摘 要：车辆牌照识别技术（Vehicle License Plate Recognition，VLPR）以快速准确从图像中检测出车牌号码的优点，成为智能交通网络实现的前提。车辆牌照识别技术的实现主要分为图像预处理、车牌定位、字符分割和字符识别等部分，每个部分均有若干方式可以实现，本文先介绍了车辆牌照技术中常用的方法，再对比了各种方法之间的优点和缺陷。
关键词：车牌识别；图像预处理；车牌定位；字符分割；字符识别
中图分类号：TP391.41 文献标识码：A 文章编号：2096-4706（2019）16-0078-06
The Status of Vehicle License Plate Recognition Technology
DENG Jiacheng1，HUANG Hesheng1，YANG Lin1，WEI Yadong1，2
（1.Dongguan University of Technology，School of Electronic Engineering and Intelligentization，Dongguan 523808，China；2.Institute of Science and Innovation，Dongguan University of Technology，Dongguan 523808，China）
Abstract：Vehicle License Plate Recognition （VLPR） technology，which has the advantage of fast and accurate detection of license plate numbers from images，has become a prerequisite for the implementation of ITN. The realization of vehicle license plate recognition technology is mainly divided into image preprocessing，license plate location，character segmentation and character recognition. Each part can be realized in several ways. This paper first introduces the commonly used methods in vehicle license plate technology，and then compares the advantages and disadvantages of each method.
Keywords：license plate recognition；image preprocessing；license plate location；character segmentation；character recognition
基金项目：本文系东莞理工学院大学生创新创业训练计划项目：基于深度学习的VLPR系统（项目编号：201811819076）；东莞理工学院高层次人才（创新团队）科研启动项目：激光先进智能制造工程技术中心（项目编号：KCYXM2017022/KCYCXPT2017004）资助。
参考文献：
[1] 喻晓，李慕龙，张礽婧，等. 复杂车辆图像中的车牌定位 [J].电子设计工程，2010，18（12）：120-123.
[2] 胡爱明，周孝宽. 车牌图像的快速匹配识别方法 [J]. 计算机工程与应用，2003（7）：90-91+110.
[3] 江进. 基于灰度化及边缘检测算法的车牌识别技术研究 [J]. 现代计算机（专业版），2014（1）：38-41.
[4] 李耀辉，刘保军. 基于直方图均衡的图像增强 [J]. 华北科技学院学报，2003（2）：65-67.
[5] 李青，王福明. 基于傅里叶变换的指纹图像增强算法 [J].计算机时代，2010（2）：56-57.
[6] 张威，孙玉秋，赵天玉. 一种基于频率域和空间域相结合的图像增强方法 [J]. 长江大学学报（自科版），2013，10（19）：50-52+161.
[7] 葛小凤，陈亚军. 经典边缘检测算子及其抗噪性能研究 [J].数字技术与应用，2015（2）：107-109.
[8] 贺桂娇. 几种经典的图像边缘检测算子分析比较 [J]. 计算机光盘软件与应用，2014，17（9）：182-183.
[9] 李硕明，付仲良，彭彬慧. 基于字符行特征的车牌倾斜矫正算法 [J]. 江汉大学学报（自然科学版），2006（1）：35-37.
[10] 路小波，包明，黄卫. 基于投影的车牌倾斜检测方法 [J].交通运输工程与信息学报，2004（4）：10-15.
[11] 吴一全，丁坚. 基于边缘点投影方差最小的车牌倾斜校正方法 [J]. 系统仿真学报，2008（21）：5829-5832.
[12] 黄红燕，叶绿. 文字图像的整体倾斜矫正 [J]. 计算机工程与应用，2006（6）：58-61.
[13] 谭司庭，胡志坤. 基于HSV 色空间的车牌定位综合方法 [J]. 计算机与应用化学，2011，28（7）：903-906.
[14] 张丽静，孙杰，殷晓宇. 基于HSV 颜色空间的车牌定位方法 [J]. 微计算机信息，2008（7）：247-248.
[15] 常巧红，高满屯. 基于HSV 色彩空间与数学形态学的车牌定位研究 [J]. 图学学报，2013，34（4）：159-162.
[16] 牛欣，沈兰荪. 基于特征的车辆牌照定位算法 [J]. 交通与计算机，2000（1）：31-33.
[17] 蔡钦涛，方水良，任俊. 基于边缘生长的车牌定位新方法 [J]. 公路交通科技，2004（11）：110-113.
[18] 胡峰松，朱浩. 基于HSI 颜色空间和行扫描的车牌定位算法 [J]. 计算机工程与设计，2015，36（4）：977-982.
[19] 王枚，王国宏，潘国华. 融合边缘检测与HSV 颜色特征的车牌定位技术 [J]. 计算机应用研究，2007（8）：209-211.
[20] 杨涛，张森林. 一种基于HSV 颜色空间和SIFT 特征的车牌提取算法 [J]. 计算机应用研究，2011，28（10）：3937-3939+3976.
[21] 黄文杰. 基于投影的车牌字符分割方法 [J]. 现代计算机（专业版），2009（8）：57-60.
[22] 蒋传伟. 车牌识别系统中车牌定位与字符分割的研究 [D]. 武汉：华中科技大学，2006.
[23] 兰伟. 验证码字符图像分割技术研究 [J]. 软件导刊，2014，13（10）：130-131.
[24] 李强，张钹. 一种基于图像灰度的快速匹配算法 [J]. 软件学报，2006（2）：216-222.
[25] 顾晨勤，葛万成. 基于模板匹配算法的字符识别研究 [J].通信技术，2009，42（3）：220-222.
[26] 杨海廷. 基于纹理特征的车牌识别系统的研究与实现 [D]. 成都：电子科技大学，2005.
[27] 贾婧，葛万成，陈康力. 基于轮廓结构和统计特征的字符识别研究 [J]. 沈阳师范大学学报（自然科学版），2006（1）：43-46.
[28] 吴裔慧. 基于卷积神经网络的场景理解方法研究 [D]. 北京：清华大学，2015.
[29] 陈先昌. 基于卷积神经网络的深度学习算法与应用研究 [D]. 杭州：浙江工商大学，2014.
[30] 何小飞，邹峥嵘，陶超，等. 联合显著性和多层卷积神经网络的高分影像场景分类 [J]. 测绘学报，2016，45（9）：1073-1080.
[31] 谢宝剑. 基于卷积神经网络的图像分类方法研究 [D]. 合肥：合肥工业大学，2015.
作者简介：
邓嘉诚（1998-），男，汉族，广东湛江人，本科在读，研究方向：AI 与机器视觉；
通讯作者：
魏亚东（1977-），男，汉族，河北武邑人，博士，副教授，研究方向：光电技术及系统、AI 与机器视觉与核探测技术等方面。