臺灣博碩士論文加值系統

隨著經濟的快速發展，交通工具成為人類生活中重要的一環，其中各式汽車的數量激增，衍生出相當多的交通和車輛管理的問題。自動車牌辨識對疏解此類問題可扮演重要的角色。
自動車牌辨識系統的研發已有二十幾年以上的歷史，但早期受限於硬體設備的不足，如CPU及RAM等處理速度不夠快等，導致發展受影響，然而隨著電腦技術的提升，這些限制已不存在，因而吸引更多人投入這個領域的研發。在過去的研究中，少有針對各種不同種類的車輛(如轎車、小貨車、遊覽車、聯結車等)探討其車牌辨識的方法。因此本文提出一套適用於臺灣各種車輛之車牌辨識系統。
在該系統中，首先進行邊緣偵測、彩色資訊轉換以及群組化等處理，以從一張影像中找出可能車牌的區域，再利用車牌的幾何特性，達到初步車牌定位的目的。框取的車牌經由偵測轉換後，不論是何種顏色的車牌，都統一轉換為白底黑字，再微調四方邊界，去除發牌地和螺絲孔區，找出真正感興趣的車牌區域。利用投影法，精確抓出字元號碼的四方邊界，再運用連通元件標示法來完成字串切割，切割出獨立的字元。最後將經過正規化後的字元以樣板比對法進行字元辨識，達成車牌辨識的目的。
為考慮將來有多方面的應用，而針對影像中偵測任意方位、位置的車牌取像，最後實驗結果顯示，車牌定位成功率為 91.73%，車牌統一轉換為白底黑字的成功率為97.17% ，車牌辨識率為91.27%。本研究所提的系統確實可適用於對臺灣各種車輛之車牌的辨識，有別於一般只能針對特定種類車輛的系統。

With the fast development of the economy, transportation has become an important element in modern human life. Among the various types of transportation, the increasing number of automobiles causes a lot of problems in traffics and vehicle management. The automatic vehicle license plate recognition system can play an important role to diminish these problems.
Automatic vehicle license plate recognition systems have been designed for more than 20 years, but the development of these systems was limited by unsatisfactory constraints in the hardware computation capability, such as the slow processing speed of CPUs and RAMs. As the improvement of the computation technology, those constraints no longer exist and hence more and more people are attracted to participate in the research and development in this field. Very few past studies were focusing a single plate recognition method that concurrently supports different types of vehicles, such as cars, trucks, buses, and contain trailer. Therefore, this thesis proposes a universal plate recognition system for all vechicle types in Taiwan.
In this system, special processes including edge detection, color information transform, grouping, etc. are initially carried out in order to locate a possible vehicle license plate in the image. Geometry characteristics of the licence plate are then used to achieve the objective of preliminary plate positioning. The cropped plates are converted into black characters and white background no matter which original colors of the plates are. Furthermore, the image is fine-tuned by chopping out the plate originating information and the screw holes to find out the interested vehicle license plate region. Projection is used to accurately identify the four borders of characters and connected component labeling is used to segment the plate string into discrete characters. Finally, normalized characters are recognized using template matching to achieve the objective of plate recognition.
In order to be applied for multiple applications in the future, images are intended to be captured in various conditions including different viewing angles and distances. The experimental results show that the system achieves 91.73% success rate in plate positioning, 97.17% success rate in plate color conversion to black characters and white background, 91.27% success rate in plate recognition. The system proposed in this thesis, which has been proved to be capable for recognizing plates of all vehicle types in Taiwan, is different from other common systems that can only work with a specific type of vehicle.

目 錄
摘要.............. .............................I
Abstract.......... ............................II
致謝.............. ............................IV
目錄..........................................VI
圖索引......................................VIII
表索引.........................................X

第一章 緒論...... .............................1
1.1 前言.......................................1
1.2 研究背景與動機 .............................2
1.3 相關研究...................................4
1.4本文大綱....................................6

第二章 相關技術與軟體環境介紹.................8
2.1 色彩轉換...................................8
2.2邊緣偵測...................................10
2.3 濾波器與二值化............................12
2.4 形態學....................................14
2.4.1膨脹 .....................................14
2.4.2侵蝕 .....................................15
2.5 牌照屬性判定..............................16
2.6 連通元件標示法............................17
2.7 正規化....................................18
2.8 樣板比對..................................19
2.9 軟體環境..................................22

第三章 車牌定位..............................23
3.1 HSI轉換...................................23
3.2 邊緣偵測..................................26
3.3 非彩色資訊................................27
3.4 群組化....................................28
3.5 侵蝕(Erosion)與膨脹(Dilation).............29
3.6 篩選車牌候選區域..........................30

第四章 字串切割與字元辨識....................32
4.1 二值化後統一為白底黑字....................32
4.2 字串切割..................................33
4.2.1 車牌細部切割............................34
4.2.2 細部定位上下邊界........................34
4.2.3 細部定位左右邊界........................35
4.2.4 連通元件法切割字元......................36
4.2.5 正規化車牌字元..........................36
4.3 字元辨識..................................38

第五章 實驗結果與討論........................41
5.1 實驗所用的測試影像........................41
5.2 影像處理工具與辨識速度....................43
5.3 車牌定位之實驗結果........................43
5.4車牌二值化後統一為白底黑字之實驗結果.......45
5.5 字元辨識之實驗結果........................46
車牌前後傾斜..............................49
背景昏暗狀況..............................51
水箱罩複雜................................51
車牌對比不明顯............................52
車牌字元污損..............................53
5.6實驗結果探討...............................60

第六章 結論及未來研究方向與展望..............62
6.1 研究成果..................................62
6.2 結論......................................62
6.3 未來研究方向與展望........................63

參考文獻......................................65

作者簡介......................................67

圖索引

圖2-1　HSI彩色三角形及HSI彩色立體圖............9
圖2-2　圓形色版與HS circle.....................9
圖2-3　車牌掃描及其灰階值.....................10
圖2-4　邊緣偵測轉換圖.........................12
圖2-5　動態臨界值示意圖.......................14
圖2-6　3×3的結構元件..........................15
圖2-7　膨脹與侵蝕範例.........................16
圖2-8　一個連通圖形的例子.....................18
圖2-9　軟體操作介面...........................22
圖3-1　車牌定位流程圖.........................23
圖3-2　一張偏暗的影像.........................24
圖3-3　一張偏亮的影像.........................24
圖3-4　原始車牌影像...........................25
圖3-5　圖3-4經HSI轉換後再經二分法後之影像.....25
圖3-6 邊緣資訊圖.............................26
圖3-7 非彩色資圖.............................27
圖3-8 黑白轉換後的非彩色資訊圖...............28
圖3-9 群組化.................................29
圖3-10 對圖3-9侵蝕的結果......................29
圖3-11 對圖3-9膨脹的結果......................30
圖3-12 對照原始影像之車牌候選區域.............31
圖3-13 初步取出之車牌區域.....................31
圖4-1　車牌二值化後影像的結果.................32
圖4-2　車牌影像二值化後統一轉換為白底黑字.....33
圖4-3　字串切割流程圖.........................33
圖4-4　車牌候選區域...........................34
圖4-5　灰階處理...............................34
圖4-6　二值化處理.............................34
圖4-7　細部定位上下界.........................35
圖4-8　細部定位左右界.........................36
圖4-9　連通法切割字元的結果...................36
圖4-10 最近鄰域內插法意示圖...................38
圖4-11 「1」與「I」的差量圖...................40
圖4-12 「1」與「1」的差量圖...................40
圖5-1　車牌影像取像示意圖.....................42
圖5-2　不同取像角度與不同距離車牌影像取像圖...42
圖5-3　一個定位成功實例.......................44
圖5-4　車牌字元I字辨識成功結果................48
圖5-5　一個上下傾斜5°影像的成功辨識實例.......49
圖5-6　一個車牌前後傾斜影像的成功辨識實例(取像距
離300 cm並與正面偏10°取像)..............49
圖5-7　一個車牌前後傾斜影像的成功辨識實例(取像距
離240 cm並與正面偏15°取像)..............50
圖5-8　一個車牌前後傾斜影像的成功辨識實例(取像距
離180 cm並與正面偏20°取像)..............50
圖5-9　一個背景昏暗影像的成功辨識實例.........51
圖5-10 一個水箱罩複雜影像的成功辨識實例.......51
圖5-11 一個車牌反光影像的成功辨識實例.........52
圖5-12 一個車牌字元退色影像的成功辨識實例.....52
圖5-13 一個車牌字元污損影像的成功辨識實例.....53
圖5-14 一個車牌為黃底黑字影像的成功辨識實例...53
圖5-15 一個車牌為白底綠字影像的成功辨識實例...54
圖5-16 一個車牌為白底紅字影像後拍的成功辨識實例
.......................................54
圖5-17 一個車牌為白底紅字影像前拍的成功辨識實例
.......................................55
圖5-18 一個車牌為白底黑字影像的成功辨識實例...55
圖5-19 一個車牌為紅底白字影像的成功辨識實例...56
圖5-20 一個車牌為綠底白字影像的成功辨識實例...56
圖5-21 一個車牌為四碼的綠底白字影像的成功辨識實例 .......................................57
圖5-22 一個車牌為藍底白字影像的字元切割結果...57
圖5-23 一個車牌為藍底白字影像的測試結果(連通錯)
.......................................58
圖5-24 一個有下雨天情形影像的成功辨識實例.....58
圖5-25 一個背景複雜測試結果(定位失敗).........59
圖5-26 一個車體複雜測試結果(定位失敗).........59
圖5-27 整體車牌辨識率計算示意圖...............61

表索引

表2-1　三種常見的邊緣偵測遮罩.................11
表2-2　現有臺灣地區車輛牌照的顏色配置.........16
表2-3　原字型正規化後的結果...................19
表4-1　字元正規化前後比較.....................37
表4-2　樣板字元...............................39
表5-1　作業環境...............................43
表5-2　第一類測試資料定位結果.................44
表5-3　第二類測試資料定位結果.................45
表5-4　車牌統一為白底黑字的結果...............45
表5-5　車牌辨識統計資料表.....................46
表5-6　字元辨識統計資料表.....................46
表5-7　樣板比對錯誤的車牌.....................47

[1]American Traffic Systems (ATS),
http://www.traffic.com/, 1999.
[2]林泰良，智慧型車牌定位與字串分割，台灣大學電機
工程學系碩士論文，2000。
[3]陳麗奾，在未設限環境下車牌的定位與辨識，師範大
學資訊教育研究所碩士論文，2000。
[4]B. Enyedi, L. Konyha, C. Szombathy, and K.
Fazekas, “Strategies for Fast License Plate
Number Location,” in Proc. of Int, Symposium
Electronics in Marine, pp. 16-18, June 2004,
Zadar, Croatia.
[5]黃錦溢，車牌自動辨識系統之設計，淡江大學電機工
程學系碩士論文，2000。
[6]Y. Zhang and C. Zhang, “A New Algorithm for
Character Segmentation of License Plate,” in
Proc, of IEEE Int. Conf, on Intelligent
Vehicles Symposium, pp. 106-109, June 2003.
[7]Y. P. Huang, S. Y. Lai, and W. P. Chuang, “A
Template-Based Model for License Plate
Recognition,” in Proc. IEEE Int. Conf. on
Networking, Sensing and Control, vol. 2, pp.
737-742, March 2004
[8]H. A. Hegt, R. J. de la Haye, and N. A. Khan,
“A High Performance License Plate
Recognition System,” in Proc. of IEEE Int.
Conf. on Systems, Man, and Cybernetics, vol.
5, pp. 4357-4362, Oct. 1998.
[9]溫福助，類神經網路樣板比對法於車牌字元辨識之研
究，台灣大學電機工程學研究所碩士論文，2000。
[10]M. A. Ko and Y. M. Kim, “License Plate
Surveillance System Using Weighted Template
Matching,” in Proc. of the 32nd IEEE
Workshop on Applied Imagery Pattern
Recognition, pp. 269-274, Oct. 2003.
[11]張勝仁，一個可增強車牌字元辨識效能的多重辨識
器設計，中原大學電子工程系碩士論文，2003。
[12]繆紹綱、張勝仁，以辨識車牌之多重辨識系統之方
法，中華民國發明專利第I 236638號。
[13]繆紹綱，數位影像處理，台灣培生教育出版，
2003。
[14]陳翔傑，自動化車牌辨識系統設計，中央大學電機
工程系碩士論文，2005。
[15]吳成柯、戴善榮、程湘君、雲立實，數位影像處
理，儒林圖書公司， pp. 193-196，1993。
[16]魏銪志，動態多標的車牌辨識系統之研究，元智大
學資訊管理學系碩士論文，2000。
[17]P. Comelli, P. Ferragina, M. N. Granieri,
and F. Stabile, “Optical Recognition of
Motor Vehicle License Plates,” IEEE Trans.
on Vehicular Tech., vol. 44, no. 4, Nov.
1995.
[18]R. C. Gonzalez and R. E. Woods, Digital
Image Processing, Addision-Wesley, 1992.
[19]黃文吉，C++ Builder6與影像處理，儒林圖書股份
有限公司，2003。
[20]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，元智大學資訊研究所碩士論
文，1998。
[21]馬西聰，利用灰色關聯度辨識車輛字母的研究，臺
灣科技大學電機工程研究所碩士論文，1997。
[22]蔡明志，C++ 程式語言入門，松崗，1991。
[23]張皓傑，C++ Builder 程式設計聖經3.0，和碩科技
叢書，1997。
[24]李勁、鄭皓，精通C++ Builder 5.0 文魁資訊股份
有限公司，2001。