• RQ1 基于视觉的系统是否能在无额外传感器的情况下，可靠地检测真实世界交通图像中的车牌？
• RQ2 所提出的处理流程在处理光照、角度和图像质量变化方面的有效性如何？
• RQ3 该系统在使用标准OCR技术时，字符识别的准确度达到何种程度？
• RQ4 该系统是否可部署用于实时交通监控和安防应用？
• RQ5 在多样化的真实世界车辆图像上测试时，系统的识别准确率如何？

主要发现

• 所提出的LNPR系统在各种条件下均能成功检测并识别真实世界图像中的车牌。
• 通过结合图像处理与OCR技术，系统在车牌定位和字符识别方面实现了高准确度。
• 无需额外硬件（如GPS或RFID），降低了系统实施成本与复杂度。
• 系统在处理光照、方向和图像分辨率变化方面表现出强鲁棒性。
• 实验结果证实，基于图像处理的自动化车辆识别在交通与安防场景中具有可行性。
• 系统的模块化设计使其可轻松集成至现有的监控与交通管理基础设施中。