计算机视觉——自动识别车牌简介

最近在了解这方面的东西，现在只要是整理下这段时间看的资料吧（主要科普为主）。

自动识别车牌(Automatic license plate detection) 这个玩意现在已经很普及了，但是针对一些特定的情况还是需要修改，定制一波（就比如苦逼的我入了一个这样的坑）。

当前的主流模式大致分为以下：

1.获得图片；

2.车牌提取；

3.车牌分割；

4.字符识别；

 

第一步,获得图片：

就不用说了，你可以直接导入图片或者视频流固定没秒截取几张图这样。

第二步，车牌提取：

这部分就是要从图片中萃取出车牌的位置来，需要考虑的情况蛮多的（如果要进入到应用估计更多），如：定位，大小，颜色，字体，掩体，倾斜。

提取部分的话方法就有很多了：
1. 利用边界/边缘的信息提取，也是主要要讲一下的内容。汽车的车牌都是方方正正的，特例比较少点。这里的话比较流行的边角检测法就是sobel算子（算子就是函数吧，CV的术语）。

sobel算子就是利用边缘两侧灰度的突变来检测的，既然说到灰度的话，那么我们的初始获得的图片都是用rgb的，这样就需要进行灰度化处理。如果直接将原图灰度化处理的话，又会带来另一个问题，

就是sobel找出的候选区域会太多了。这就是由于没有去噪的缘故，这里的话是用高斯滤波去噪。

（不过我从其他地方看到有个比sobel还要快上7-9倍的方法，还没来得及看。先埋个坑。有兴趣的可以看看：

A new vertical edge detection algorithm and its application）

2.全局图像解析，就是将整个图像都考虑进去，有轮廓检测法，预存一些车牌模型进去。这样的做法可能精确率在普遍的情况下会比较高，但是低于低分辨率（轮廓扭曲的）就不太合适，以及比较费时（准备模型多）

3.纹理处理法，通过解析图片中颜色频率过度来鉴别，就比如说车牌底色为黑色，车身又是另外的颜色（如黄色），这样容易区分出来。当有很多边缘的时候就是出现计算量大，目前不太适合应用。

 

 

剩下的3,4部分就等下次再补充吧。先撤。

如果想来个综合了解的话可以直接从这个paper里看：   

Automatic License Plate Recognition (ALPR):A State-of-the-Art Review