[论文解读] Real-Time and Efficient Method for Accuracy Enhancement of Edge Based License Plate Recognition System

Reza Azad, Babak Azad+1 more|arXiv (Cornell University)|Jul 24, 2014

Vehicle License Plate Recognition参考文献 25被引用 14

一句话总结

本文提出了一种实时、高效的边缘式车牌识别（LPR）系统增强方法，尤其适用于倾斜车牌和图像质量差等挑战性条件。该方法采用自适应阈值处理、边缘检测与形态学操作进行车牌定位与倾斜校正，随后通过KNN分类器实现字符识别，在多样化测试图像上实现了98%的车牌检测率和99.12%的字符识别准确率，且在波斯语车辆数据集上达到99%的准确率。

ABSTRACT

License Plate Recognition plays an important role on the traffic monitoring and parking management. Administration and restriction of those transportation tools for their better service becomes very essential. In this paper, a fast and real time method has an appropriate application to find plates that the plat has tilt and the picture quality is poor. In the proposed method, at the beginning, the image is converted into binary mode with use of adaptive threshold. And with use of edge detection and morphology operation, plate number location has been specified and if the plat has tilt; its tilt is removed away. Then its characters are distinguished using image processing techniques. Finally, K Nearest Neighbour (KNN) classifier was used for character recognition. This method has been tested on available data set that has different images of the background, considering distance, and angel of view so that the correct extraction rate of plate reached at 98% and character recognition rate achieved at 99.12%. Further we tested our character recognition stage on Persian vehicle data set and we achieved 99% correct recognition rate.

研究动机与目标

• 在图像质量差和车牌倾斜的条件下，提升基于边缘的车牌识别准确率。
• 开发一种实时且计算效率高的方法，适用于交通监控与停车管理系统中的部署。
• 解决在不同背景、距离和视角下进行车牌检测与字符识别的挑战。
• 在通用及波斯语专用车辆数据集上验证该方法，以提升其广泛适用性。

提出的方法

• 通过自适应阈值处理将输入图像转换为二值图像，以增强对比度并减少噪声。
• 应用边缘检测与形态学操作，即使在车牌倾斜的情况下也能实现车牌区域的定位。
• 使用几何校正算法通过估计并校正倾斜角度，消除车牌的倾斜。
• 通过连通域分析与形状滤波，从校正后的车牌区域中分离并提取单个字符。
• 基于归一化的字符特征，使用K近邻（KNN）分类器执行字符识别。
• 通过高效的图像处理流水线与最小的计算开销，实现系统实时性能优化。

实验结果

研究问题

• RQ1 在图像质量差和光照条件多变的情况下，如何提升车牌检测的准确率？
• RQ2 何种预处理技术的组合能够最优地提升车牌定位与倾斜校正效果？
• RQ3 实时LPR系统是否能在不同视角与距离下实现高识别准确率？
• RQ4 当应用于非拉丁字母脚本（如波斯语）时，KNN分类器在字符识别中的表现如何？
• RQ5 自适应阈值处理与形态学操作对系统整体鲁棒性与运行速度有何影响？

主要发现

• 所提方法在包含不同背景、距离与视角的多样化测试图像中，实现了98%的车牌正确提取率。
• 在包含复杂图像条件的通用数据集上，字符识别率达到99.12%。
• 在波斯语车辆数据集上，系统实现了99%的字符识别准确率，证明了对非拉丁脚本的强鲁棒性。
• 自适应阈值处理与形态学操作的集成显著提升了低对比度与噪声图像中的车牌定位性能。
• 由于采用轻量级图像处理技术并保持极低计算复杂度，系统维持了实时性能。
• 该方法展现出强大的泛化能力，即使在车牌倾斜或从斜角拍摄的情况下，仍能保持高准确率。