1 前言
车牌自动识别包括车牌定位和车牌字符识别。车牌定位方法包括：使用车牌区域横向纹理特征的车牌定位方法;根据该板区域与罗伯茨边缘算子，Sobel 算子，Prewitt 算子和拉普拉斯边缘检测技术来定位。然而在自然环境中，汽车的背景图像具有复杂性，不均匀的照明常常干扰识别特征对象，导致出错。基于颜色特征的车牌定位方法中，RGB 彩色图像的处理往往需要占用大量的内存空间，这些限制增加了识别的难度和对计算机系统的硬件要求。笔者提出了一种基于轮廓模型识别车牌的方法，只需提取轮廓的车型，车牌识别可以在二值图像的环境中实现，这有效地解决了识别速度问题，并且能够适应不断变化的环境，以满足实际系统的要求。
2 研究车牌定位
2.1 车牌定位的过程
车辆轮廓定位车牌过程：先采集车辆通过时的图像，接着与背景图像比较并差分得到车牌轮廓，在数据库中进行车型轮廓区域、拟合线交点比较。匹配成功后，找到交叉处Bisquare线性拟合点，使用交点坐标和车牌顶点之间的相对位置关系的坐标来定位车牌。
提取模型轮廓和定位板的过程：在相机的监控，道路铺设感应线圈，当车辆通过的道路，感应线圈被触发和信号检测，然后车辆牌照识别系统接收触发信号，并采集车辆图像。并通过imsubtract 之前的绝对差值算法对视频图像的车辆(A，B)=|A - B |，不同模型的轮廓(分别为车辆无法通过，通过图像的帧A 和B)。为了提高执行的运算速度，减少存储空间，图像由灰度模式转换为二进制模式。在这种情况下，比较该模型的轮廓区域与数据库中的汽车轮廓模板交点位置，找到交叉处Bisquare线性拟合点。本文提出的模型逐行扫描计算出每条线轮廓图像平分点，将这些点Bisquare 线性拟合函数，然后返回最佳的直线。得到一个垂直平分线，采用相同的方法，计算交点的水平线和垂直线的角度，根据该交叉点坐标，使用该节点坐标和车牌4个顶点的坐标来定位车牌之间的相对位置关系。
2.2 车辆轮廓提取
摄像头实时监控道路，通过与道路背景图像比较，差分得到车辆轮廓，该方法消除了发光颜色，在车辆的传统的车辆识别方法的亮度变化，如特别重要的图像信息，可以在轮廓的提取的完整模型，精度很高，我们可以很容易地提取车辆的形状。在车辆的轮廓后的差，我们转换的灰度图像转换成二值图像，而不在保持识别特征失踪，从而降低了信息处理的量，极大地降低了存储器占用，提高了计算机的工作效率，二进制图像显示后在图2 中。然后计算出长度与宽度的比例，该车的面积等，与数据库进行比较。成功匹配的情况下，计算模型的水平和垂直方向的廓的对称点。
2.3 使用Bisquare 线性拟合
首先用最小二乘法进行线性拟合，得到的初始估计A0，B0的斜率和截距，并根据计算所述对称点集，使用Bisquare 拟合直线的直线，Bisquare 合缝如下的处理之后于，计算最小剩余(其中，N 是Y 的长度，Wi 是第i 个元素的权重，?网络连接的第i 个元素的最佳线性拟合，yi 是Y 的第i 个元素)。当满足以下条件：分钟(，) 容差(其值被设定为0.0001)时，输出端的斜率和截距B，否则周期。该程序后，得到一直线，因此，计算交点坐标，放大。
2.4 使用的节点坐标和车牌顶点之间的相对位置关系的坐标来定位车牌
根据上述方法计算出的点的坐标应与模板库的样品的节点坐标一致，通过查询与该矩形的四个顶点中的模板库车牌相交的位置的相对坐标，可以映射出用于识别车牌定位，完成车牌识别。
3 结语
在实验过程中，遇到一个问题：当车辆不是垂直通过监视区域的摄像机时，通过差分运算求得的车的轮廓是不对称的。因此，考虑到实际车辆经过的监视区域道路的狭窄，车身倾斜角的特征是小于6 度，摄像机很便宜。在位置3 的角上的摄像机的监控十字路口每增加一个照相机的两侧上，因为这组标识方案的角度的模型在3以内仍具有识别一个良好的能力。
