一、项目背景

进入21世纪以来，随着我国经济的发展，私人车辆日渐成为人们的生活必需品之一，这也使得私人车辆的数目急剧增加。大量私人车辆的出现虽然给人们生活或工作的出行带来了极大便利，但同时也增加了公路系统管理上的负担。能够有效地对道路上过往车辆进行有效地识别跟踪显然会有助于各类交通事件的处理，也会有助于交通设施的规划与预防性治理。

• 车辆外形特征单一，尤其是存在相同款式型号的现象，导致单纯依靠外形图像来对车辆进行准确的追踪识别难度极高，因此对车牌信息的利用成为了获得车辆“唯一码”的必备条件。
• 由于车牌号码具有唯一性，在一些简单场景如卡口相机拍摄条件下，单用车牌识别即可完成对车辆的识别追踪，比如在收费站常用卡口相机拍摄车牌以实现车辆的识别管理。

本项目以开放场景中包含车辆及车牌的图像为研究对象，研究如何完成基于图像处理的车牌定位及车牌号的字符分割工作。

二、项目目标和需求分析

（一）车牌数据

开发场景中的车牌图像数据来自于手机或其他移动设备，由于拍摄远近不同及拍摄角度差异，使得不同车牌图像数据中的车牌区域在图像中所占比例相比卡口相机拍摄差异较大，同时也具有相对较为复杂的光线条件及背景，如图1所示。

因此，在车牌检测过程中对技术要求相对更高。从图1中的车牌特写图像可看出，本项目中所需检测的车牌图像在大小及拍摄视角上存在着差异性，车牌图像并非相对规则的矩形，因此，在进行字符分割前需要对车牌图像进行几何变换。

标准的蓝底白字车牌图像包括车牌字符、车牌框及字符连接符号，标准车牌框的线条相互垂直，近似构成4个直角，车牌中字符的中轴线均垂直于车牌边框且相互平行。除蓝底白字的车牌外，常见的车牌还有黄牌、绿牌等，由于车牌的字符颜色较浅，而车牌背景颜色较深，因此可通过对车牌图像进行二值化转换后利用一系列算法进行车牌字符分割。

（二）车牌检测流程

车牌检测流程主要分为5个步骤: ①车牌图像读取->②车牌粗略定位->③车牌精细定位->④车牌字符分割->⑤得到车牌字符信息。

车牌定位是车牌检测的首要步骤，在车牌检测工作中具有重要作用。车牌定位效果的好坏会直接影响后续的分割工作。在传统机器学习领域常用的车牌定位方法主要包括“基于边缘定位法”，“基于形态学定位法”，“基于纹理特征定位法”及“基于颜色划分定位法”等。在实际应用中，由于环境背景的复杂性仅依靠一种方法来对车牌定位具有一定局限性，往往需要在多种定位方法协同作用下来实现对车牌的定位。因此，车牌定位包括车牌粗略定位与车牌精细定位两个步骤。同时，因为基于HSV颜色空间阈值法分割图像像素点可以降低光线等因素的影响，因此在本项目根据颜色来提取车牌像素。

（三）车牌检测功能

因此，本项目中车牌检测需要实现如下功能：

（1）车牌粗略定位：通过车牌粗略定位得到无背景干扰且带有车牌框的车牌图像

（2）车牌精细定位：获取矫正后且去除车牌边框的车牌图像

（3）车牌字符分割：对车牌图像进行分割，得到单个的车牌字符图像

三、方案设计

在项目设计阶段，需要完成车牌检测系统的详细方案设计，确定系统的最终技术落地方案。

1. 车牌粗略定位：

1）目标：通过车牌粗略定位得到无背景干扰且带有车牌框的车牌图像 

2）输入、输出设计：输入为压缩到一定尺寸的原始图像，输出为出压缩图像中切割出的粗略定位车牌框图像。

3）实现方法：主要包括RGB图像转HSV、使用HSV阈值法筛选车牌像素(分割)和使用形态学图像处理获得车牌图像。

2. 车牌精细定位：

1）目标：目的有二个，一是对车牌图像进行矫正，消除车牌图像的畸变得到标准的车牌图像；二是去除车牌框和车牌图像中含有的少量背景图像，获取矫正后且去除车牌边框的车牌图像。

2）输入、输出设计：输入为粗略定位车牌框图像，输出则为经过矫正且去除边框后车牌图像

3）实现方法：主要包括，通过霍夫变换来实现车牌图像的矩形矫正，使用形态学图像处理法精细定位车牌，使用水平及竖直方向的垂直投影法除去车牌图像上下及左右的边框。

3. 车牌字符分割：

1）目标：对车牌图像进行分割，得到单个的车牌字符图像

2）输入、输出设计：输入为精细定位且去除边框后车牌图像，输出则为7个车牌字符

3）实现方法：再次利用垂直投影法处理无框车牌图像实现对车牌字符的分割

除去一些特例，通常车牌中的字符个数为7且字符在车牌中的相对位置是固定的，即各个车牌字符间的最佳分割位置在车牌中的相对位置也固定。在这种思路下，可在包涵7个车牌字符的车牌图像上确定6个车牌分割范围，将这些范围区间与经筛选后的垂直投影位置结果集合做与运算来确定车牌分割位置。