车牌定位在电子警察中的工程应用

从gmax开始反向积分(求和)，就可以得出th，而且th会随着图像的亮暗程度、对比度自适应变化。

2.3 图像旋转与车牌定位

　　在实际施工中，镜头的架设常受到条件的限制，图像的倾斜程度特别大。这时，用图像的旋转不变距显然难以凑效，只有对图像进行旋转。而且这个角度的设定对具体的环境不再发生变化，知道了这个角度，也有利于汽车的运动轨迹判断。

　　进行完前面的预处理工作后，定位车牌就容易了。对图像自下而上逐行扫描，在限定的模板宽度内，若变化频率达到一定次数，例如10次，则向下开始扫描，直到满足模板高度，将这个区域定为车牌的候选区。如果没找到车牌，则将车牌的模板进行一些调整，再继续搜索，还是找不到，就是没有车牌。对于多个候选的区域，可以进行粗略的聚类估计和简单的逻辑判断，以提高定位准确性。

3 运行结果

　　用这一套组合策略，对不同时间、不同交通路口、不同光照下抓拍的汽车图像进行车牌定位识别，定位结果如表1所示。

在选图时，夜间图像占20% 左右。从上述结果，可以清楚地看出，公共汽车的准确率最低，这是因为公共汽车有许多广告和粘贴纸，造成了错误定位。卡车的车牌在车框下边，较为隐蔽，有些车牌特别脏，识别比较困难。而出租车和中巴车的错误定位大多是夜间图像引起的。还要说明一点，夜间图像在拍摄时加了红外补光系统。针对工程应用的水平，这个结果是令人满意的。

　　本文只介绍了电子警察抓拍系统中车牌定位的内容。电子警察系统最大的困难就是受自然环境的影响特别大，而且安装时总是要去适应地形环境，所以拍摄到的图像有时非常不好，并不象实验室处理的那么理想。因此要找到一种适应性较好的定位方法，只有舍弃许多优越的处理方法。本文使用的这种图像处理的策略，只设定几个参数，在特定的环境中可以实现二值化阈值的自适应调整，将车牌识别提高到工程应用的水平。总体上来说，具有较好的适应性。