车牌识别采购、研发纵览

《车牌识别采购、研发纵览》是目前最详细的关于车牌识别的资料。本书分两部分：

第一编，介绍车牌识别的技术知识，包括目前我国主要的车牌识别产品名单、车牌识别产品必备/附加的功能，以及车牌识别的应用范围；

第二编，介绍车牌识别的研发知识，其中包括，车牌识别程序的模块、车牌识别程序内核模块的各种类型以及各个子模块的详细算法。

第一编对于广大车牌识别采购人员十分重要；对于广大车牌识别开发人员，要在熟悉了解第一编的基础之上，研读第二编。

第1编 采购

这是《车牌识别采购、研发纵览》的前半部分，是广大车牌识别采购者的必读部分。对于车牌识别研发人员来说也是有很大的参考价值，而且对后面的开发有极大的帮助。

第1章 车牌识别供应商

通过本章，采购人员可以对我国的车牌识别技术水平有一个概括性的认识；研发人员也应该能够了解到这一技术目前的成熟程度。

第1节 车牌识别供应商列表

车牌识别并没有统一的国际标准。本章仅仅列举我国的车牌识别供应商。（因为车牌识别市场比较热门，下面的表格难免遗漏一些新的成员）

车牌识别供应商 列表

第2节 车牌识别供应商举例——绿睿科技

车牌识别属于知识密集型产业。研发车牌识别需要大量的高级软件人才。绿睿科技公司正是一家拥有大量软件人才的公司。她座落于我国的硅谷——北京中关村。“爱国，勤奋踏实，艰苦创业”是该公司的主题。绿睿公司希望能和合作伙伴一起，实现我国的产业升级和结构性调整，提升合作伙伴产品的附加值。让更多的国内公司积极参与世界经济产业链条中，上游的竞争。

绿睿科技以研发为主，而以市场推广为辅；绿睿集中精力提高产品质量，而将更多利润让给合作伙伴。

绿睿科技全体同仁艰苦创业，于2009年推出车牌识别这一智能交通领域产品。绿睿拥有该产品的核心技术和独立的知识产权，而且不断地对产品进行更新换代。

有关绿睿科技更详细的资料请登陆该公司官方 站：www.voicing.cn。以下是该公司的标示：

向您推荐 —— 绿睿 车牌识别 车牌识别采购、研发纵览

第3章 配套产品

车牌识别作为一项核心技术必须结合其他技术才能被广泛应用。同时资优价廉的车牌识别软件必然会提高相关产品的销售量，其他产品因此实现高附加值。

第1节 照明光源

目前来说，照明光源普遍采用电光源（把电能转换成光能）。因为车牌识别系统本身也消耗电能，所以车牌识别的照明光源全部采用电光源。从发光原理上讲，点光源一般分为以下三大类。

热辐射光源 利用电流的热效应。让光源达到三千度以上的温度。光源便开始发出可见光。热辐射光源通常色温较低，比如我们平常见到黄色光源。性能优良的车牌识别系统不会受此影响。

半导体光源 在电场作用下半导体p-n节发光，电能利用效率高，是近年来新开发的光源类型。可以采用高功率白色的半导体光源，同时也方便将光束投射到车牌上。是夜间车牌识别的理想光源。

需要指出的是，MIS系统和车牌识别同为软件。在整个车牌识别系统中互相配合工作。一般来说，MIS系统理论较为成熟，开发难度不大；而车牌系统理论并没有完全成熟，开发难度极大。但是MIS系统必须针对单个项目单独开发，不容易复制。这就大大提高了MIS系统本身的成本，通常情况下MIS系统要比车牌识别核心模块 价高。因为车牌识别软件较容易复制，从而分担成本。

第3节 相机

车牌识别只能用数码相机，不可以使用传统的模拟相机。数码相机利用感光电子元件把光学信 转换成数字图像信 。感光元件有两种CCD和CMOS。CCD相机质优价高，对车牌识别来说没有必要。如果是对于普通的车牌识别系统，CMOS相机足以满足要求。

相机种类很多，具体到车牌识别相机也有很多种。这里列举一下适合车牌识别使用的相机。

工业相机：性能较好，它速度快，清晰度高。有的借助图像采集卡可以得到更好的效果。适合条件比较恶劣的环境。

QQ摄像头：根据摩尔定律，电子产品——QQ摄像头的性能不断提高，价格不断下降。目前的QQ摄像头性能已经达到或者超过普通监视摄像头的性能水平；而价格十分便宜。将来可能成为车牌识别相机的首选。

数字信 普遍采用以太 传输，使用超五类线。其传输速率高大1000兆，传输距离远达100米完全可以满足车牌识别的需要。数字视频信 经过压缩后，可以节省带宽，不过这对相机有一定的要求。目前车牌识别系统中的视频信 很少压缩。

第4章 软件接口

车牌识别做为一个软件模块，需要提供软件接口，才能够被整合到整个车牌识别系统中，正常工作。

车牌识别适合何种软件接口，下面将一一介绍：

第1节 DLL

DLL的全称是Dynamic Linkable Library，中文名称是动态链接库。他不能单独的运行，需要其它程序加载。DLL最大的优点是应用程序共享代码和其他只读资源，有效地节省系统开支。

更为重要的是DLL迎合了程序的模块思想。所谓的模块就是一个功能相对完整的软件“零件”。一台机器的零部件可能来自于不同的生产厂家；同样的道理，车牌识别应用系统中，车牌识别模块可以由其它厂家提供。

车牌识别系统中，相机驱动程序本质上也是一个动态连接库。

除了windows系统外，linux系统也有类似的思想，不过叫做elf。其中的字母l标示连接的意思。同样地，车牌识别的动态库也可以提供linux的版本。

第2节 ActiveX

ActiveX的本质也是上一节中提到的动态链接库。不过ActiveX的接口更为方便。AcitveX由开发人员事先打包，可以方便的嵌入包括浏览器的各种软件之中。很多语言包括Java都支持ActiveX控件。

ActiveX没有很好的跨平台性，目前仅仅能在windows上运行。虽然如此，但是考虑车牌系统目前也都是在windows系列操作系统上运行，所以车牌识别模块封装成ActiveX控件的优越性也不会打折扣。

另外 页上的ActiveX有一定的安全问题，但是这并不会影响到车牌识别系统的安全性。

向您推荐 —— 绿睿 车牌识别 车牌识别采购、研发纵览

第3节 COM

和ActiveX控件一样，COM的本质也是动态链接库，COM也是有一种共享代码的方法。有了COM，软件工程就可以像是搭积木一样进行，甚至普通人都可以编程序。

对COM的调用者来说，他们看到的每个COM是一个类，类有接口。类和接口都是用GUID标示的。这里的GUID本质上是一个全球唯一的数，任何编程语言都可以处理。

但是目前车牌识别模块，提供COM借口得并不是很多。原因在于COM技术已经过时，微软已经放弃了对COM的维护工作。COM也不如ActiveX控件来得方便。

COM同样也只能用到Windows系列操作系统上。

c/c++语言是一种中级语言，它既有高级语言的简单性，又有和低级语言的相近的高效率。c/c++语言的高级语言特性，使得其描述车牌识别中比较复杂的逻辑较为方便。而其低级语言的特性，使得用c/c++语言开发的车牌识别程序执行速度快，内存开销小。

c/c++语言也十分容易移植，车牌识别的核心程序，在Windows系列操作系统上调试通过后，很容易移植到Linux系列操作系统上，而Linux系列操作系统也可以是在Arm机上运行的。

c是面向结构的，c++是面向对象的。这使得c/c++方便描述复杂的数据结构和算法。适合车牌识别中的字符识别操作。

c/c++语言的资料丰富，技术成熟。 上图像处理方面的程序较多是用c/c++编写，很容易把它们放到自我开的车牌识别程序中去。

c/c++开发环境也比较好，vc支持可视化编程，调试时变量跟踪异常方便，将c/c++不稳定性降到最低。

最为重要的是多数车牌识别程序都是基于c/c++的。

人工智能语言——Prolog

Prolog是目前为止中为重要的人工智能语言之一。他的语法中含有谓词，跟自然语言极为相似。使用Prolog描述完规则和事实后，Prolog内部进行演绎推理，自动给出结果；无需程序员关心内部操作。这样能够就大大加速了车牌识别的研发进程。

Prolog中的事实，用来描述对象和对象之间的关系。事实由谓词和对象组成。比如 Close(current_character,2). 表示当前识别的字符有两个封闭区域（车牌识别中“B”和“8”中的情况）。

Prolog中的规则由多个相关的简单句子组成。规则中结论放在前面，条件放在后面。例如：Q(character):-Anisomerous(character),Close(character,1). 表示如果字符只有一个封闭区域，而其不对称的话，那么这个字符是“Q”。

Prolog中的目标可以在事实和规则提交之后自动得到。

Prolog拥有和c语言的接口，Prolog可以融入c/c++的工程中。方便将整个车牌程序整合在一起。

Matlab

使用Matlab开发车牌识别比较快，但是最后发行软件的时候不容易脱离开Malab的环境。可以用Matlab研究车牌识别算法，但是开发车牌识别Malab并不是首选。

向您推荐 —— 绿睿 车牌识别 车牌识别采购、研发纵览

arm机

Arm机是典型的精简指令系统。执行速度快，也是车牌识别的一个不错的硬件环境。

按性价比计算Arm机要比奔腾机好。如果算上周边芯片组成计算机系统，Arm机更占据成本优势。

Arm机基于Linux操作系统，车牌识别产品不会包含Windows的版本费用。Windows下面也有良好的Arm机调试环境。更可以移植已经在Windows环境下调试成功的软件。

同样地，64位的Arm机对车牌识别软件没有很大的帮助。

Arm机市面上较少，不容易购买，这是其一大缺点。

二值化算法虽然简单，但是阈值却不容易寻找。本章后面的部分，将重点介绍各种求解阈值的算法。

向您推荐 —— 绿睿 车牌识别 车牌识别采购、研发纵览

第1节 OTSU

OTSU算法的思想是：把输入图像首先转换成灰度图象，然后对图像进行直方图分析。如果直方图呈双峰分布。那么双峰之间的“谷”就是阈值。从统计学角度讲，阈值两边的距离最大。

由于车牌识别的特殊性，图象象素点的亮度为该象素点的红色分量和绿色分量的和，并且忽略蓝色分量。这一点对蓝色车牌和黄色车牌都是适用的。

OTSU算法仅对直方图呈双峰分布的图像有效。

全部代码如下：

第2节 Matlab算法

使用Matlab进行车牌识别，也是一个比较好的选择。在Matlab的环境中首先把输入的彩色图像使用命令rgb2gray转换成灰度图像。有了灰度图像就可以使用命令graythresh获得阈值了。最后使用命令im2bw对图像进行二值化。十分方便！代码如下：

I=imread(‘blood1.tif’);

imhist(I);

% 人工观察灰度直方图，发现灰度120处有谷，确定阈值T=120

I1=im2bw(I,12