基于SVM的车牌判别（一）

1 项目背景

车牌识别技术是智慧城市建设的重要组成部分，常被用于道闸系统、交通监控系统、停车场系统等重要场合,对于保障行人生命安全、提高交通管理秩序具有重要意义。准确、鲁棒性强的中文车牌识别系统是在中国部署智慧城市及智能交通系统的关键。

现有的车牌识别技术主要分为车牌定位、字符分割和字符识别三个部分，车牌定位主要利用边缘检测和颜色检测来定位车牌区域，接着通过SVM分类器筛选出车牌，字符分割则是借助车牌字符的几何特征和排列规则来进行划分，字符识别可用模板匹配或神经网络来实现。

利用边缘检测和颜色检测定位车牌，得到的区域往往包含车牌区域和非车牌区域，本项目要完成的工作就是利用SVM分类器来对这两类区域进行判别，从而筛选出车牌区域。

2 详细设计

常规的车牌识别算法流程图如图2-1所示。

本项目主要针对非车牌区域去除这一块工作，利用训练好的SVM模型进行判别，筛选出车牌区域。

车牌区域判别利用的是SVM(Support Vector Machine)，是常见的一种机器学习模型。SVM广泛应用于分类问题，对于二分类问题有很好的性能。本文的SVM模型选用RBF核函数。RBF核函数又称为高斯核函数，通过衡量各个样本之间的“相似度”，在一个刻画“相似度”的空间中，让同类样本更好得聚在一起，进而线性可分。通过跟高斯核的结合，支持向量机可以表达出非常复杂的分类界线，最典型的特征就是可以将低维的空间映射到高维的空间，如图2-2所示。

好的判别模型离不开足够训练数据，本项目为