2024年6月15日发(作者：)
第46卷第5期
Vol.46No.5
TIMESAGRICULTURALMACHINERY
时代农机
2019年5月
May.2019
基于Halcon的车牌识别系统设计
段莉
402160）
重庆永川
（重庆科创职业学院智能制造学院
，
摘要
：
汽车牌照识别系统是智能交通系统的核心部分,可用于公路电子收费出入控制和车
形状、阈值等参数的限定，对区域进行选择和排除，最后通过
流监控等众多场合。本文通过面积
、
Halcon软件，实现了车牌图像的识别
。
字符分割；文字训练；
关键词
：
车牌定位
；
OCR识别
基于Halcon的车牌识别是指通过识别车辆车
它是智能交通系统的技
牌来认证车辆身份的技术
，
术基础，是计算机视觉、图像处理技术与模式识别
技术的融合，
是智能交通系统中重要的研究课题。
图像处
基于Halcon的车牌识别技术是集人工智能
、
计算机视觉、模式识别等技术为一体
理、数据融合
、
的复杂系统，要求识别精度高、处理时间短
。
码相机通过USB端口直接与电脑相连。由数码相机
拍摄采集到的原始图像为JPEG位图格式,分辨率
640伊480，需要将图像存储在PC机硬盘上，作为实
验的原始数据
。
系统的软件运行环境为MicrosoftWindows10
操作系统
。通过
Halcon生成的程序都是以C#编程
在
VisualStudio2017集成开发环境下语言为基础
，
完成的。
车牌识别系统结构如图
1所示
：
1
1.1
基于Halcon的车牌识别系统
车牌识别的原理
车牌校正、车牌分割、
车牌识别分为车牌定位
、
车牌识别和软件平台实现几部分。车牌的定位就是
使得车牌区域从拍摄的整张
通过对图像进行处理
，
车辆图相中分离出来。车牌定位主要是通过边缘限
定，面积限制等方法实现
。车牌图像往往由于摄像
机的摄像角度不同，使得拍摄的车牌图像产生一些
这就需要对车
倾斜,形成梯形或平行四边形的车牌
。
牌进行校正。校正主要是将这些定位好的车牌区域
进行坐标变换
，变换后的车牌图像编程规则的矩
形。车牌分割就是将校正好的车牌图相内的每一个
字符进行单独分割
。分割主要是采用车牌区域内的
文字的宽度进行距离上的划定。每个字符都将按距
这样实现了车牌的分割。车牌的识
离被划分出来
，
别是将分割好的文字进行识别。一般都是通过程序
通过类比来实现文字的读取识
调用已有的工具包
，
别。最后通过C#程序搭建处车牌自动识别的软件
平台
。
1.2基于Halcon的车牌识别系统实现
数
系统实现的硬件环境以个人计算机为核心
，
作者简介：段莉，女，重庆大足人，硕士研究生，副教授，主要
研究方向：控制工程。
图1车牌识别系统结构图
2车牌识别算法
Blob是Halcon中的分析算法。Blob分析的思
即在一个图像中相关物体的像素
想是非常简单的，
可以通过其灰度值来识别。Blob分析的优点是灵活
性非常好
。
Blob分析算法思想在车牌定位识别的过程中。
得到蓝
首先通过对初始彩色图像进行三通道处理
，
通道图像。然后对图像进行二值化处理，然后应用
得到初步的车牌区域。最
Blob分析，通过阈值限定
，
后经过阈值限定、膨胀处理及查找坐标，除去不相
得到的最终的车牌
干区域，最后实现车牌的定位
，
2019年第5期
73
第46卷第5期
Vol.46No.5
TIMESAGRICULTURALMACHINERY
时代农机
2019年5月
May.2019
区域。
3基于Halcon的车牌识别软件设计
基于Halcon的车牌识别的实现
，其每一步都是
通过充分利用内部提供的大量算子实现的。
（1）采集图像
。图像获取是在所有的机器视觉
的应用中都必须要解决的一个任务。
图像获取设备
有图像采集卡和工业相机等
。
Halcon提供了与大量
图像获取设备交互的接口
。在
Halcon里，图像获取
只有简单的几行代码
，即几个算子调用即可实现图
像的获取
。
（2）处理图像。
读取的图像需要做一定处理，图
像中的车牌为蓝底白字牌照，所以选择将RGB彩
色图像分成红色
，绿色，蓝色三个通道，以便能够单
独处理其中的明显的蓝色通道
。
（3）分割图像。
分割图像是整个车牌识别过程
中非常关键的一步,分割质量的好坏直接影响后续
对车牌区域的处理
。图像的分割又分成以下几步
:淤
阈值选择对于每一幅图来说，阈值可以被动态地提
取。对于上步选择出来的红色分量通道图片R进行
灰度处理，阈值范围160耀255。于区域相联。车牌图
像中被分割出来的区域有后车窗部分
，车牌区域等
干扰区域。运用connection算子将选择出来的区域
进行相联，
形成相连区域
ConnectedRegions。盂初步
选择车牌区域。对于处理后的图像除了车牌区域外,
其他的都为干扰区域
。在阈值处理后的图像中
,这些
区
lect_shape
域的形状和大小都不一样，
区域选择出
通
来
过
。
限
榆
定面积
车牌区域
area
膨胀
和
。对
列
于
column
是用算
于得到
将
子
的
车
se
车
牌
原
牌
需要进行膨胀处理
，膨胀半径一般为
3或5.5。虞车
牌区域的最终选定。车牌区域膨胀后，
车牌区域的
信息虽然没丢失
。但是仍存在一些边缘不整齐的凹
凸。所以要对图像进行进一步的处理
。
愚选定车牌
字符。对于上一步得到的车牌区域还需要做进一步
的处
duce_domain
理，即将
图像的域来使
把
车
用
图
牌
。
像
内的
然
和区
字
后用
域
符
算
结
选择
子
合
threshold
起
出
来
来
，
。
把
用算子
re原
对
区
车
域
牌
当
区
作
域
进行分割，
得到车牌字符。阈值范围为
160耀255。
到
此，图像分割才算结束。从最后得到的结果可以看
出，处理结果比较理想
。这为下一步文字训练以及
文字识别提供了很好的准备工作。
（4）训练OCR。训练分为两个重要的步骤:首先
对每个字符选择大量的样本并存储到所谓的训练
74
2019年第5期
文件，然后将这些文件输入到新创建的OCR分类
器中。
（5）显示结果。经过训练，得到训练结果并最终
显
set_tposition
示车牌图像
write_string
循环结束后
将
指
。在利用for循环时，首先利用算子
，文
文
定
字
字
也
写
显
最
在
示
终
指定
位置
显示
的
,然后利用算子
在
位
窗
置上
口指定位
。
这样当
置上。
for
（6）创建和训练分类器对于训练后的文字
，需
要创建一个新的分类器，存储训练结果以便以后车
牌的识别
。
4实验结果分析
经过实验和实时的图像效果显示，表明车牌的
识别研究基本成功
。下面主要从几个最重要的方面
分析一下该车牌识别算法通用性和可靠性
。
（1）车牌定位。在
车牌定位中，最关键的是图像
二值化后车牌区域的阈值范围以及面积的限定
。对
于每一张不同的车牌图像
，可能受天气情况、摄像
机与车的距离、车的颜色以及周围环境的影响
，使
得
threshold
阈值参数和面积参
准确实现
和
车牌
select__shape
数有
的准确定位
。
算
些不
子中的部
同
。这
分
只
参
需
数
要修
即
改
可
（2）车牌分割。在车牌分割过程中，要求能够将
车牌区域与整张图像完全分割出来
。其中要求分割
出来的车牌区域既不能有多余区域，又不能丢失必
需的车牌区域
。在实验处理过程中，可以看出车牌
的分割利用字符最左上角和最右下角两个对角点
的
rectangle1,
坐标将ROI
示出来。如
它
果
能
区
选择
将
域
车
框
的
牌
选
车
号
出
牌
码
来
区
以
。
域
矩
使
不
形
太
框
用
理
的
的
想
形式
算子是
gen
，只
分割
需要
显
修
改其中的坐标参数即可很容易地重新选定区域
，使
分割达到最理想效果
。
（3）文字训练。文字训练过程其实是一个简单
的程序循环，
是一个大量的重复性的丰富分类器的
过程。对于每张不同的车牌图像，只要单独写入要
训练的文字内容即可
，当所有车牌号码包含的汉
字、字母和数字训练完成后，便能识别所有的车牌
号码
。
4结论
本文主要对汽车牌照识别系统中车牌定位
、字
符分割、训练与字符识别的算法进行研究
。编程实
现了车牌的定位、字符分割
、训练
（下转第95页）
第46卷第5期
Vol.46No.5
TIMESAGRICULTURALMACHINERY
时代农机
2019年5月
May.2019
可以选择。只要方便使用就行。
5结语
依图想物是高级技能。提高
照物画图是基本，
然后
学生依图想物的能力首先应该坚持读三视图
，
将二维重现为三维的训练
。读三视图能力的训练要
就要
从易到难，循序渐进。从第二章投影基础开始
，
应
不间断贯穿始终
。考核学生脑海中空间想象力，
该借助有利工具，充分利用现有工具
。
此外课时不够的问题应该引起注意
。因为机械
制图这门课普遍定位为专业基础课，机械制图越来
教学策略制定者有时核心
越被当作传统课程对待
，
课不断加大设备投入，另一方面却逐渐轻视基础
课。在教学定位上轻视了基础课的角色却不应该
。
更要
基础的重要性并不比核心差。基础是基本功
，
才能往高级发展。笔者与多位
练好。“三板斧练好
”
对大学这几
企业负责人交流经常听到这样的声音，
（上接第74页）
年学生的制图能力感觉水平在下降，远远没有达到
企业要求。作为教育工作者，应重视制图教学质量
下滑的问题。高职整体学习时间少于本科四年，也
导致课程课时难以达到教学目标要求。
这是需要从
人才培养方案到教学实施都需要重点改革讨论的
问题。
另外工作中用到图的和教学中训练图不一样，
教学更多的是画法和投影关系，工作要用的图强调
准确表达每个特征的形位尺寸。在学校难以接触到
所以校企
企业真实图纸，企业图纸往往要求保密
，
合作是一个解决问题的途径。
参考文献
［
J］［1］李家伟.民办高校机械类专业建设探索.科技视界
，
2012（31）.
钱可强，徐祖茂
.机械制图
［
M］
高等教育出
［2］何铭新，.北京
：
版社，2016（2）.
［
M］
机械工业出版社
,2017［3］胡建生.机械制图.北京：（1）.
与字符识别。本文的处理都是针
对车辆的灰度图像，
灰度图像数据量
比彩色图像
小，运算比较简单，但是彩色图像二值化后会
丟
失
丰富的信息
。对整个
系统的软件还需做进一步优化
设计，提高程序的模块化、标准化水平，使软件设计
可靠和高
效
。
更加合理
、
参考文献
工程，2007（8）：23-36．
张宁，黄卫
援车牌识别算法的研究与实现
［
J］［2］何铁军，援公路
交通科技，2006（08）：54-58．
［
J］［3］袁宝民，于万波，魏小鹏援汽车牌照定位研究综述援大连
大学学报
，
2002（23）：68-80．
［
D］［4］尹蔚峰.车牌识别系统相关技术研究援南京：东南大学，
2006．
郭宝龙
援车牌识别系统关键技术研究
［
J］［1］张美多
，
援计算机
.电网技术，2009，37
（上接第92页）
智能用电系统［J］
（19）：11-16.
李欣民
.基于市场供需均衡的实时电价机制研究［7］何永秀
，
［J］.华北电力大学学报
，
2016，5（19）：48-54.
等
.发电侧与供电侧分时电价动态［8］李俊，刘俊勇，谢连芳
，
［
J］博弈联动研究.电力自动化设备
，
2012，32（4）：16-19.
［9］KAMYABF,AMINIM,SHEYKHHAS,
responseprograminsmartgridusingsupplyfunction
biddingmechanism［J］.IEEETransactionsonSmartGrid,
2015,7（3）：1277-1284.
［10］BuSR,YuFR,cpricingfor
demandsidemanagementinthesmartgrid［C］//2011
IEEEOnlineConferenceonGreenCommunications.
NewYork:IEEE,2011：47-51.
（上接第88页）
方便，在凸轮机构的计算机辅助设
计中具有一定的实用价值
。经过
试验仿真结果与理
论结果的多次对比，证明了基于MATLAB与UG
NX所设计出来的发动机配气机构的凸轮完全满足
发动机的配气要求。
参考文献
21-23.
黄浩，徐中
.基于MATLAB和Pro/E的凸轮轮廓曲［2］肖帮东，
［
J］线设计及从动件运动学仿真.制造技术与机床
，
2016,2
（3）：48-54.
［
J］［3］程文冬，曹岩.UG环境下内燃机配气机构的运动仿真.
西安工业大学学报
，
2009，4（1）.
［4］孙一平.基于MATLAB和NX的凸轮设计与运动仿真［J］.
贵州广播电视大学学报
，
2015，3（1）.
郑慧萌
.基于Pro/Engineer和MAT-［1］雷旌，胡瑞芳，黄阳
，
LAB凸轮配气机构的运动仿真［J］.现代机械，2012,5（8）：
2019年第5期
95
发布评论