基于遺傳算法的車(chē)牌定位技術(shù)研究論文
摘 要：隨著(zhù)我國經(jīng)濟的快速發(fā)展，我國機動(dòng)車(chē)輛數量大大增加，給交通管制帶來(lái)了一定壓力。車(chē)牌是管理交通車(chē)輛的唯一標識，為了對車(chē)牌進(jìn)行準確的定位，根據車(chē)牌的特征，本文提出一種自適應的遺傳算法。通過(guò)實(shí)驗，該方法能有效地對車(chē)牌進(jìn)行精確的定位，達到了較好的實(shí)驗效果。
關(guān)鍵詞：
關(guān)鍵詞：遺傳算法 車(chē)牌定位 圖像處理
車(chē)牌牌照的提取是一個(gè)尋找最符合牌照特征的區域的過(guò)程，從本質(zhì)上講，就是一個(gè)在參量空間里尋找最優(yōu)定位參量的問(wèn)題。由于車(chē)牌定位中最優(yōu)定位參量的尋找不僅涉及牌照區域的特征，還有一些有關(guān)先驗知識，就構成了一個(gè)復雜的組合優(yōu)化問(wèn)題，這個(gè)優(yōu)化問(wèn)題用常規方法來(lái)解決不僅容易出錯，而且效率不高。本文采用自適應的遺傳算法準確的定位車(chē)牌圖像。
由于遺傳算法的車(chē)牌定位方法利用遺傳算法對圖像進(jìn)行優(yōu)化搜索，結合區域特征矢量構造適應度函數，最終尋找車(chē)牌區域的最佳定位參量。車(chē)牌定位是尋找一個(gè)符合“車(chē)牌區域特征”最佳區域的過(guò)程，本質(zhì)上就是從參量空間尋找最優(yōu)定位參量的問(wèn)題，但是在實(shí)時(shí)系統中，車(chē)牌定位速度受遺傳算法中迭代次數的影響很大。
1 遺傳算法
遺傳算法(Genetic Algorithm,GA)是一種新發(fā)展起來(lái)的優(yōu)化算法。是一類(lèi)借鑒生物界進(jìn)化規律演化而來(lái)的隨機化搜索方法，它是計算機科學(xué)人工智能領(lǐng)域中用于解決最優(yōu)化的一種搜索啟發(fā)式算法，能在大量干擾的數據系統中動(dòng)態(tài)尋優(yōu)，在給定的時(shí)間內搜索問(wèn)題的較好解。
1.1 遺傳算法的原理
對于一個(gè)求函數最大值的優(yōu)化問(wèn)題(求函數最小值也類(lèi)同)，一般可描述為下述數學(xué)規劃模型：
式中， 為決策變量， 為目標函數， 和 為約束條件， 是基本空間， 是 的一個(gè)子集。滿(mǎn)足約束條件的解 稱(chēng)為可行解，集合 表示由所有滿(mǎn)足約束條件的解所組成的一個(gè)集合，叫做可行解集合。
1.2 遺傳算法的基本運算過(guò)程
遺傳算法中，將 維決策向量 用 個(gè)記號 所組成的符號串表示：
把每一個(gè) 看作一個(gè)遺傳基因，它的所有可能取值稱(chēng)為等位基因，這樣 就可看作是由 個(gè)遺傳基因所組成的一個(gè)染色體。一般情況下染色體的長(cháng)度 是固定的，但對一些問(wèn)題 也可以是變化的。個(gè)體的適應度與其對應的個(gè)體表現型 的目標函數值相關(guān)聯(lián)， 越接近目標函數的最優(yōu)點(diǎn)，其適應度越大，反之，其適應度越小。遺傳操作包含三個(gè)基本遺傳操作算子(Genetic Operator)：選擇(Selection)、交叉(Crossover)、變異(Mutation)。
2 實(shí)驗結果
本實(shí)驗圖像庫中共有40幅圖(360個(gè)樣本)，其中25幅作為訓練集(220個(gè)樣本);15幅圖作為測試集(140個(gè)樣本)。
(a) (b) (c)
圖1原圖
(a) (b) (c)
圖2 實(shí)驗后車(chē)牌定位圖
圖1是采集到的原始三個(gè)圖像，圖2是經(jīng)過(guò)實(shí)驗后，定位的車(chē)牌效果圖。由圖1我們可以看出，圖(a)光線(xiàn)較好，角度適中，圖像就比較清晰，(b)圖是在較暗的光線(xiàn)下拍攝的，圖(c)是在拍攝角度和光線(xiàn)均不佳的.情況下拍攝的圖像。經(jīng)過(guò)實(shí)驗后，我們得到圖2車(chē)牌定位的三幅圖。由圖2(a)可以看出，在光線(xiàn)較好和拍攝角度比較正的情況下，我們實(shí)驗定位后的車(chē)牌效果十分清晰，而且位置也比較正。由(b)可以看出，因為受到光線(xiàn)較暗，定位后的圖像稍微有點(diǎn)模糊(和圖a比較)。由圖(c)我們可以看出，因為受到拍攝角度和拍攝光線(xiàn)的影響，定位后的車(chē)牌圖像不但模糊，而且定位的車(chē)牌位置不正，有點(diǎn)偏。
綜上所述，我們在獲取車(chē)牌原始圖像時(shí)，有時(shí)候因采集的光線(xiàn)、拍攝角度、周?chē)h(huán)境的影響，使得獲取的車(chē)牌圖像效果不佳，影響到后期車(chē)牌識別系統的研究。在車(chē)牌圖像定位過(guò)程中，算法存在某些局限性，如光照很強的部位受到影響(圖1(a)),車(chē)牌的釘子也在定位范圍內(圖1(b))，基于這樣的情況，我們在以后的研究過(guò)程中，將進(jìn)一步完善該算法，使其達到更好的定位效果。實(shí)驗結果是在windows XP/Matlab7.0.1環(huán)境下運行得到。
參考文獻：
[1]虞安軍,吳海珍,蔣加伏.改進(jìn)的遺傳算法在車(chē)牌自動(dòng)系統中的應用[J].計算機仿真,2010(11).
[2]巨志斌.遺傳算法在車(chē)牌特征選擇的應用研究[J].計算機仿真,2012(12).
[3]李睿,皮佑國.一種車(chē)牌圖像的快速定位算法究[J].微型電腦應用,2013(8).
【基于遺傳算法的車(chē)牌定位技術(shù)研究論文】相關(guān)文章：
基于遺傳算法的優(yōu)化設計論文11-20
基于移動(dòng)Agent系統的安全技術(shù)研究論文11-06
基于遺傳算法的大型圓振動(dòng)篩的優(yōu)化設計論文07-14
論文：基于遺傳算法的電工學(xué)組卷程序的研究06-16
基于A(yíng)ndroid平臺軟件開(kāi)發(fā)技術(shù)研究論文11-07
簡(jiǎn)議基于遺傳算法的MR減振器多目標優(yōu)化設計論文11-16