车牌识别技术是实现交通管理智能化的重要课题之一,在城市交通监控、电子收费、停车场出入控制等场合中发挥着重要作用。目前,大多数的研究只是针对监视区域中单个车辆的车牌进行定位识别处理,而在真实环境中,如城市要道、多车道公路路口等监视区域中,视野范围比较大,常常会同时出现两辆或多辆汽车。针对这种情况,论文围绕视频图像的多车牌识别技术,展开对双车道上的车辆进行车牌识别的研究。具体研究工作如下:(1)针对交通监控视频中目标的运动特点,在分析研究运动模糊图像复原方法的基础之上,采用了一种基于Radon变换的运动模糊图像参数估计方法。该方法通过对退化图像频谱的分析,运用Radon变换辨识出退化图像的模糊角度θ,再对沿运动方向微分后的图像求自相关函数,利用已辨识出的θ求得模糊长度L,然后利用θ和L两个参数构建点扩散函数,最后采用维纳滤波实现模糊车辆图像的复原。(2)给出了一种基于HSV颜色空间的车牌定位方法,方法原理是将获取的车辆图像转化到HSV颜色空间后构造5级灰度图,再根据车牌底色相应的灰度级进行二值化处理,运用投影方法确定各车牌候选区域,利用车牌的先验特征分析各个候选区域,将不符合车牌特征的候选区域剔除,最终实现视频中双车道的多个车牌的准确、实时定位。该方法可在一定限度内自适应车牌的大小、数量,可满足既要提取单车牌又要提取多车牌的监控系统的基本需求。(3)在字符识别时,从双车道上车辆牌照中分割出的字符整体偏小,论文采用线性标准化方法对其归一化处理,同时采用像素内插值技术,保证了车牌字符图像尺寸的一致性和图像的清晰度。(4)分析比较了模版匹配和BP神经网络两种字符识别方法的优劣,其中针对BP网络收敛速度慢、训练时间长的缺点,对BP网络进行了一些改进,并依据车牌特征设计了汉字子网络、字母子网络、字母数字子网络,利用粗网格特征法提取出的字符特征库对三个子网络进行训练,最后将待分类的字符送到相应的子网络中实现对字符的分类。实验表明,采用改进的BP算法,字符识别的准确性、实时性都有一定的提高。(5)设计实现了一个基于视频图像的多车牌识别原型系统。