臺灣博碩士論文加值系統

車牌辨識系統可廣泛應用於停車場管理，以及警調單位的贓車查緝、道路監控，等車輛控管之應用。然而目前尚無法普及化的主要原因之一，是在辨識技術上仍有改善的空間，例如車牌定位率、字元辨識率、抗背景雜訊能力等。因此，本論文針對此部份，期望能提升自動車牌辨識系統辨識的準確率。
由於現在的影像處理的技術已經非常成熟了，因此本論文主要是利用影像處理技術來開發一個自動辨識車牌的系統。本論文所提出之車牌辨識系統，共分為車牌定位、字元擷取及字元辨識等三大部分。本系統透過影像處理技術來進行車牌位置的偵測，以及擷取出車牌上的字元，字元的辨識則使用投影的方式。
自動的車牌辨識系統有一些使用上的限制條件，例如拍攝環境如果是在室外，環境背景會較為複雜，如樹木、招牌、交通號誌等物體都會造成車牌定位上的困難，因此系統必須要克服背景複雜度的問題。我們提出一套具有適應環境背景複雜能力的車牌辨識及多目標的辨識演算機制，配合一些門檻值的限制，最後能夠將車牌影像中的車牌號碼辨識出來。
本系統拍攝室內室外停車場共271 張車牌影像，來進行車牌辨識實驗，實驗結果在車牌定位方面成功率為96.31 %，在字元擷取方面成功率為93.87 %，在字元辨識方面成功率為95.96 %，整體的辨識成功率為88.79 %。在系統配備為Pentium 4，CPU 3.4GHz，1GB　RAM之下，每張影像辨識時間約需3秒。

License plate recognition system can be used extensively in management of parking lot and appliance of stolen car searched、road controlled，car controlled of police unit. However, one of the reasons of unable to popularize is that there is still a lot to improve in distinguish technology. For example, license plate orient rate、word distinguish rate、resist background noise ability, etc. Therefore, the thesis of this research paper is to improve the accuracy of auto license plate recognition system.
Due to the full-developed image processing technology nowadays, the thesis is to develop an automatic license plate recognition system by using image processing technology. The license plate recognition system in the paper is mainly divided into three part, license plate location、word takeout and word distinguishing. This system using the image processing technology to location the license plate, and take out the word on the license plate. Word distinguishing is using the projection method.
There are some restrictions in using this automatic license plate recognition system. For instance, if the shoot environment is outdoors, environmental background will be complicated. Trees, signboard, traffic symbol, etc, will cause the difficulty to location the license plate. Thus, the system has to overcome the problem of background complexity. We propose a license plate recognition system which can be adapted to background complexity and have a multiple distinguishing computing mechanism. Cooperate with the restriction of some threshold value, we can distinguish out the license plate number in the license plate finally.
This system takes totally 271 photos in indoor and outdoor parking areas to experiment. The result shows that the average in license plate location is 96.31 %, in word takeout is 93.87 %, and in word distinguishing is 95.96 %, and the totally distinguish rate is 88.79 % . In the system is Pentium 4, CPU 3.4GHz, 1GB　RAM , each image nearly take to distinguish time is 3 Second.

中文摘要　----------------------------------------------------------------------------------Ⅰ
ABSTRACT　------------------------------------------------------------------------------Ⅱ
誌謝　----------------------------------------------------------------------------------------Ⅳ
目錄　----------------------------------------------------------------------------------------Ⅴ
表目錄　-------------------------------------------------------------------------------------Ⅷ
圖目錄　-------------------------------------------------------------------------------------Ⅸ
第一章 緒論　------------------------------------------------------------------------------1
1.1　研究背景　----------------------------------------------------------------------1
1.2　研究動機　----------------------------------------------------------------------2
1.3　研究目的　----------------------------------------------------------------------3
1.4　研究設備　----------------------------------------------------------------------4
1.5 論文架構　----------------------------------------------------------------------5
第二章 文獻相關技術討論　------------------------------------------------------------6
2.1　車牌辨識系統流程　----------------------------------------------------------6
2.2　車牌屬性　----------------------------------------------------------------------7
2.3 模糊處理　----------------------------------------------------------------------9
2.4 影像邊緣偵測　---------------------------------------------------------------12
2.5 數理形態學(Morphology) ---------------------------------------------------13
2.6 反向車牌判定　---------------------------------------------------------------15
2.7 影像二值化(Binarization)　 ------------------------------------------------17
2.8 車牌切割方法　---------------------------------------------------------------22
2.9 八連通(8-connectivity)物件標示法　--------------------------------------25
2.10 字元辨識方法　--------------------------------------------------------------28
2.10.1 SimNet　----------------------------------------------------------------28
2.10.2 影像特徵值　----------------------------------------------------------29
2.10.3 學習階段　-------------------------------------------------------------29
第三章 研究系統架構　-----------------------------------------------------------------32
3.1 車牌定位　---------------------------------------------------------------------34
3.1.1 取灰階　----------------------------------------------------------------34
3.1.2 模糊處理 -------------------------------------------------------------36
3.1.3 取出水平方向邊緣圖　----------------------------------------------37
3.1.4 形態學處理　----------------------------------------------------------39
3.1.5 車牌物件判定　-------------------------------------------------------42
3.1.6 車牌反向判定　-------------------------------------------------------43
3.1.7 車牌影像二值化　----------------------------------------------------43
3.1.8 精準切出車牌位置　-------------------------------------------------44
3.2 字元擷取　---------------------------------------------------------------------44
3.2.1 八連通擷取字元------　----------------------------------------------45
3.3 字元辨識　---------------------------------------------------------------------46
第四章 實驗結果　-----------------------------------------------------------------------47
4.1　單車輛車牌辨識實驗結果　------------------------------------------------47
4.2　影像輸入　---------------------------------------------------------------------49
4.3 車牌定位　---------------------------------------------------------------------49
4.4 字元擷取　---------------------------------------------------------------------52
4.5 字元辨識　---------------------------------------------------------------------55
第五章 結論　-----------------------------------------------------------------------------57
5.1　實驗結果分析　---------------------------------------------------------------59
5.2　未來研究方向　---------------------------------------------------------------60
5.3　 MATLAB中的類神經網路(Neural Network)　------------------------61
5.3.1 MATLAB指令用法　--------------------------------------------------61
5.3.2結果分析　---------------------------------------------------------------63
5.3.2.1比較用基準參數　----------------------------------------------66
5.3.2.2訓練次數少　----------------------------------------------------66
5.3.2.3隱藏層數量少　-------------------------------------------------66
5.3.2.4學習樣本數少　-------------------------------------------------67
附錄　----------------------------------------------------------------------------------------68
參考文獻　----------------------------------------------------------------------------------71

[1] S.L. , L.S. Chen, Y.C. Chung, and S.W. Chen “Automatic License Plate Recognition,” IEEE Transactions on Intelligent Transportation Systems, Vol.5, No.1, March 2004.

[2] Mario I. Chacon M., and Alejandro Zimmerman S. “License Plate Location Based on a Dynamic PCNN Scheme,” DSP & Vision Lab, Chihuahua Institute of Technology.1995.

[3] C.T. Hsieh, Y.S. Juan, and K.M. Hung. “Multiple License Plate Detection for Complex Background”, Department of Electrical Engineering, Tamkang University, Department of information Management, Kainan University, Taipei, Taiwan. 2005.

[4] W. Wu, Y. Li, M.J. Wang, and Z.X. Huang. “Research on Number-Plate Recognition Based on Neural Networks,” Dept. of Road and Traffic Engineering, Changsha Communications University. 2001.

[5] 王振興，「多標的汽機車車牌辨識系統之研究」，元智大學，資訊管理學系碩士班，碩士論文，民國92年。

[6] 王中山，「使用小波轉換於車牌偵測」，國立中山大學，機械與機電工程學系，碩士論文，民國93年6月。

[7] 陳朕寬，「彩色車牌的自動偵測方法」，國立中山大學，機械與機電工程學系，碩士論文，民國94年7月。

[8] 莊佳龍，「車輛偵則與車牌辨識系統」，國立中正大學，機電光整合工程碩士班，碩士論文，民國94年7月。

[9] 魏銪志，「動態多標的車牌辨識系統之研究」，元智大學，資訊研究所，碩士論文，民國89年6月

[10] 蔡銘鑫，「小波轉換和類神經網路應用於車牌辨識」，朝陽科技大學，資訊工程系，碩士論文，民國93年5月

[11] 陳彥賓，「反向邏輯神輕網路於車牌字元辨識之研究」，大同大學，資訊經營研究所，碩士論文，民國94年6月

[12] 王精忠，「車牌辨識之研究」，大同大學，通訊工程研究所，碩士論文，民國94年1月

[13] 陳鴻文，「車輛辨識系統應用於車輛進出管制」，國立高雄第一科技大學，電腦與通訊工程研究所，碩士論文，民國96年6月

[14] 林欣平，「車牌字元粹取」，國立交通大學，電機與控制工程學系，碩士論文，民國88 年。

[15] 仲崇實，「影像處理與類神經乏晰方法於車輛牌照自動辨識之應用研究」，私立元智大學，資訊管理研究所，碩士論文，民國87年。
[16] 楊文宗，「車輛牌照號碼自動辨識系統」，私立中原大學，電子工程研究所，碩士論文，民國85 年。

[17] N. Otsu, "A Threshold Selection Method from Gray-Level Histograms", IEEE Transactions on System,Man,and Cybernetics, vol. SMC-9, 1979, pp.62-66.

[18] J.A.G. Nijhuis, M.H. ter Brugge, K.A. Helmholt, J.P.W.Pluim, L. Spaanenburg, R.S. Venema, and M.A. Westenberg, "Car License Plate Recognition with Neural Networks and FuzzyLogic", University of Groningen, Department of Computing Science, Netherlands, 1995.

[19] 周俊男，「車輛牌照影像辨識系統」，國立中山大學，資訊工程研究所，碩士論文，民國84 年。

[20] 張銘豪，「利用分割辨識方法之英文數字辨識系統」，國立中山大學，資訊工程研究所，碩士論文，民國85 年。

[21] 溫福助，「類神經網路樣板比對法於車牌字元辨識之研究」，國立台灣大學，電機工程學研究所，碩士論文，民國89 年。

[22] M. Yu, and Y.D. Kim, "An Approach to Korean License Plate Recognition Based on Vertical Edge Matching", Ajou University, Suwon, Korea, 2000.