车牌识别中人工智能技术的应用

车牌识别中人工智能技术的应用

罗斌玲

身份证号码：452230198611150026

摘要：近年来，随着人工智能技术的飞速发展，许多企业为了提升企业的生产效率，纷纷将人工智能应用于企业的生产经营中。与此同时，由于我国经济、社会的发展，城市公共汽车的数量不断增多，对城市道路交通管理提出了新的要求。所以，在城市道路交通管理中引入人工智能技术是十分必要的，而智能交通也是今后发展的必然趋势。智能交通系统的一个关键要素就是利用人工智能来实现汽车牌照的识别。基于此，本文对如何利用人工智能进行车牌识别进行了探讨，以期为相关研究提供参考。

关键词：车牌识别；人工智能技术；应用

引言：

在工业飞速发展的今天，给人们大大加快了社会的发展，大到一个国家、民族。小到我们身边的出行。但这样的发展离不开人工智能，让机器获得人一样的思维方式，是当今的一大热门主题，看图识字的，这个行为人类是很容易完成的，但，让机器像人一样看图识字，机器又是怎么解决的，这是我们要探索的。基于神经网络利用人工智能进行车牌识别。车牌照识别系统主要是在整个影像中准确地识别出车牌照区域，并对车牌号进行识别。通过发展及应用车牌照识别系统，人们可以提高对人工智能技术分析能力，及学习相关的研究技巧，进一步发展人工智能。

一、车牌识别技术

车牌识别是利用计算机技术，图像处理技术和模糊辨识技术，建立一种独一无二的汽车模型，并且能够对车牌、型号、颜色等进行识别。该系统是一种基于人工智能的专用计算机视觉系统，能够从图片中自动抽取出汽车牌照的影像，实现对汽车牌照的自动分割和识别。该系统利用先进的图像处理技术、模式识别技术和人工智能技术对中文号牌、字符、数字进行实时、高精度的识别，并能及时地对汽车进行监控和管控[1]。

二、我国车牌识别技术的难点

（一）我国汽车车牌情况较为复杂

利用人工智能对车牌进行识别，首先要对车牌的特征进行分析，并对其特征进行提取和分割。由于车牌照是中文、英文、阿拉伯数字三种文字，因此，在技术上有较高的技术含量。车牌信息不但以文字形式表达，而且色彩也要比单一色彩更加丰富。另外，车牌的字体与主要的颜色搭配也是常用的，以区别车牌和车牌号码。最常用的颜色、字体组合是：大型汽车采用的黄色底色和黑色字体组合、小汽车采用的蓝色底色和白色字体组合、军用车采用的白色底色和黑色字体组合以及警用车采用的白色底色和红色字体，不同的颜色在编号板上很难识别。另外，因为很多汽车都很耐用，寿命也比较长，所以很多车牌都会逐渐老化，如染色、变色和变形。这对汽车牌照的识别提出了新的要求。

（二）车牌识别过程中环境的复杂性

因为车牌比对一般都是在室外进行，而且天气情况多变，所以会受到灯光的影响。较差的光照状况会对车牌照的识别造成很大的影响，即便是追踪作业进行得很好，最后的识别效果也不是很好。在明亮的灯光下进行识别，会因为反光影响识别效果。另外，在车牌照的背景中，还存在其它障碍，阻碍了车牌照的辨识。标牌可能会部分地被遮盖，因此识别设备不能正确地识别出这些数字。如果是这样的话，车牌照的识别就会失效。通过对汽车牌信息的采集，可以为今后的汽车牌识别提供一定的数据基础。所以，在采集信息时，要尽量排除无关的信息，并将关键信息重点突出，这样才能更好地进行识别。比如，如果一天中的不同时段采集到的车牌照信息，那么所得到的影像就会有很大的差别[2]。此外，因为交通工具的运动特征，最后的影像会发生变形。在车牌识别的过程中，要充分考虑这一问题，以提高识别的效率。

三、基于人工智能的车牌识别

（一）车牌定位

当前，汽车牌照的定位技术大多依赖于室外的数字摄像机，而这种摄像机一般都是在室外进行，因而会受到光照等多种因素的影响。另外，由于交通工具的运动，摄影机与交通工具的位置与距离对最后的效果有很大的影响。除主观条件之外，车牌自身的污垢、损坏等也会对最后的效果产生一定的影响。所以，要利用人工智能对已拍的影像进行重构。通过车牌识别得到的影像可以看作是一个按照明暗程度连续分布的数码影像。随着电脑技术的发展，彩色影像有三种基本颜色：红，绿，蓝(分别用 R, G, B表示)。这三种色彩可以看作是三大要素。然后，利用人工智能将车牌的彩色影像转化为半色调影像，再对 RGB三要素施加合适的加权平均，得到合适的半色调影像值[3]。在此调节后，可以调整图像的灰度。在完成了灰度处理之后，对印版进行二值化处理，从而可以有效地区分出背景和印板，便于二值处理后的图像进行识别。这一步骤对最后的辨识效果有很大的影响。目前，利用人工智能进行车牌识别的主要手段就是投影法，顾名思义，就是利用投影影像沿预定方向的分布来进行识别，其原理是以统计学为依据的。将某一车牌的影像沿水平、竖向投影，再与之前的资料相结合，将其分割成最显著的饱和区，进而得到车牌的真正位置。

（二）车牌字符分割

在前一节中，对车牌照的数字图像进行处理，并对其进行定位，从而得到更加清晰的车牌照。然而，如果以前的汽车没有被认出，那么就需要对这些信息进行处理，以提高识别的效率。由于车牌拍摄的环境比较复杂，车牌拍摄时会出现一些不规则的情况，从而影响到最终的图像定位。现在，经常使用Hough转换和Randon变换来修正不规则的数字。调整车牌号码可以让上述信息更清楚。但是，由于铆钉的存在，往往会影响到车牌识别的准确性，从而影响车牌的识别。当前，车牌识别的方法主要是对车牌的投射影像进行扫描，消除铆钉等障碍，并将其与之前的信息进行融合。当前，在车牌图像中，文本与底色色彩的变换多采用阈值法

[4]。大家都知道，车牌中的文字占到了整个车牌的一半，而在一定的阈值下，可以进行基本颜色的变换。基色转换使得版面尽量保持一致，从而为字符的分割打下了良好的基础。车牌识别中最关键的一点就是可以对每一个字符进行检测，这就要求对车牌中的字符进行有效的分割。采用垂直投影、标志间距缩放、标志长宽比、边缘分析、区域延伸等技术进行标志的分割。这样，就可以将车牌的信息逐个地从图片中提取。

（三）车牌字符识别

汽车牌照的字母识别是一种模式化的方法，它已被多种技术所应用。在此基础上，利用 人工神经网络识别法实现了与人工智能的进一步融合。该方法依赖于可以完成与人类大脑相似识别的人工神经网络，其发展与人工智能技术的发展息息相关。该技术使得识别系统能够在同一时间完成多项任务，并具备较强的组织性和学习能力，大大提高了识别的效率。即使有些神经元受到损伤，神经元成分也不会对正常的运作产生影响。当前车牌照识别技术大多采用 BP 神经网络技术，经过预处理的车牌照包含了准确的识别信息。

四、结束语

综上所述，随着人工智能技术的进步，许多车牌识别技术不断推陈出新，得到业界越来越多的重视。比如基于统计学习理论发展而来的支持向量机识别法，基于统计分类法的统计模式识别法，基于基元分割和提取的结构模式识别法以及基于模糊数学的模糊模式识别法等等，都在不断地被开发出来，并为智能交通管理带来越来越多的便捷。

参考文献

[1]张琦,崔琳,陈基刚,等.论车牌识别系统在实际道路中的应用[J].明日,2021(22):0095-0095.

[2]唐文静,姜琳,马治波.基于车牌识别的停车场智能收费系统[J].人工智能与机器人研究,2022,11(2):8.

[3]李雪娇.计算机图像处理技术在车牌识别中的应用[J].电子技术(上海),2022,51(1):2.

[4]何炜,周保林.图像识别技术应用于车牌照识别的实践分析[J].数码设计,2020,9(2):1.