随着各省市高速公路的不斷建設，基本上建成了大小規模不等的聯網收費系統，在聯網收費系統建設中，都面臨了一個共同的問題——車輛行駛路徑的識别。路徑識别不僅僅涉及對每一通行車輛如何計算通行費，同時還要考慮将收入的通行費拆分給哪個收費機關的問題，通行費的拆分直接關系到各條高速公路的合法利益，是聯網收費的關鍵。是以說解決多路徑識别問題在完善高速公路聯網收費系統中起着至關重要的作用。
本文介紹了多路徑識别的多種算法，并着重分析了識别算法中的汽車牌照識别，根據車牌圖像特點，對車牌識别算法關鍵環節包括數字圖像預處理，車牌定位，車牌字元識别等三部分一一進行了分析研究。
本文采用直方圖變換、邊緣檢測、二值化等方法對車牌圖像進行了預處理。對車牌定位采用了一種基于灰階圖像求取卷積能量極值區域的車牌定位方法。采用模闆比對法對車牌字元進行識别。并采用了MATLAB來完成算法的設計與實作。研究結果表明車牌識别率較高，适應性較強，實時性比較好。
随着高速公路路網規模的不斷擴大，聯網收費區域内的環狀路結構變得更加複雜，僅河北省一片區（京津以南高速公路）聯網收費區域内的已有路、在建路和未建路共有約20個最小封閉環路，如果在每個不同業主的路段設收費站，投資巨大，也會影響高速公路的效率，同時，傳統的收費車道所采用的人工輸入車牌号碼後3位數字的方式時效性差，巨大的工作量直接影響高速公路的通行能力和服務水準。是以，高速公路上兩點之間車輛行駛的多路徑識别問題成為聯網收費及網絡費用清分模式中迫切需要解決的問題。
多路徑識别主要解決高速公路通行費的合理收取以及通行費的準确拆分問題。同時由于高速公路中大型車輛倒卡、逃費現象十分猖獗，通常表現為利用目前機電系統存在的功能不完善漏洞，實作相同貨車套牌倒卡具體表現為滿載長途與空載短途同号牌車輛倒卡，即通過減少裡程，逃避超載處罰力度。為高速公路正常收取車輛通行費造成的及大的損失，同時也帶來了不良的社會影響。是以多路徑識别在實作識别車輛的實際行駛路徑進而進行收費拆分，同時也要解決倒卡、逃費問題。綜上所述，多路徑識别就需要解決以下三個問題：
（1）高速公路通行費的合理收取。
（2）通行費的準确拆分。
（3）倒卡、逃費問題。
3.1 多路徑識别方法的分類
目前，在高速公路路徑識别的主要技術方法有：辨別站法、車牌照識别法、最短路徑法。從基本思路看，多路徑識别技術可以分為精确識别和機率識别兩類。
3.1.1精确識别
精确識别的原理是識别出路網中每一車輛的實際行駛路徑，避免路網中出現行駛路徑的歧義，進而解決路網中多路徑問題。辨別站法、車牌照識别法都屬于精确識别的範疇。
要做到對車輛行駛路徑的精确識别通常由兩種方法：通過土建設施的手段，確定任意車輛從一個收費站（點）到另一收費站（點）間隻能有唯一的行駛路徑；通過辨別方法采集車輛行駛路徑資訊，确認車輛行駛路徑。第二種方法隻需在産生歧義的路段設立辨別站，擷取車輛行駛的辨別資訊，就可以根據出口資訊、入口資訊、辨別資訊，識别出任意車輛的行駛路徑。
1.辨別站識别法
準确識别車輛的實際行駛路徑，可分為停車式和不停車兩種，以下提到的辨別站均為“停車式辨別站”。在收費車道上安裝非接觸式IC卡讀寫裝置，司機通過此路段時，将IC卡（通行卡）在讀寫天線的規定距離内劃過，自動欄杆開啟、車輛通行，并記錄該辨別站資訊。
辨別站的主要缺點是車輛每次經過辨別站時必須停車，導緻行車速度減慢，降低了高速公路的服務水準，與聯網收費的精神直接相違背，在實施時，輕易不采用。在國家政策方面，交通部交公路發 [1999]9号檔案《關于認真做好公路收費站點清理整頓的通知》中規定“對通行車輛一次完成通行費收繳和票證發放工作，不準設立旨在進行内部監督驗票的檢查站”。顯然，國家法律法規的規定對設定停車式辨別站做出了限制，設定停車式辨別站已不可行。
2.車牌照識别技術
随着圖像識别技術的發展，也可應用“車牌照識别”技術進行多路徑的識别。即高速公路入、出口以及路網内關鍵點設定車牌照抓拍系統，攝取通過車輛牌照。
車牌照識别方法雖然不影響行車速度，但是應用車牌照抓拍系統進行多路徑的判别，投資較大且系統精度根據圖像識别算法的不同效果也不同一般不能達到100%。
3.1.2機率識别
一般來說，道路使用者路徑選擇行為是基于道路使用效益最大化和營運成本最小化的原則之上的，即：花最少的時間、最少的費用、走最短的路、擷取最大的效益。是以，運作時間最少的路徑對于時間價值導向型的道路使用者來說具有更強的吸引力，使用者一般采用最短路徑法。
最短路徑法取最短路徑為行駛路徑。從起點到終點存在兩條或兩條以上的路徑，将最短路徑作為車輛選擇路徑，此方法最為簡便，投資最少。最短路徑法直接将多路徑車輛通行費配置設定給最短路徑業主，是以，這種方法的精确度取決于車輛在實際的路徑選擇過程中選擇最短路徑的機率。但是在高速公路中倒卡、逃費問題嚴重，是以這種算法的拆分關系到将通行費拆分給哪個收費機關的問題，影響了一部分機關的收益。
是以在本次設計中主要研究了精确識别中的車牌照識别技術，分析研究圖像處理得算法，用以提高車牌照識别的準确度。
3.2多路徑識别算法的理論基礎
在本文涉及到的多路徑識别算法—車牌照識别技術中，對于一個完整的車輛牌照識别系統而言應該包括圖像采集、圖像預處理、車牌定位、字元切分、字元識别以及圖像編碼、數位傳輸與更新等步驟，基本可以分為硬體部分和軟體部分，硬體部分主要完成車輛圖像的攝取采集，軟體部分主要完成對采集到的車輛圖像進行車輛牌照定位、車牌字元切分與車牌字元識别等工作，這部分工作最為複雜，最後對識别結果進行資料傳送和存儲，将處理後的識别資訊交給管理系統進行管理。整個系統的核心是軟體部分的工作，能否通過牌照對車輛進行有效管理，很大程度上取決于軟體部分識别車牌的準确性。
3.2.1 車牌照識别的主要算法
車牌識别的常用算法法有很多種，如結構模式識别方法、統計模式識别、人工神經網絡識别等等。下面分别介紹各種方法：
1.結構模式識别
結構模式識别可能比較複雜，但都具有相當嚴格的規律性。換句話說，字元圖像含有豐富的結構資訊。可以設法提取含有這種資訊的結構特征及其組字規律作為識别的依據，這就是結構模式識别。
結構模式識别是早期漢字識别研究的主要方法。其主要出發點是漢字的組成結構.從漢字的構成上講，漢字是由筆劃以及偏旁部首構成的;還可以認為漢字是由更小的結構基元構成的。由這些結構基元及其互相關系完全可以精确地對漢字加以描述，這種方法也叫句法模式識别。識别時，利用上述結構資訊以及句法分析地方法進行識别，類似于一個邏輯推理器。
基于這種方法來描述字元的結構在理論上是比較恰當的，其主要優點在于對字型變化的适應性強，區分相似字的能力強；但是，在實際應用中，其所面臨的問題是抗幹擾能力差，因為在實際得到的文本圖像中存在各種幹擾，比如傾斜、斷裂、粘連、污點等。這些因素直接影響到結構基元的提取。假如基元不能準确得到，後面的識别就成了無源之水。是以，在字元識别領域，純結構模式識别方法己經逐漸衰落。
2.統計模式識别
統計決策論發展較早，理論也比較成熟.其要點是提取待識别模式的一組統計特征，然後按照一定準則所确定的決策函數進行分類判決。字元的統計模式識别是将字元點陣看作一個整體，其所用的特征是從這個整體上經過大量的統計而得到的.統計特征的特點是抗幹擾能力強，比對與分類的算法簡單，易于實作.不足之處在于細分能力較弱，區分相似字的能力差一些。常見的統計模式識别方法有：
（1）投影直方圖法。利用字元圖像在水準及垂直方向的投影作為特征。這種方法是模式識别早期使用的方法。
（2）利用變換特征方法。對圖像進行變換，變換後對圖像從空間域變到頻域，特征的維數大大降低。但是這些方法總的特征就是運算量太大，運算複雜度高，難以滿足實時處理的要求。
（3）傅立葉描述子和Spline曲線近似。這兩種方法都是針對字元圖像輪廓的。傅立葉描述子是利用傅立葉函數模拟封閉的輪廓線，将傅立葉和函數的各個系數作為特征，該方法緻命缺點是對于輪廓線不封閉的字元圖像不适用。車牌字元本身所占象素點較少，常常會出現筆劃斷裂輪廓不封閉。Spline曲線是在輪廓上找到曲率大的折點，利用Spline曲線來近似相鄰折點之間的輪廓線，該方法的缺點在于對旋轉現象比較敏感。
（4）特征點方法。它的主要思想是利用字元點陣中一些有代表性的點作為特征來區分不同的字元。這些點包括端點、折點以及交叉點等等，獲得了比較好的效果。其特點是對于内部筆劃粘連的字元識别的适應性較強，直覺性好，但是不易表示為矢量形式，不适合作為粗分類的特征，比對難度大。
（5）基于微結構特征的方法。字元是由筆劃組成的，筆劃是由一定方向，一定位置關系和長寬比的矩形線段組成的。這些矩形則稱為微結構。利用微結構及微結構之間的關系組成的特征對字元進行識别。其不足之處正好和特征點的方法相反，在内部筆劃粘連時，微結構的提取會遇到困難。
統計模式識别認為圖像可能包含一個或多個物體，并且每個物體屬于若幹事先定義的類型、範疇或模式之一。雖然模式識别可以用多種方法實作，但我們隻關心用數字圖像處理技術對它的實作。字元統計模式是把字元的點陣看成一個整體，通過做大量的統計得到所需要的特征。最常用的字元統計模式方法是模闆比對的字元識别方法。模闆比對的字元識别方法是通過一定準則确定決策函數，并進行分類判斷的方法。模闆比對的字元識别方法是指度量輸入模式與樣本之間的某種相似性，取最相似者為輸入模式所屬類别。它根據字元的直覺形象抽取特征，用相關比對原理進行識别。這個方法不需要特征提取這個過程，字元圖像直接作為特征與模闆進行比較，相似度最高的模闆即定為識别結果。它優點是可以并行處理，簡單易行。缺點是如果進行簡單的模闆比對，隻能夠識别同種字型、同樣大小的字元，對于筆劃變粗、變細、傾斜的字元适應能力比較差，特别是模闆與字元筆劃的比對失誤時，會有很大的誤差。
3．人工神經網絡識别
人工神經網絡是模拟人腦思維方式的數學模型。神經網絡是現代生物學研究人腦的組織成果基礎上提出的，用來模拟人類大腦神經網絡的結構和行為，它從微觀結構和功能上對人腦進行抽象和簡化。
人工神經網絡方法的優點和缺點主要表現在如下的幾個方面：
神經網絡的優點：
1,能逼近任意線性函數
2,資訊的并行分布式處理和存儲
3,可以多輸入多輸出
4,便于用超大規模的內建電路或光學內建電路系統實作
5,具有自學習的能力；
6,具有聯想存儲功能；
7,具有高速尋找優化解的能力.
雖然人工神經網絡有上述的優點，并且在OCR中也取得了一些成果，但是在車牌字元的識别中仍然存在很大的缺陷：
l，車牌字元象素點陣小，筆劃常常出現斷裂，通過學習規則，誤差系數相差很小，容易出現誤識；
2，神經網絡在進行學習時，每次疊代的梯度值都受樣本中噪聲幹擾，影響較大，整個系統收斂速度較慢，不适合實時識别的要求。用于字元識别最常用的神經網絡是BP神經網絡，所謂BP神經網絡是指誤差反向傳播神經網絡，核心方法是梯度下降法，它采用梯度搜尋技術，以期使網絡的實際輸值與期望的均方差為最小。
4.1圖像采集
圖像采集部分所采集的圖像一般是采用CCD錄影機攝取的車牌前視圖或後視圖，這些通過由光照檢測裝置控制現場的光照，位置檢測裝置控制錄影機的拍攝角度而得到的。
本設計中所用到圖檔是用數位相機拍的，模型如下圖：
圖4.1 照片模型
4.2圖像預處理
圖像預處理部分需要對采集到的圖像進行圖像加強、平滑濾波等操作，目的是突出車牌的主要特征，以便更好地提取車牌。
圖像預處理一般包括以下步驟：對圖像的灰階進行處理、圖像平滑、圖像增強、圖像二值化、圖像銳化、邊緣檢測。
圖4.2 二值化的圖像
圖4.3圖像邊緣提取的圖像
采集的車輛圖像為彩色圖像，應将彩色圖像轉化為灰階圖像。由于光線不足或者反光等諸多因素，又可能造成車牌對比度較差，對接下來的紋理分析産生影響，是以有必要進行圖像增強。本文對圖像中特亮和特暗的地方進行灰階拉伸，有效增強圖像對比度，提高車牌定位準确率。為了進一步提高定位準确率，我們通過連續的兩幀圖像定出車大概位置，再在車的位置上搜尋車牌，這樣不僅提高了準确率，還提高了整個程式的運作效率。同時為了減少圖像中的孤立幹擾點，保留車牌字元邊緣，讓車牌字元的圖像灰階水準投影更有的連續性。選用 MXl的模闆對灰階拉伸後的圖像進行中值濾波。
完成牌照區域的定位後，再将牌照區域分割成單個字元，然後進行識别。由于字元在垂直方向上的投影必然在字元間或字元内的間隙處取得局部最小值的附近，并且這個位置應滿足牌照的字元書寫格式、字元、尺寸限制和一些其他條件。利用投影法對複雜環境下的汽車圖像中的字元分割有較好的效果。分割步驟：
圖4.9 分割後的車牌
當一幅車牌的原始圖像經過車牌定位和字元分割處理後，得到這個車牌的字元圖像，首先對字元圖像做歸一化處理，即把字元圖像歸一化成20 ×32的标準大小的圖像，然後對這幅歸一化的圖像調用設計好的模闆比對程式進行識别，字元識别流程如下：
1、識别車牌的第1個字元（若分割正确的話應該是漢字）：
（1）調用漢字模闆庫進行比對識别，若識别結果為漢字，則最終結果為一漢字，識别結束；若識别結果為空字元，即表示不是漢字，則進行第二步。
（2）調用字母模闆庫進行識别，若為字母，則最終結果為一個字母，識别結束；若識别結果為空字元，則表示不是字母，進行第三步。
（3）調用數字模闆庫進行識别，若為數字，則最終結果為一數字，識别結束；若為空字元，則最終結果為空字元，識别結束。
2、識别車牌的第2個字元（若分割正确的話應該是字母）：
（1）調用字母模闆庫進行識别，若為字母，則最終結果為一個字母，識别結束；若識别結果為空字元，則表示不是字母，進行第二步。
（2）調用數字模闆進行識别，若為數字，則最終結果為一數字，識别結束；若為空字元，則表示不是數字，進行第三步。
（3）調用漢字模闆進行識别，若識别結果為漢字，則最終結果為一漢字，識别結束；若識别結果為空字元，則最終識别結果為空字元，識别結束。
3、識别車牌的第3、4個字元（若分割正确的話應該是字母或數字）：
（1）調用字母模闆庫進行識别，若為字母，則最終結果為一個字母，識别結束；若識别結果為空字元，則表示不是字母，進行第二步。
（2）調用數字模闆進行識别，若為數字，則最終結果為一數字，識别結束；若為空字元，則表示不是數字，進行第三步。
（3）調用漢字模闆進行識别，若識别結果為漢字，則最終結果為一漢字，識别結束；若識别結果為空字元，則最終識别結果為空字元，識别結束。
4、識别車牌的第5、6、7個字元（若分割結果正确的話應該是數字）：調用數字模闆進行識别，若為數字，則最終結果為一個數字，識别結束；若為空字元，則最終識别結果為空字元，識别結束。
對于車牌圖像的第1、2和3個字元，進行完全的識别，主要是因為考慮到字元的分割不一定正确，即不能保證分割後的第1個車牌字元為漢字，第2個車牌字元為字母，而第3、4個車牌字元為字母或數字。對這三個字元做這樣的完全識别後，可以得到一些非常有用的資訊，這些資訊可以傳回到字元分割子產品，可以指導字元分割調整字元分割的政策。例如，若識别出的車牌圖像的第2個字元是漢字，則說明字元子產品做字元分割的時候在車牌圖像的左邊提取了一個多餘的字元，是以字元分割子產品要去掉這個多餘的字元，從漢字字元起，依次提取出7個字元來。