摘要：本文提出了一种合理且实用的汽车车牌图象获取方案，并对方案中摄像头和图象卡的选取、摄像机的位置标定、汽车的车速、出入单位的汽车车队之间的距离、天气情况对摄像机所摄图象曝光量的影响等问题均进行了详细的分析和讨论，能使智能车牌识别系统在各种复杂变化的环境中获得理想清晰的车牌图象。
关键词：图象识别；车牌定位；摄象头标定；图象曝光量
中图分类号：U495 文献标识码：A
智能车牌识别系统由图象获取、图象识别、数据库管理等几部分组成，图象获取部分在整个系统中的地位是很重要的，它是后端处理的前提。获取图象质量的好坏直接影响到后端处理和识别的效果，所以本文主要对图象的获取技术进行研究和讨论。，
要获得比较清晰的图象，需要考虑许多影响图象质量的因素，主要包括：摄像头和图象卡的选取，摄像机的位置标定，汽车的车速，出入单位的汽车车队之间的距离，天气情况对摄像机所摄图象曝光量的影响等。下面分别介绍各部分的设计和实现。
1 摄像机和图象卡的选取
绝大多数应用领域的视频都是采用标准的黑白/彩色电视标准。标准摄像机的最大分辨率为700电视线。如果为了处理高分辨率图象，须采用非标准的高分辨率的摄像机，这无疑提高了系统的成本。所以我们采用标准黑白摄像机，它的分解力较高，相对价格也较低。为了满足识别的需要，图象采集卡灰度精度定为8位，而图象卡的分辨率则由后端识别要求的精度来决定。
2 摄像机镜头位置的标定
摄像机镜头的位置标定，需依据后端识别要求的图象清晰度、实际用户的建筑设施约束和现行摄像机、图象采集卡技术所能达到的分辨率等条件来统筹设计。
2.1 后端识别对清晰度的要求
系统后端车牌识别部分要求分割下来的车牌具有较高的清晰度，这就对前端摄像头的拍摄视野提出一定的要求。表1是根据识别需要对汽车的一些基本参数的统计。
按照识别的要求，分辨率愈高愈好，用来确定车牌像素点数的图片如图1所示。结合后端ANN识别需要的特征向量数，这里提出两种假设：
①如果要求16×8像素/字符，则七个字符的车牌所需像素为16×{[8(字符像素数)+2(间隔像素数)]×7+2(字母与数字间隔像素数)}=16×72像素。对应的实际长度为0.40米。
②如果要求32×16像素/字符，则清晰度提高一倍。所以需32×144个像素。
设全景宽Y米，采集卡的分辨率为x(列点数)，那么摄像头视野与车牌像素点数目的关系如图2所示：
从图2中可见，在两种假设情况下，斜率愈小清晰度愈高。如果采用分辨率为768×576的采集卡，则满足144个像素需全景宽(即视野宽)至多为2.133米，一般选取2米。
2.2 摄像头视角的选取
摄像头视角与摄像头视野及其安装位置的关系可用图3来表示。图中点A是摄像头的安装位置，B是摄像头的视角，点B、c分别是摄像头视角边线与车前端的交点，线段AB长为a，线段AC长为b，a是a在地面上的投影，H是摄像头到地面的高，h是车牌离地面的高度，D是车前端到门的距离，d是摄像头到路边的垂直距离，G是摄像头的视野宽。由余弦定理可得：
在式(7)中，B的大小主要与D有关。D的选取由下面两个因素决定：
①在实际建筑设施中，单位大门与门前公路的垂直距离约为10米，汽车车身约长4～5米，当汽车从公路上欲进人大门，车前端正对大门时，汽车离大门的垂直距离此时约为5～6米。所以D≤5米。
②同时考虑到进门车的车速大约为3～4米/秒，而系统识别处理的时间约为一秒，系统在汽车进门前需作出判断，则系统对D的要求为D≥3米。
若选d：1米、H=2米、h=0.5米，将D≤5米代入式(7)得到摄像头视角β>23.3°。同时考虑到车前端与摄像头之间的距离愈远，摄像头视角愈小，车牌图象的投影畸变愈小；并且系统有充足的时间来响应，作出判断。在市场上，视角大于23.3°的摄像头最小标准是27.3°。因此选择27.3°的摄像头，此时D为3.8米，同时满足D≥3米的约束。
2.3 摄像头数目的确定
本系统采用电磁定位传感器作为触发识别器，给出汽车方位时，系统能自动开启摄像头，同时能兼顾在汽车中部或左部的车牌。但是，由于大门前路面较宽，汽车可以从路面不同的位置进入大门，为了达到所需的视野宽度，需要安装多个摄像头，并且为了使汽车车牌始终能完整地落入到某个摄像头的视野中，还需要考虑两摄像头视野间的重复覆盖区。如图4所示。设L为某大门前的路宽，w为摄像头重复覆盖区宽度，其他参数设定与图3相同。
如果设镜头数为n，从图中可以得出n与G、W的关系为：
nG－(n－1)×W≥L 8)
由图4和(8)式可知，如用较少的镜头，则要有较宽的视野，然而分辨精度达不到，给后面的识别增加难度；而用较多的镜头，则要求磁感应线圈的定位系统较精确，并且硬件投入加大。下面根据相关因素进行综合考虑，分析摄像头设置数目的方案。
假设路宽为6m，设置一米宽的人行道，这时L=5m，摄像头视野按前面的要求G=2m，需选用3个摄像头，其重复覆盖面积w为0，5米。经计算后。结果为：β=27.3°，即采取27.3°的视角摄像机三台，D=3.8m，设计符合要求，如图4所示。s3为安装在门中间上的摄像头，s1、s2分别为安装在门柱上的摄像头。s1、s2、s3分别以各自角度样本为主识别样本进行识别，用两台处理系统来做后段并行处理，其优点是采样和识别精度都比较高。
妞果能在路两边设置两条宽1.25m的人行道，使路宽L=3.5m，则可以在上面方案的基础上减少一个摄像头。虽然对汽车道宽有所限制，但无须磁感应线圈的精确定位，车来时，两镜头同时开启，两系统并行处理，提高了系统的整体性能同时提高了后端的识别率，并且降低了系统硬件费用，这种方案显得更加经济实用。
3 车速的限定
当汽车进入大门识别范围之内时，车速需要缓慢和稳定，因为车速的大小直接影响汽车振动的幅度，汽车的振动又会影响图象质量。同时车速缓慢也提供给识别系统足够的时间判断和驱动电机开启大门。解决方法是在大门前竖立减速牌或增加减速坎。如图4所示。
4 连续车队车距的限定
对连续车队车与车之间需要保持一定的车距，以免前一辆车尾挡住后一辆车头，车牌无法进入摄像头视角，同时还可以提供给识别系统更从容的时间关闭大门。解决方法是提供保持车距告示牌。保持的车距大小与车速、车长、识别间隔时间、摄像头的视角有关。由于除了摄像视角决定后不再改变外，其他参数对于各个汽车都不同，所以决定车距大小比较复杂，需要通过实际测量与样本分析得出结论。这里给出的经验值为一个车身长。
5 汽车到来的检测
通过识别一辆汽车后，后置识别系统关闭。如何再开启系统，可以通过测距系统来检测汽车的到来。即某一辆车进入一测定距离，则自动开启后置识别系统。测距系统有光学被动测距，红外主动测距，声纳测距，但都没有磁感应线圈的定位检测经济实用。所以图4中采用的磁感应线圈传感器。
6 摄像头的曝光量
摄像头采用曝光自动测定系统采集曝光量，即采用了自动光圈镜头。在自动光圈镜头下，晴天，阴天时，能获得较好的图象质量。而在下雪、雨、霜后，这时需注意摄像头的加热以及利用雨刷、风扇，以达到除霜、刷雨珠、通风等目的。雨刷的摆动一般在机器不工作时或工作之前进行，用加装在摄像头外的防护罩实现上述功能。另外，下雪后的曝光量要比测定的平均曝光量高出1－2EV，此时最好采用中心重点测定曝光量。
对于光照条件较暗的情况下(如夜晚)，需提供人工照明，此时加在摄像头前的偏振片的起偏方向须与车灯前起偏器方向相反，这样可以滤掉车灯正面强光的干扰。在太阳光直射的情况下，因为直接反射太阳光的镜面反射光部分大都为偏振光，使用偏振片可以滤掉这部分光。从而减少强光的干扰，提高图象的清晰度。
7 结语
由以上分析可见，系统要获取清晰的图象，首先在于最前端的摄像头和采集卡的分解力的大小，其次是镜头的位置、汽车的车速以及摄像头的曝光量，只要我们综合考虑这些因素，进行合理设计，就可以为后端处理与识别提供清晰的图象，同时还可以降低系统的成本。由于现有的长距离实时传输技术标准是模拟视频信号的传输，难以选用非标准的高清晰度数字图象传感器和图象采集卡。但随着新的数字图象传输标准的制定及其技术的不断成熟和完善，以及相应设备成本的不断降低，高清晰度的数字图象获取技术设备将会应用到这个领域。
(本文责任编辑 黄钢)