山西大学论文
编号：
论文题目 基于iOS的车牌识别系统的设计与实现
姓 名 院系、专业 计算机与信息技术学院、软件工程 学习年限 2011 年 9 月至 2015 年 7 月 指导教师
学位级别 学 士
2015年4月8日
基于iOS的车牌识别系统的设计与实现
指导教师： 学生姓名：
内容摘要 本毕设基于iOS平台实现了移动手机上的车牌识别，可以通过相机或者相册选取图像，将图像中的车牌识别并以文本的形式输出。系统主要使用了开源计算机视觉库OpenCV和SVM等机器学习算法，完成了车牌的定位检测，字符的分割识别等步骤，最终实现了车牌识别。本系统可用于交警在不良条件下执法，亦可以用于私家车车主，方便车主在事故现场取证报警。 关键字 iOS；OpenCV；车牌识别
1、引言
1.1 国内外现状
模式识别（Pattern Recognition）技术于二十世纪八十年代开始迅速发展，基于这一技术的相关应用也迅速被人们付诸于实践，如人脸识别、指纹识别等，这其中也包括了车牌识别（License Plate Recognition）技术。
在车牌识别方面，国外的研究要早于国内，且技术相对成熟。二十世纪九十年代，A.S.Johnson等人通过字符的模版匹配技术设计并实现了一种车牌识别系统，与此同时，R.A.Lotufo等采用自适应阈值，边界跟踪，垂直投影，统计最近邻分类器等方法也实现了一种车牌识别系统[6]。在市场产品化方面，国外也有许多优秀的产品得到推广，如HTS公司的SeeCar车牌识别（LPR/ANPR）系统可在高速公路实现车牌的实时识别。以色列的See/Car System和Insignia系统，新加坡的 VLPRS、澳大利亚Auty公司的Safe--Cam系统、俄罗斯的 Golden Eaglej等产品也在其本国有着很好的应用。
我国对车牌识别技术的研究要晚于西方发达国家，而且我国车牌构成复杂，既有汉字，又有字母和阿拉伯数字，而且车牌还分不同的类别，类别不同车牌的规格颜色也不尽相同，这都给车牌识别带来了一定难度，国外的车牌识别技术也并不适用于我国。因此，我国有许多高校和学者从事此方面的研究，国内最早的车牌识别产品有北京汉王科技公司智能交通部门的“汉王眼”车牌识别系统和四川川大智胜软件公司的基于“车牌识别”的智能交通应用系统[6]。目前，市场上有很多成熟的以车牌识别为核心的产品，如基于 DSP 的嵌入式车牌识别、车牌识别停车场管理系统、超速抓拍举证系统等产品[6]。但是由于车牌识别的准确率和获取的图像质量有很大关系，因此，大部分产品对使用环境有较高的要求。
随着智能移动终端的发展与普及，智能手机、平板电脑已经接管了人类的许多工作。在计算机视觉处理方面，移动终端越来越高的硬件配置也让许多任务从专业平台或者传统计算转移到移动终端上来，
并创造出了新的价值，这其中，最显著要数拥有3D画质的游戏的发展，如iOS平台上的《无尽之剑》。车牌识别在移动终端上的应用则较晚，2011年Linnaeus大学的Ahmad成功将车牌识别系统在Android平台上实现,但是在车牌字符识别的过程中达到85%的识别率[8]。在国内,华中科技大学的徐伟、张舟在武汉ETC (电子不停车收费)系统的稽查子系统中,成功将车牌识别移植到Android平台[8]。但是，基于iOS平台的车牌识别系统至今还没有出现，有待人们去开发相关应用。 1.2 选题的目的及意义
随着移动终端设备的迅速发展，与其相关的应用已经体现在了人们日常生活中的方方面面，人们可以使用随身携带的可移动设备做更多事情。交通作为与人们生活息息相关的一个方面，与之相关的移动开发也是层出不穷，如基于地图导航的公交查询，线路查询，以及其向旅游方面衍生的周边服务类应用，还有车票（机票）查询与订购等等。这些都极大的方便了人们的出行。
由于车牌是车辆的一种重要身份标记，车牌识别系统也自然成为了交通监管环节的核心，而且是交通系统的重要研究领域。随着我国经济的腾飞与交通事业的发展，越来越多的人们拥有了私家车，出租车、专车、公交车等公共交通车辆数目也急剧增长，伴随而来的是越来越多的逃避年检，肇事逃逸等违法行为，此时传统的交通监控系统也就显现出了它的局限性。例如，在2014，在新闻中屡次出现女青年乘车失踪，然后被害的案件。导致这样的惨案发生，在一定程度上就是因为传统的交通监控系统无法在地域偏僻的地方及时给民警提供犯罪嫌疑人驾驶的车辆信息。
随着国家对智慧城市建设的推进，结合了物联网、云服务等技术的智能交通系统将会给人们提供更丰富的信息，更优的建议，更可靠的服务。由此，车牌识别技术在移动终端上的实现也就有了更加广泛的应用。交警可以利用手机或者平板电脑更加便捷地进行道路稽查，违法取证，普通民众可以对违法车辆给予及时的监督举报，车主也能方便的自己在手机上查询自己的违章信息。
基于以上所述，本系统将在iOS系统上设计并实现一套车牌识别系统。
2、关键技术
2.1 OpenCV
OpenCV（Open Source Computer Vision Library），即“开源计算机视觉库”，由一系列C函数和C++类构成，涵盖了计算机视觉的诸多领域，如物体识别、图像分区、人脸识别、动作识别、运动跟踪、机器人等。OpenCV的基本模块如下图所示：