臺灣博碩士論文加值系統

車牌辨識主要分為以下三個重點:車牌定位、字元切割、字元辨識，而在本研究中主要著重於車牌定位與字元辨識兩個部份，研究中所開發出來的車牌辨識系統主要是利用校園中停車場上之車輛，來辨識其車牌號碼。校園裡與一般大樓裡的停車場不同的地方在於大樓會在出、入定點架設攝影機來辨識住戶或是訪客的車牌資料，此種系統所拍攝到的車牌影像比較大，其車牌的長度像素大約為100像素以上的車牌。而在研究中所拍攝到車牌影像有238張，其中車牌長度像素是介於60~130像素間。對於車牌定位的部份，多數之研究使用邊緣處理，而在本研究中主要是利用標準差，尋找車牌的上、下、左、右四邊的特徵，由實驗成果中可知車牌定位可達96%。
在字元辨識方面，從字元裡提出九個區域的字元結構並給予代碼，根據九個代碼進行樣本辨識，在實驗初期字元辨識率不到1%，所以之後研究加入限定字元結構、單邊偏移、雙邊偏移三種方法來提升字元辨識率，其字元辨識率可達97%。

License plate recognition can be divided into the following three sub-systems: license plate location, character segmentation and character recognition. In this study the main stress falls on the license plate location and character recognition sub-systems. The images of vehicles in the parking lot on campus would be the test examples to examine the license plate recognition system developed by our research. The license plate recognition system would find the location of license plate and recognize the characters on it. The main difference between then general building and campus parking lot is then entrance control policy. In most case, there are cameras on the gateway of general building to record the images of residents’ or visitors’ vehicles. The license plate images captured by this system have large pixels relatively. The length of the license plate image is almost more than 100 pixels.In this research, we take 238 images of vehicles on campus parking lot. In these images, the length of license plate image is about 60 ~ 130 pixels. For the part of license plate location, the most of the studies deal with the edge detection process. In this study, the standard deviation process would be proposed to find corner features of license plates. The results show that detection rate of the license plate location up to 96%.
In character recognition, we propose a classified method based on the structure of character. We divide the structure of character into nine regions and each region has a code parameter. These code parameters would be used to character recognition. In preliminary stage, the recognition rate is very low (1%). However, we propose three enforcement methods, such as limited character structure, single-side shift, double-side shit, to improve the recognition accuracy. Finally, character recognition accuracy could be up to 97%.

　　　　　　　　　　　　　　　　　　　目錄　　　　　　　　　　　　　　　　　　　
誌謝 ......................................................................... i
摘要 ........................................................................ ii
Abstract ................................................................... iii
目錄 ........................................................................ iv
表目錄 ..................................................................... vii
圖目錄 .................................................................... viii
第一章 緒論 .................................................................. 1
1-1 研究動機與目的 ........................................................... 1
1-2 文獻回顧 ................................................................. 2
1-3 論文架構 ................................................................. 6
第二章 車牌定位 .............................................................. 8
2-1 簡介 ..................................................................... 8
2-2 灰階影像 ................................................................. 9
2-3 標準差 .................................................................. 12
2-4 直方圖等化 .............................................................. 14
2-5 車牌之分隔符號(Dash)特徵分檢 ............................................ 15
2-6 類神經網路 .............................................................. 18
2-7 車牌定位流程說明 ........................................................ 29
第三章 字元切割 ............................................................. 40
3-1 簡介 .................................................................... 40
3-2 二值化 .................................................................. 41
3-3 字元切割 ................................................................ 43
3-4 字元正規化 .............................................................. 49
第四章 字元辨識 ............................................................. 51
4-1 簡介 .................................................................... 51
4-2 字元結構辨識 ............................................................ 52
4-3 樣本比對 ................................................................ 65
第五章 實驗結果 ............................................................. 67
5-1 研究環境簡介 ............................................................ 67
5-2 車牌定位 ................................................................ 69
5-3 實驗結果 ................................................................ 72
5-4 字元辨識 ................................................................ 86
第六章 結論與未來方向 ....................................................... 88
6-1 結論 .................................................................... 88
6-2 未來方向 ................................................................ 89
參考文獻 .................................................................... 91
附錄 ........................................................................ 93
自我簡介 ................................................................... 111

　　　　　　　　　　　　　　　　　　　表目錄
表4- 1字元(S)-字元結構平均 .................................................. 60
表5- 1各個流程的執行時間與次數 .............................................. 70
表5- 2限定車牌區域的各個流程執行時間與次數 .................................. 71
表5- 3程式執行實驗結果統計................................................... 72
表5- 4人工切割車牌-字元辨識結果 ............................................. 86

　　　　　　　　　　　　　　　　　　　圖目錄
圖2- 1車牌定位流程圖 ......................................................... 8
圖2- 2全彩及R.G.B通道影像 .................................................... 9
圖2- 3灰階影像 .............................................................. 12
圖2- 4影像處理區(紅框)移動說明 .............................................. 13
圖2- 5直方圖曲線 ............................................................ 14
圖2- 6原始影像(a)，直方圖(b) ................................................ 15
圖2- 7等化後影像(a)，直方圖(b) .............................................. 15
圖2- 8無法排除影像 .......................................................... 15
圖2- 9分隔符號(Dash)使用說明 ................................................ 16
圖2- 10分隔符號(Dash)區塊使用說明 ........................................... 16
圖2- 11 Dash判斷結果......................................................... 18
圖2- 12生物神經元模型([5],ref[4]) ........................................... 19
圖2- 13回歸型類神經網路 ..................................................... 20
圖2- 14前授型類神經網路 ..................................................... 21
圖2- 15 BP網路架構 .......................................................... 22
圖2- 16常用的非線性轉移函數.................................................. 23
圖2- 17車牌直方圖等化(a)，直方圖統計(b) ..................................... 24
圖2- 18 BPNN-Error收斂圖 .................................................... 29
圖2- 19非車牌NLP(a)，車牌LP(b) .............................................. 30
圖2- 20非車牌-列標準差 ...................................................... 31
圖2- 21車牌-列標準差 ........................................................ 32
圖2- 22切除上與下邊界後的影像-非車牌(a)車牌(b) .............................. 32
圖2- 23非車牌-行標準差 ...................................................... 33
圖2- 24車牌-行標準差 ........................................................ 34
圖2- 25切除左與右邊界後的影像-非車牌(a)車牌(b) .............................. 34
圖2- 26長寬比種類 ........................................................... 35
圖2- 27第二次車牌上下兩邊特徵檢測-列標準差 .................................. 36
圖2- 28第二次切除上與下邊界後的車牌影像 ..................................... 36
圖2- 29第二次車牌左右兩邊特徵檢測-行標準差 .................................. 37
圖2- 30第二次切除左與右邊界後的車牌影像 ..................................... 37
圖2- 31車牌限定區域示意說明.................................................. 39
圖3- 1字元切割流程圖 ........................................................ 40
圖3- 2車牌影像 .............................................................. 41
圖3- 3固定與自適應閥值 ...................................................... 42
圖3- 4車牌樣式一 ............................................................ 44
圖3- 5車牌樣式二 ............................................................ 44
圖3- 6字元寬度示意圖 ........................................................ 45
圖3- 7字元切割-步驟二示意圖 ................................................. 45
圖3- 8字元切割-步驟三示意圖 ................................................. 46
圖3- 9字元切割-步驟四示意圖 ................................................. 46
圖3- 10字元切割-步驟五示意圖 ................................................ 47
圖3- 11 切割完黑色區段的結果 ................................................ 47
圖3- 12字元切割-步驟六示意圖 ................................................ 48
圖3- 13切割完黑色區段的結果.................................................. 48
圖3- 14最後一個字元寬度 ..................................................... 49
圖3- 15字元切割完成示意圖.................................................... 49
圖3- 16 二值影像(a)，字元切割(b)，字元正規化(c) ............................. 50
圖4- 1字元辨識流程圖 ........................................................ 51
圖4- 2 七個區域-字元結構的區域示意圖([13]-p28) .............................. 53
圖4- 3 九個區域-字元結構示意圖 .............................................. 54
圖4- 4字元結構擷取範例 ...................................................... 55
圖4- 5各區總像素量 .......................................................... 56
圖4- 6 2、5、8區域數值說明示意圖 ............................................ 58
圖4- 72、5、8區域結構代碼.................................................... 58
圖4- 8樣本與辨識字元編碼差異圖 .............................................. 59
圖4- 9類似結構的字元解決方法 ................................................ 63
圖4- 10過度偏移的字元 ....................................................... 64
圖4- 11單邊偏移切除雜訊說明圖 ............................................... 64
圖4- 12雙邊偏移切除雜訊說明圖 ............................................... 65
圖5- 1大尺寸車牌影像 ........................................................ 68
圖5- 2中尺寸車牌影像 ........................................................ 68
圖5- 3小尺寸車牌影像 ........................................................ 69
圖5- 4車牌號碼(SV0822)實驗結果 .............................................. 70
圖5- 5限定車牌區域-車牌號碼(SV0822)實驗結果 ................................. 71
圖5- 6相同車牌，拍攝日期不同，車牌尺寸不-大尺寸(a)小尺寸(b) ................. 73
圖5- 7相同車牌，拍攝日期相同，車牌尺寸不同-大尺寸(a)小尺寸(b) ............... 73
圖5- 8車牌附近干擾物-車尾燈(td_th1=0.15)(lr_th1=0.15) ....................... 74
圖5- 9車牌附近干擾物-車尾燈(td_th-0.15)(lr_th=0.17) ......................... 74
圖5- 10車牌附近干擾物-非車牌的牌框(td_th=0.15) .............................. 75
圖5- 11車牌附近干擾物-非車牌的牌框(lr_th1=0.15)(lr_th2=0.15) ................ 75
圖5- 12無法定位-中間調(20)(lr_th=0.13) ...................................... 77
圖5- 13無法定位-中間調(30)(lr_th1=0.08)(td_th2=0.09) ........................ 77
圖5- 14無法定位-中間調(30)(td_th1=0.1)(td_th2=0.08) ......................... 77
圖5- 15無法定位-(offset_r=4) ................................................ 78
圖5- 16無法定位- (td_th1=0.1)(td_th2=0.08)(offset_c=18) ..................... 78
圖5- 17無法定位-(td_th-0.15)(lr_th=0.15) .................................... 79
圖5- 18缺字-車牌第一個字元為1 ............................................... 80
圖5- 19字元陰影-車牌第五個字元為1 ........................................... 80
圖5- 20誤判字元-車牌字元7 ................................................... 81
圖5- 21誤判字元-車牌字元0 ................................................... 82
圖5- 22執行時間統計圖 ....................................................... 83
圖5- 23限定車牌區域執行時間統計圖 ........................................... 83
圖5- 24執行時間過長(一) ..................................................... 84
圖5- 25限定車牌區域(一) ..................................................... 84
圖5- 26執行時間過長(二) ..................................................... 85
圖5- 27限定車牌區域(一) ..................................................... 85
圖5- 28大尺寸車牌-字元辨識錯誤與無法辨識字元 ................................ 87

參考文獻
[1] Ching-Tang Hsieh, Liang-Chun Chang, Kuo-Ming Hung, Hsieh-Chang Huang, “A Real-time Mobile Vehicle License Plate Detection and Recognition for vehicle monitoring and management,”Pervasive Computing, 2010, 2, pp.197-202.
[2] Jianxia Wang, Guilong Gao,Huili Yang,“The Method Research of Vehicle Image Preprocessing and License Plate Location,”Computational Intelligence and Software Engineering, 2009, 12,pp.1-4.
[3] Liu Ying, LiNannan, “Design of License Plate Recognition System Based on the Adaptive Algorithm,”Automation and Logistics, 2008, 9,pp.2818- 2821.
[4] Shen-Zheng Wang, Student Member, IEEE, His-Jian Lee, “A Cascade Framework for a Real-Time Statistical Plate Recognition System,”Information Forensics and Security, 2007, 5, pp.267-282.
[5] 王進德，蕭大全，類神經網路與模糊控制理論入門，全華科技圖書，1994。
[6] Rafael C. Gonzalez, Richard E. Woods, Steven L. Eddins , 繆紹綱譯，數位影像處:運用MATLAB，東華書局，2005。
[7] 呂信德，利用多重專家之車牌辨識系統，碩士論文，國立中央大學，2002。
[8] 李正裕，車牌辨識系之研究，碩士論文，靜宜大學，2003。
[9] 李棟良，沈生光，陳昌平，江彥甫，黃智鋒，車牌辨識系統，銘傳大學。
[10] 林泰良，智慧型車牌定位與字串分割，碩士論文，國立臺灣大學，2000。
[11] 林郁佐，車牌辨識系統之實作，南華大學資訊工程學系，2009。
[12] 陳緯達，類神經網路在手寫數字辨識之研究，碩士論文，國立中央大學，2004
[13] 黃琇靖，應用於道路監視器之自動車牌辨識系統，碩士論文，朝陽科技大學，2007。
[14] 溫福助，類神經網路樣板比對法於車牌字元，碩士論文，國立台灣大學，2000。
[15] 手寫辨識之技術研究與探討http://www.ck.tp.edu.tw/~ck961066/22507.pdf
[16] 基於雙向濾波器與直方圖等化的自動影像增強法http://eshare.stut.edu.tw/EshareFile/2009_12/2009_12_988b30e9.pdf