王庆 齐艳 卿操 王元森 王红梅
辽宁科技大学 电子与信息工程学院114000
摘要 我国现阶段人民生活质量不断的提高，汽车使用率在不断的增强，现阶段对车辆管理的工作任务非常间距，交通部门需要协调好对车辆的管理工作。对于汽车而言，车牌是能够识别的身份证明，因此，在对汽车管理工作内容当中关于车牌识别方面，需要准确快速，因此，本文针对车牌识别工作进行研究，完善的识别系统以及核心的算法。
关键字：车牌识别系统；核心算法；研究
前言
我国近年来人们的生活水平逐渐提高，代步工具逐渐从自行车转换为汽车，导致各个城市中汽车数量较大，进一步增加了交通部门对于交通的管理工作。因此，现今极为需要对车牌识别系统的开发与利用，并且针对现阶段我国使用的车牌模板，其主要由三个因素构成，因此，关于车牌识别系统的算法还需要进行不断地完善，才可以更加的适用于识别计算工作，使得在实际的运用过程当中，车牌识别系统能够更加地快速与准确，更加 适应时代的发展，同时进行不断的完善，以达到可持续发展的发展的趋势。
一、项目的立项依据与内容
（一）立项依据
我国从20世纪80年代就开始对车牌识别系统的研究开发，直至今日车牌识别系统已研究较为完善，可以供各个地区进行使用。现阶段的车牌式的技术可以根据运行环境的不同，分为PC端和头端，但是，虽然现阶段有完善的车牌实际技术，但是这些技术较为传统，若是外界的影响因素较多，就会导致识别率下降。并且我国国内的车牌，其中包括了三种组成因素，从一定程度上还会增加识别工作的困难，因此需要研究出一款全自动高效率的车牌识别系统，用于汽车的管理工作。
（二）项目内容
本次设立的项目是关于车牌识别系统，主要以Matlab为编制主语言，再结合利用C语言的开发，设计完成一套对车牌识别的系统。在本系统当中可以实现车牌定位、字符分割以及字符识别的三种车牌识别基本内容，并且在后期还可将此次识别系统与门卫的升降杆进行连接，从而包揽可自动开启升降杆的工作，减少人工的工作量，进一步实行进出大门自动化。
二、车牌识别系统的设计原理概述
一个完整的车牌识别系统主要包括了软件以及硬件两个部分，并且在软件部分当中主要有四项工作，首先是对图像进行预处理，之后再在图像当中提取出车牌的具体位置，然后对车牌图像中的字符进行分割，最后再进行字符识别。而在车牌识别系统中，原始图像就来自监控摄像头拍摄或扫描的图像，因此在收集原始图像的过程当中，还会有许多客观因素影响图像的稳定性，例如强光照射，或是车正在运行导致图像模糊等，针对这一类问题，我们在进行设计时，就需要考虑分析再提出相对应的解决办法。在进行车牌识别的过程当中，由于收到车辆颜色的影响，会大概率降低识别的准确性，因此就需要在识别的过程当中，对车牌识别的工作进行一定的处理操作，进一步提高车牌的识别率。
三、车牌识别系统的程序设计
（一）图像读取以及车牌区域提取
车牌图像读取工作主要是将监控设备扫描或拍摄到的车辆整体图像，识别分[ 基金项目:辽宁科技大学大学生创新创业计划专项经费资助项目(项目编号: X202010146310）。
作者简介:王庆(1999- )，男，内蒙古自治区通辽市，本科。
研究方向:通信工程]析得到车牌的位置进行定位之后，对车牌的图像进行提取。并且由于我国车牌颜色主要包括有蓝、黄、黑、红等，在识别的过程当中可能会与汽车车身的颜色相重合，不方便车牌识别提取的工作，因此可以将原图像，转化为灰度图像，在进权值加重法以及均值法的计算，这样就可以清晰的对车牌的位置进行定位。
对于通过颜色识别出的车牌定位图像，还需要进行边缘以及灰度图腐蚀处理，这样可以进一步将车牌的图像轮廓进行明显化，减少车牌附近区域的其他干扰因素。并且灰度图腐蚀能够消除边界点，使得边界向内部收缩，可以减少一些无意义的影响因素，灰度腐蚀这项工作比边缘检测更能够将车牌当中的数字轮廓显示出来。除了以上几个处理方法，还需要进行平滑处理，进一步优化摄像机扫描到的图像，使得识别工作更加的高效与快速。
（二）字符切割
对原图像的预处理和车牌元素提取后，需要将车牌字符进行切割，在字符的切割前，还需进行图像消除处理。对车牌的图像进行切割时，首先将其切割为 RBG 图像，之后再采用投影方法进行分割，未来减少切割过程当中的影响因素，需要将 RBG 图像转化为灰度值，再将其转换为二进制图，可有效地减少背景关照的影响，而图像减噪则可降低处理过的图像噪点，更有利于汽车识别核算。
在完成牌照区域的定位工作之后，需要将拍照图像内的各个字符分割开来进行识别，而字符的分割方法一般采用垂直投影法进行，对于图像的分割要求就需要这些字符图像能够满足格式、尺寸等标准。因此，垂直投影法不利于现阶段的复杂环境下的汽车图像分割工作，但是，为了能够让垂直投影切割法更加适应复杂环境进行分割工作，就需要对分割字符进行切除周边的空白处理，优化之后才可以使得垂直投影切割法更具实用性。
（三）字符识别
现阶段对于字符识别的方法有包括有人工神经网络法和模板匹配法，人工神经网络在实际的运用过程当中，操作更加的复杂，不利于实际的运算识别。模板匹配法虽然识别率低，但是其在运用过程当中操作简单计算量小，更加适用于现阶段的市场需求。
在进行模板匹配法的时候首先需要将字符归一化，是得切割出来的字符大小会一致，之后在进行字符识别工作。而识别工作是整个车牌识别系统当中最为关键的一项工作，并且在识别的过程当中，会受到各种因素的干扰，因此就需要就对比标准的字库表，选出与切割出的图像相匹配的字符，在对比的过程当中可以使用特征值与模板字符相减的方法提高识别的效率。在识别的过程当中，只要找到差值最小的字符即为最匹配的字符。
四、结束语
由于车辆管控的压力，导致城市的交通问题更加的严峻，因此需要针对现阶段在对与车辆管控工作中的不足进行优化。并且对于管控工作内容当中，最关键的就是车牌识别的工作，车牌识别工作是管控工作的基础。因此，需要优化现阶段的车牌识别工作，让对车牌进行识别的过程中，识别工作做到更加的高效以及快速。在进行优化时，主要对字符的提取、切割与识别这三个部分进行研究，分析其不足，选用更加高效的操作进行更改，在满足识别工作的需求同时，还可以进一步的为未来自动化的管控工作做好基础准备工作。
参考文献
[1]彭慧玲.基于DenseNet与ResNeXt算法的车牌定位识别方法研究[J].技术与市场,2020,27(10):23-26.
[2]黄彩霞. 基于神经网络的车牌识别算法研究[D].江西财经大学,2020.
[3]赵宇辉. 基于深度学习的复杂环境下车牌及轮毂图像识别算法研究[D].沈阳理工大学,2020.
[4]陈丹. 低分辨率车牌识别算法研究[D].西安理工大学,2019.