基于HALCON的汽車牌照識別技術研究*

巖淑霞

(蘇州健雄職業技術學院,江蘇 蘇州 215400)

0 引言

車牌識別在車輛定位、汽車防盜、高速公路超速自動化監管、闖紅燈電子警察和公路收費站方面應用廣泛，大大提高了智慧城市交通的運行和管理效率。車牌識別技術是指通過監控、拍攝、自動提取車輛牌照信息并進行圖像處理的技術，可以在汽車行駛狀態下由計算機自動完成車牌的識別。車牌識別以數字圖像處理、模式識別、機器視覺等技術為基礎，對攝像機所拍攝的車輛圖像或者視頻序列進行分析，得到某汽車唯一的車牌號碼，從而完成識別過程。當前機器視覺應用軟件主要包括OPEN CV、HALCON和Visionpro，HALCON是德國MVtec公司開發的一套完善的標準的機器視覺算法包，擁有應用廣泛的機器視覺集成開發環境。HALCON由一千多個各自獨立的函數以及底層的數據管理核心構成，其中包含了各類濾波、色彩以及幾何、數學轉換、形態學計算分析、校正、分類辨識、形狀搜尋等基本的幾何以及影像計算功能。運用HALCON軟件進行視覺開發，能夠節約產品成本，縮短軟件開發周期，本文采用HALCON作為車牌識別系統的關鍵處理模塊，將機器視覺技術應用于車輛牌照的快速、高效識別和檢測。

1 車牌識別系統總體設計

基于HALCON軟件的車牌識別流程如圖1所示。通常情況下首先使用工業相機采集車牌圖像，接下來對采集的原始圖像進行預處理，該過程主要是為了留下更多有用的真實信息，增強圖像信息檢測的準確性；之后運用軟件中的算子完成預處理圖像的閾值分割，并進行域連通，然后再進行數字形態學處理；最后通過特征提取完成車牌字符和數字以及漢字的識別。

2 圖像的識別過程與實現

2.1 圖像的預處理與加載

在實際的車牌識別過程中，采集到的圖像會受到很多因素影響，比如大氣環境中的霧霾、拍攝光源的不穩定、行人的遮擋、拍攝系統機械結構的不穩定等等，這都會使得獲取到的原始圖像質量不佳，從而需要對獲取到的圖像進行預處理。預處理是指對工業相機采集到的原始圖像進行提取、分割和識別之前的圖像預處理操作，這些操作主要包括圖形的切割、車牌的突出顯示等，通過該操作可以改善車牌圖像的視覺效果，并且大大提高車牌區域和背景區域的區分度。

圖1 基于HALCON軟件的車牌識別流程

2.2 確定ROI

ROI是指感興趣區域，即將需要識別的圖像聚焦在特定部分。該方法結合含有圖像矩陣的區域信息，即僅僅相對于圖像部分的區域保持相關，其可減少被處理像素的個數。

運用ROI的優勢有很多：①提高了圖像的處理速度，使得被處理的像素更少；②聚焦處理，如灰度特征的計算僅僅是針對圖像部分進行；③ROI重新定義模板，如對于匹配，HALCON運行能夠應用于任意形狀，使得用戶不會受限于標準的形狀，而是可以用任何形式或最好的形式去解決給定的問題。

運行ROI分為兩個部分：創建區域和結合圖像。HALCON能夠提供許多方法去創建區域，并將其用作ROI；結合圖像是指將區域與圖像相結合，區域承擔一個ROI的角色，它定義圖像的那個部分必須被處理，這個ROI就是對這個函數域從完整圖像到相關部分的剪切，因此，結合區域和圖像的算子被稱為reduce-domain，這個簡單的算子在幾乎所有的應用中能夠滿足所期望的任務。

2.3 尋找算子

在確定了識別范圍之后，如何從HALCON軟件的一千多個算子中選用合適的算子是要依靠用戶的經驗以及對于影像分析領域的知識完成的。HALCON軟件提供了一系列的方法，使得選擇運算符更為正確而便利，如果知道運算符名稱的部分字符串，則只要在運算符窗口中的文字輸入欄輸入，所有含有該字符串的名字就會列在combo box中。

2.4 確定參數

一般來說，灰度值范圍的上、下限值選取會直接影響識別效果，通常情況下，有兩種方法可以確定灰度值的上、下限值：

(1) 將圖像盡量放大，放大到灰度值顯示明顯時，在軟件的左下角觀察其灰度值，如果識別的圖像是黑色，則上限值為0，下限值在灰度值附近取值；若二值化后選取的圖像是白色，則下限值為255，上限值在灰度值附近取值。

(2) 通過移動軟件中的特征值直方圖的箭頭，在所要識別的圖像能夠完全清晰顯示時，記錄該時刻的灰度值區域，然后進行適當縮放即可。

2.5 結果輸出及程序通用性驗證

經過以上步驟對車牌圖像進行處理，順利完成了車牌字符的識別，包括漢字、數字和字母的識別。

3 車牌號識別舉例

在這里，首先選取包含簡單漢字的車牌號進行識別。下面以“蘇E 8889X”車牌號為例，對以上識別過程進行驗證。

3.1 車牌圖像的預處理與加載及ROI的確定

對原始圖像進行預處理與加載及ROI確定后得到的識別區域如圖2所示。

圖2 預處理后得到的識別區域原圖像

3.2 尋找算子

首先進行圖像獲取，然后設置圖像打開的窗口尺寸，之后進行圖像灰度化處理，確定圖像的閾值范圍后對圖像進行連通。具體的實現步驟如下：

get_image_size(Image1, Width, Height)

dev_open_window(0,0,Width*2.8, 2.8*Height, 'black', WindowHandle)

dev_display(Image1)

rgb1_to_gray(Image1, GrayImage)

stop()

threshold(Image1, Region,90, 210)

connection(Region, ConnectedRegions)

select_shape(ConnectedRegions, SelectedRegions, 'area', 'and', 50, 2000)

經過以上圖像處理后，得到灰度化處理后的圖像和閾值分割后的圖像，分別如圖3、圖4所示。

3.3 確定識別該車牌的閾值參數

選擇一個運算符，如threshold(Image1,Region,90,210)，其中“90”和“210”兩個參數的選取是非常關鍵的。因為識別的圖像偏白色，所以threshold(Image1,Region,90,210)第一個數值在114附近，第二個數值最大值是255，越白值越接近255。根據圖中顏色判斷及反復嘗試，第二個參數選取210得到了較好的識別效果。參數的選取及驗證過程如圖5所示。

圖3 灰度化處理后的圖像 圖4 閾值分割后的圖像

圖5 程序運行中參數范圍的確定

在算子select_shape(ConnectedRegions,SelectedRegions,'area','and',50,2000)的參數選區中，也是先框定大致的區間，然后再通過反復實驗確定面積的取值范圍，最后得到滿意的識別效果。連通域后的圖像如圖6所示。在特征提取后，得到的識別圖像如圖7所示。車牌識別結果如圖8所示。根據識別結果可見，該識別方法對漢字的識別也取得了非常滿意的效果。

圖6 連通域后的圖像 圖7 特征提取后的圖像

圖8 車牌識別結果

4 識別過程的通用性驗證

為了進一步驗證該車牌識別程序的通用性，特選擇漢字較復雜的車牌樣本進行識別。以“粵B 9F422”為例，運用同樣的識別步驟，但對其中的部分參數進行了修改，修改后的程序參數如下：

threshold(Xt1g0kZ8vL5gv3AB, Region, 65, 230)

select_shape(ConnectedRegions,SelectedRegions,'area', 'and',50, 550)

實驗結果表明：針對不同的圖像種類，只需要對程序中的若干參數進行修改即可得到滿意的效果。其原始圖像及識別結果分別如圖9和圖10所示。

圖9 原始圖像1 圖10 識別結果1

為了再進一步驗證本程序對較復雜的車牌漢字的識別效果，又選取了含有更加復雜漢字的樣本進行識別，通過同樣的系列操作，取得了滿意的識別效果，其原始圖像和識別結果分別如圖11和圖12所示。

圖11 原始圖像2 圖12 識別結果2

識別程序主要修改的參數如下：

read_image(Image, 'C:/Users/91290/Desktop/豫.png')

threshold(Image, Region, 130, 235)

select_shape(ConnectedRegions,SelectedRegions,'area', 'and',400, 1500)

5 結束語

本文基于HALCON軟件設計了汽車牌照識別系統。為了驗證HALCON軟件的識別準確度，對含有較復雜漢字的車牌照片進行了識別實驗。結果表明：該技術簡單高效，識別準確度高，具有一定的推廣價值。