車牌辨識系統 班級:四機三C 學生:郭泓毅 4960H207 石濟魁 4960H151
一、前言 二、硬體介紹 三、系統介紹 四、心得
一、前言 從80年代開始發展車牌辨識系統至今，已廣泛應用於收費停車場、社區大樓停車場以及高速公路收費站，等車輛管理與監控系統上之應用，甚至裝設在移動警車上協尋贓車。 人們可以直接透過影像排除因疲累而發生的錯誤，這樣更節省時間跟人力資源。
三、硬體介紹 1.PC:資料傳入電腦後經過一連串分析，跑出所需的結果。 2.影像擷取:脈衝式紅外線CCD攝影機來負責擷取。 3.影像監控卡:傳輸影像的介面
四、系統介紹 車牌辨識系統可區分為三個子系統:車牌定位、字元切割及字元辨識。 1.車牌定位使用Quadra Spline Wavelet，因為若灰階值有明顯變化，過小波轉換後，會產生局部的波峰或波谷(peak)，利用此特性可以定位出車牌。 小波Wavelet:是以數學基礎為發展背景的一種訊號處理技術，不同的小坡累行有期不同的波長型態，常用來做影像處理和訊號分析等工程問題。
在小波轉換前，須要先將彩色影像轉為灰階影像，而且為了使車牌觀察起來有更佳的呈現方式，必須將灰階影像做Historgram Equalization(柱狀圖等化)處理，等化的好處是使車牌的字體更為明顯，使小波轉換的效果更好。
圖一 灰階值分佈
圖二 等化後的灰階值分佈
第一次水平掃描 清除稀疏紅線 第二次水平掃描 正確框選車牌 圖三 車牌定位流程
2.字元切割，將切下來的車牌灰階影像(RGB)轉成二元影像，取一個二值化的門檻值Ｋ，並用Otsu法來取K值，再經切割背景、分離字體等步驟而成。
框選出的車牌 二值化 切割背景 分離字體 圖四 字體切割的流程
3.字元辨識採用類神經網路(必須建立一個訓練樣本，使類神經網路在學習過程中有參考範例)，訓練樣本的建立來自於車牌文數字的特徵值。 對影像大小做取樣動作，採上下分割成5條線，左右也分成5條線的切割字體，如圖五。 圖五 擷取範圍特徵
類神經網路簡介:是一種以電腦來模擬人類腦神經細胞網路的科學。這個系統採用3層式的倒傳遞演算法，也就是一輸入層、一隱藏層和一輸出層，使用到傳遞演算法的原因是因為他是目前類神經網路學習模式具有代表性、廣泛被使用的模式。
開始 讀入網路權值矩陣 圖六 辨識流程 輸入特徵向量 回想過程 得到網路推論向量 結束
最後交由程式進行比對如圖七&圖八 圖七 辨識結果
圖八 比對正確圖 辨識結果之車牌號碼在比對資料內，此時介面會顯示O，反之則會跑出X。
四、心得 車牌辨識系統發展到目前也幾經十幾年，技術更朝著 辨識模糊車牌影像(須克服取像品質不佳、車速太快或光線不足) 辨識車牌及車輛顏色(「8」與「B」、「0」與「D」等相似字) 語音控制 支援百萬畫素網路攝影機(反光問題) 自動調整對比、亮度 可攜式技術 結合GIS技術(呈現車輛行駛過的路徑) 結合POS系統(停車場的管理) 結合多元化系統 (貨櫃自動通關管理系統 EX:高雄港) 的趨勢發展 希望可以帶給人們更人性化的管理方式
END~