基于單片機(jī)的車牌識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

鑒于單片機(jī)的車牌辨別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)目錄綱要2二、選題4三、系統(tǒng)主要特色5四、系統(tǒng)方案、實(shí)現(xiàn)原理64.1圖像收集及儲(chǔ)存格式84.2圖像的灰度化84.3圖像的二值化94.4車牌的去邊框94.5圖像的梯度銳化104.6字符切割算法114.7字符的歸一化124.8字符特色提取134.9字符辨別算法神經(jīng)網(wǎng)絡(luò)法模板匹配法17五、操作說明與硬件框圖18六、實(shí)驗(yàn)程序19七、數(shù)據(jù)統(tǒng)計(jì)剖析66八、結(jié)果剖析66九、實(shí)驗(yàn)心得66十、參考文件69摘要陪伴著世界各國汽車數(shù)目急劇增添，城市交通狀況日趨惹起人們的重視，怎樣有效地進(jìn)行交通管理，已成為愈來愈多人關(guān)注的焦點(diǎn)，解決這些問題的要點(diǎn)就是成立智能交通系統(tǒng)。車牌辨別是智能交通系統(tǒng)的重要構(gòu)成部分，它在交通控制與監(jiān)督中有著多種用途，當(dāng)前已寬泛應(yīng)用于各樣領(lǐng)域。本文將TMS320C54XX作為核心器件用于車牌自動(dòng)辨別系統(tǒng)中，達(dá)成車牌圖像的收集、數(shù)字圖像的辦理、提取車牌信息并針對(duì)提取的特色對(duì)字符進(jìn)行辨別。第一剖析了車牌辨別系統(tǒng)實(shí)現(xiàn)的背景以及其實(shí)現(xiàn)意義。而后對(duì)實(shí)現(xiàn)車牌識(shí)其余硬件環(huán)境作簡要介紹。接著對(duì)車牌辨別過程中所波及的邊沿檢測(cè)、字符切割、大小歸一化等一系列數(shù)字圖象辦理技術(shù)進(jìn)前進(jìn)一步的詳盡剖析。以后，對(duì)幾種字符特色提取算法進(jìn)行了對(duì)照剖析，最后選用最合適的網(wǎng)格特色提取法，以此為基礎(chǔ)進(jìn)行模扳般配，最后辨別出車牌號(hào)碼。要點(diǎn)詞：車牌提取；圖象辦理；車牌辨別；單片機(jī)；模扳般配——DigitalSignalProcessortoimplementtherecognitiontask.TheDSPchipTMS320C54XXisusedtoprocessthepictureofthevehicledistillinformationofthelicenseplateandrecognizethevehiclelicenseplate.Thefirstpartofthethesisisaboutthebackgroundandmeaningofthevehiclelicenseplaterecognitionsystem.Consequentlyweanalyzetheenvironmentoftheexperiment.Inthenextpartweanalysisthefundamentaltheoryandtechniqueoftheimageprocessingincludingthecollectionofpictureofvehicledistillofthelicenseplatesegmentationalgorithmofcharacter.Thenweputforwardseveralmethodstodistillthefeatureofthecharacters.Onthebasisoftheabove-mentionedresearchwemakethetemplatematchingandrecognizethecharacters.Keywords:VehicleLicensePlateLocationImageProcessingCharacterRecognitionDSPtemplatematching3二、選題改革開放以來，我國的交通運(yùn)輸業(yè)快速發(fā)展。但陪伴著其發(fā)展，也出現(xiàn)了一系列問題，如交通擁塞、交通事故和環(huán)境污染等等。固然能夠靠建設(shè)更多的道路設(shè)備來知足交通運(yùn)輸增添的需求，但在資源、環(huán)境矛盾愈來愈突出的今日，道路設(shè)備的增添將遇到限制，這就需要依靠供給除了設(shè)備之外的技術(shù)方法來知足這一要求。交通的快速發(fā)展使得全球的研究者不停采納先進(jìn)的電子和計(jì)算機(jī)視覺技術(shù)來檢視超速車輛、掌握車輛行駛，或許用于收費(fèi)站，以提升車輛的經(jīng)過速度等等。智能運(yùn)輸系統(tǒng)ITSIntelligentTransportationSystems是解決這一矛盾的門路之一，而車牌辨別LPRLicensePlateRecognition又是ITS中的要點(diǎn)技術(shù)之一。傳統(tǒng)的車牌辨別系統(tǒng)，一定依靠于PC，識(shí)其余要點(diǎn)算法所有在計(jì)算機(jī)中實(shí)現(xiàn)，計(jì)算機(jī)因?yàn)槠溆休^高的辦理速度和較大的內(nèi)存，而傳統(tǒng)的辨別和預(yù)辦理算法又需要大批的儲(chǔ)存空間和較快的cpu辦理速度，可是由計(jì)算機(jī)作為辨別主體的系統(tǒng)成本高，并且體積宏大，不易于批量安裝和隨身攜帶，現(xiàn)在嵌入式系統(tǒng)的發(fā)展日新月易，嵌入式辦理器（單片機(jī)）的速度不斷提升，在某些方面已經(jīng)超出了傳統(tǒng)的PC，并且最單片機(jī)主要的長處就是不依靠于任何操作系統(tǒng)，擁有高穩(wěn)固性，成本低，體積小。正因?yàn)橐陨祥L處，本課題選擇了采納單片機(jī)來實(shí)現(xiàn)車牌辨別。4三、系統(tǒng)主要特色車牌辨別系統(tǒng)能將輸入的車牌圖像經(jīng)過辦理辨別，輸出為幾個(gè)字節(jié)大小的車牌字符串，不論在儲(chǔ)存空間的占用仍是與管理數(shù)據(jù)庫相連方面都有無可比較的優(yōu)勝性，有著寬泛的應(yīng)用遠(yuǎn)景。車牌辨別系統(tǒng)的成功開發(fā)將大大加快智能運(yùn)輸系統(tǒng)的進(jìn)度。系統(tǒng)采納單片機(jī)-EXP-IV實(shí)驗(yàn)箱，靜態(tài)視頻圖象收集卡，攝像頭，該系統(tǒng)的工作過程以下：第一步，由攝像頭拍下車牌圖像，完成圖像收集并將收集來的圖像存在視頻收集卡的SRAM中。第二步，將圖像經(jīng)過單片機(jī)1進(jìn)行辦理，圖像辦理包括濾波、二值化、傾斜度調(diào)整和去除車牌邊框、字符切割以及歸一化等等。第三步，提取字符的特色，并依據(jù)模板匹配法進(jìn)行辨別。第四步，進(jìn)行雙機(jī)通訊，將剖析數(shù)據(jù)傳到單片機(jī)2，而后控制液晶屏顯示結(jié)果。5四、系統(tǒng)方案、實(shí)現(xiàn)原理汽車牌照自動(dòng)辨別系統(tǒng)工作原理車輛牌照辨別系一致般可分為車輛圖像獲得、車輛牌照子圖像地區(qū)定位分割、車牌照內(nèi)字符切分、字符辨別OCR四大多數(shù):在第一部分主要經(jīng)過攝像頭與計(jì)算機(jī)的視頻捕獲卡直接相連結(jié)來達(dá)成圖像收集，能夠及時(shí)在線監(jiān)控圖像，要點(diǎn)抓取到含有牌照的圖像該部分功能可簡單一用計(jì)算機(jī)視頻捕獲卡廠商供給的各樣軟件開發(fā)工具即可實(shí)現(xiàn)。因?yàn)檐囕v牌照自動(dòng)辨別系統(tǒng)前端的車輛地點(diǎn)檢測(cè)、圖像捕獲部分都有了相應(yīng)的軟硬件剎優(yōu)秀的實(shí)現(xiàn)了，所以牌照自動(dòng)辨別系統(tǒng)的要點(diǎn)在于第二、三、四部分，爾后續(xù)的幾部分是串行化工作的，即沒有前一步正確快速的辨別、切分出相對(duì)較清楚的字符，后來的辨別階段根本就不可以夠進(jìn)行，所以從這個(gè)意義上來講，牌照子地區(qū)定位自動(dòng)辨別切分技術(shù)是整個(gè)系統(tǒng)的重中之重，它辦理工作進(jìn)行的利害直接影響后續(xù)工作，對(duì)字符的拒識(shí)率和誤識(shí)率以及辨別速度的及時(shí)性有很重要的影響而從算法的相對(duì)難易程度上來說，字符詳細(xì)的辨別部分要大的多，牌照子地區(qū)內(nèi)的字符的切分相對(duì)最為簡單些。6本課題采納單片機(jī)作為核心辦理器來達(dá)成辨別過程的算法。整體方案圖像捕獲圖像預(yù)辦理牌照子圖像定位去除牌照邊框預(yù)辦理后字符切分字符辨別輸出辨別字符圖1系統(tǒng)框圖圖像預(yù)辦理的必需性：因?yàn)檐嚺茍D像是在室外自然背景下拍攝，其背景常常很復(fù)雜，可能包含自然場(chǎng)景中的人、其余車輛、樹木、建筑物等，拍攝圖像時(shí)的光照條件也因拍攝時(shí)間、地址、天氣等條件的不一樣而不一樣，所以，考慮到車輛牌照擁有不因外面條件變化而變化的特色，即牌照地區(qū)與汽車背景在灰度散布上存在著明顯的差異，并且車牌的底色和車牌照字的顏色也形成激烈對(duì)照，在一相對(duì)小的范圍內(nèi)變化屢次，據(jù)這一特色，能夠?qū)嚺七M(jìn)行二值化辦理，提取邊沿特色，定位出車牌。圖像的二值7化辦理一定保存車牌地區(qū)的信息，即二值化后車牌字符要與底色有明顯的差異。這里的圖像的預(yù)辦理閥值T的選用至關(guān)重要，二值化后，車牌的背景大多數(shù)被去除，這樣辦理以后將大大有益于后續(xù)車牌地區(qū)的搜尋定位。4.1圖像收集及儲(chǔ)存格式用攝像頭瞄準(zhǔn)車牌，按下視頻收集卡上的復(fù)位鍵，圖像便被儲(chǔ)存在收集卡的SRAM空間。存在SRAM中的圖像在電腦顯示器上顯示時(shí)，有279行和1440列，每行的地址是連續(xù)的，并且每行有1440個(gè)像素點(diǎn)，所以關(guān)于i行j列的像素點(diǎn)，它的地址為1440ijH。本系統(tǒng)圖像的儲(chǔ)存格式為YUV4:2:216bit格式。4.2圖像的灰度化收集來的圖像為彩色的，因?yàn)槠湔{(diào)色板內(nèi)容比較復(fù)雜，使得圖像辦理的很多算法都沒有方法睜開，所以有必需對(duì)它進(jìn)行灰度辦理?；叶葓D像沒有顏色的差異，有的不過亮度上的不一樣。亮度值大的像素點(diǎn)比較亮（亮度值最大為255，為白色），反之，比較暗（亮度值最小為0，為黑色）。在SRAM中寄存的一個(gè)像素點(diǎn)需要兩個(gè)字節(jié)，前一個(gè)字節(jié)為亮度信息，后一個(gè)為色度信息。我們只要要其亮度信息，能夠讓它同0xff00進(jìn)行“與”操作往來除色度信息。去除了顏色以后，圖像變?yōu)橛刹灰粯恿炼鹊幕疑珮?gòu)成。84.3圖像的二值化在進(jìn)行了上述的去色彩的辦理后，圖像由彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像。圖像中的每個(gè)像素只有亮度值。它的大小只決定像素的亮暗程度。為了便于睜開后續(xù)的圖像辦理操作，還需要對(duì)獲得的灰度圖像進(jìn)行二值化辦理。圖像的二值化就是把圖像中的像素依據(jù)必定的標(biāo)準(zhǔn)分化成兩種顏色。在本系統(tǒng)中是依據(jù)像素的亮度值辦理成黑白兩種顏色。圖像的二值化有好多成熟的算法。它能夠采納自適應(yīng)閾值法，也能夠采納給定閾值法。因?yàn)檐嚺谱煮w與背景顏色一般比較固定且對(duì)照鮮亮，所以本系統(tǒng)采納給定閾值8的方法。舉例說明：設(shè)原圖像的像素點(diǎn)表示為fxy，閥值選為C，則該算法可表示為：fxyCfxy255；大于閥值為白色fxy≤Cfxy0；小于閥值為黑色這樣就將灰度圖像轉(zhuǎn)變?yōu)楹诎變缮珗D像了，理想狀況是背景為黑色，而車牌邊框和字符為白色。經(jīng)過二值化后，電腦顯示器上顯示的車牌圖像見圖3-1b：圖2原彩色車牌圖3經(jīng)過二值化辦理的車牌4.4車牌的去邊框因?yàn)檐嚺谱煮w外有邊框，在對(duì)字符進(jìn)行切割、歸一化等辦理前要先去邊框。本系統(tǒng)采納逐行逐列掃描法往來除邊框。9掃描的步驟為：第一步，從左右界限開始向內(nèi)逐列掃描，碰到白色象素點(diǎn)，定為外框的左右界限left0、right0；第二步，由外框的左右界限獲得車牌的大體寬度width0，以left0width0/8、left0width0/8為界限開始從上下開始向中間逐前進(jìn)行掃描，當(dāng)碰到白色像素點(diǎn)時(shí)，定為外框的上下界限。第三步，接著向中間逐前進(jìn)行掃描，當(dāng)經(jīng)過黑色像素點(diǎn)再次碰到白色像素點(diǎn)時(shí)，定為字符的上下界限。這樣就能夠去除上下面框了。第四步，以字符的上下面框?yàn)榻?，由left0、right0開始向中間逐列進(jìn)行掃描，同理，當(dāng)經(jīng)過黑色像素點(diǎn)再次抵達(dá)白色像素點(diǎn)時(shí)，定為字符的左右界限。以找到的左右界限為界便可以去除邊框了。經(jīng)過去邊框后，車牌圖像在顯示器上顯示見圖3-2。6/8圖4去邊框前圖像圖5去上下面框圖6去左右側(cè)框此方法只合用于理想狀況，實(shí)質(zhì)中還需進(jìn)行修正，如當(dāng)一行的白色像素點(diǎn)達(dá)到必定數(shù)目才定為外框界限，而不不過簡單地碰到白色像素就定為界限，以減少噪聲干擾。4.5圖像的梯度銳化因?yàn)閷?shí)質(zhì)掃描來的圖像字符邊沿會(huì)出現(xiàn)不清楚，有毛刺擾亂等情10況，進(jìn)行字符切割等后續(xù)辦理時(shí)會(huì)產(chǎn)生擾亂，造成字符被錯(cuò)誤切割，嚴(yán)重影響字符識(shí)其余正確率。所以有時(shí)要對(duì)圖像進(jìn)行銳化辦理使模糊的圖像變得清楚，同時(shí)還能夠去除一部分噪聲。圖像銳化9的方法好多，有微分法、高通濾波法等。我們?cè)谶@里采納的銳化方法屬于微分法的一種。定義以下：設(shè)原始圖像上的點(diǎn)為fxy，定義fxy在xy處的梯度矢量為：Gfxyfxy-fx1y設(shè)一個(gè)判斷閾值為C，變化后的圖像gxy定義為：Gfxy≥Cgxy0Gfxy≤Cgxyfxy經(jīng)過公式能夠看出梯度銳化能夠使字符模糊的邊沿變得清楚，并且能夠除去一部分噪聲，使圖像的邊緣細(xì)化。4.6字符切割算法車牌在去邊框以后，獲得七個(gè)字符，但識(shí)其余時(shí)候只好依據(jù)每個(gè)字符的特色進(jìn)行判斷，所以還要春聯(lián)在一同的七個(gè)字符進(jìn)行切割。詳細(xì)算法9以下：第一步，利用上述逐行掃描法找到字符的上下界限，這樣就獲得了圖像大概的高度范圍。第二步，在這個(gè)高度范圍之內(nèi)自左向右逐列進(jìn)行掃描，碰到第一個(gè)白色像素點(diǎn)以為是字符切割的開端地點(diǎn)，而后持續(xù)掃描，直至碰到有一列中沒有白色像素，則以為這個(gè)字符切割結(jié)束，而后持續(xù)掃描，依據(jù)上邊的方法向來掃描直至字符的最右界限。這樣就獲得了每個(gè)字11符比較精準(zhǔn)的寬度范圍。自然，關(guān)于一些漢字，比如說“川”字，用上述的方法會(huì)產(chǎn)生很大的偏差，會(huì)被切割成三個(gè)字符。所以，在對(duì)漢字進(jìn)行切割時(shí)一定要進(jìn)行一些修整。在找尋第一個(gè)字符的右界限時(shí)，只有當(dāng)它與左界限之差大于某一值時(shí)，才以為其是第一個(gè)字符的右界限。4.7字符的歸一化每次收集來的圖像中，字符大小都有差異。在提取字符特色向量時(shí)，即便是同一個(gè)字符因?yàn)榇笮〔町?，每次的提取的特色值也有很大差異，沒有方法利用其與現(xiàn)成的模扳般配來辨別字符。所以，一定把字符歸一化為一致的大小，以提升識(shí)其余正確率。詳細(xì)算法以下：先獲得本來字符的高度，并與系統(tǒng)要求的高度作比較，得出要變換的高度系數(shù)；由切割后每個(gè)字符的寬度與系統(tǒng)要求的寬度作比較，得出每個(gè)字符的要變換的寬度系數(shù)。在獲得這些系數(shù)以后，把原圖像中的點(diǎn)依據(jù)插值的方法映照到新圖像中去。一般的插值方法簡單造成比較大的偏差，本系統(tǒng)采納改良的近來臨點(diǎn)插值法10。所謂近來臨點(diǎn)插值法就是選擇插值時(shí)，當(dāng)計(jì)算得出的坐標(biāo)為非整數(shù)時(shí)，不是簡單的取其整數(shù)部分，而是取坐標(biāo)值最靠近的整數(shù)，即取距離近來的那個(gè)點(diǎn)的坐標(biāo)。比如：求得的坐標(biāo)點(diǎn)為（100.9，200.9），依據(jù)一般的插值方法，我們?nèi)∽鴺?biāo)為（100，200）的像素點(diǎn)，但這么做會(huì)造成比較大的偏差。采納近來臨點(diǎn)插值法，我們?nèi)∠袼攸c(diǎn)的坐標(biāo)為（101，201），明顯，這樣減小了偏差，提升的精準(zhǔn)度。經(jīng)過歸一化并從頭擺列后的字符在顯示器上顯示為：12圖7原字符圖像圖8切割歸一化后圖像字符辨別是對(duì)車牌上的漢字、字母、數(shù)字進(jìn)行確認(rèn)的過程，是整個(gè)LPR系統(tǒng)的核心部分。與其余辨別系統(tǒng)同樣，車牌字符辨別系統(tǒng)的要點(diǎn)部分是字符特色的提取和模式般配。4.8字符特色提取字符特色提取的要點(diǎn)就是怎樣選擇既簡單提取又能為辨別系統(tǒng)供給盡可能高的模式鑒識(shí)能力，同時(shí)還要盡量少的特色維數(shù)的特色向量。特色的提取和選擇對(duì)辨別系統(tǒng)至關(guān)重要，它基本上決定了辨別系統(tǒng)的性能和辨別精度。在本系統(tǒng)中對(duì)采集來的車牌圖像經(jīng)過二值化、去邊框、字符切割、大小歸一化等一系列變換，本來大小不一，散布不規(guī)律的字符變?yōu)榱艘粋€(gè)個(gè)大小同樣，擺列齊整的字符。下面就要從這些經(jīng)過辦理的字符中提取最能表現(xiàn)字符特色的特色向量。特色向量的提取方法多種多樣，有逐像素特色提取法，骨架特色提取法，垂直方向數(shù)據(jù)統(tǒng)計(jì)特色提取法，網(wǎng)格特色提取法11，弧度梯度特色提取法等。這里簡單介紹幾種特色提取方法9：1）逐像素特色提取法這是一種最簡單的特色提取方法，對(duì)圖像進(jìn)行逐行逐列的掃描，當(dāng)碰到白色像素時(shí)取其特色值為1，當(dāng)碰到黑色像素時(shí)取其特色值為0，這樣當(dāng)掃描結(jié)束此后就形成了一個(gè)維數(shù)與圖像中像素點(diǎn)個(gè)數(shù)同樣13的特色向量矩陣。該方法特色是算法簡單，運(yùn)算速度快，弊端是適應(yīng)性不強(qiáng)。（2）骨架特色提取法兩幅圖像因?yàn)樗鼈兊木€條粗細(xì)不一樣，使得兩幅圖像差異很大，可是將它們的線條進(jìn)行細(xì)化此后，一致到同樣的寬度，如一個(gè)像素寬時(shí)，這時(shí)兩幅圖像的差距就不那么明顯了。利用圖像的骨架作為特色來進(jìn)行數(shù)碼辨別，就使得辨別有了必定的適應(yīng)性。一般采納細(xì)化的方法來提取骨架，細(xì)化的算法有好多，如Hilditch算法，Rosenfeld算法等。骨架特色提取的方法關(guān)于線條粗細(xì)不一樣的數(shù)碼有必定的適應(yīng)性，可是圖像一旦出現(xiàn)偏移就難以辨別。（3）網(wǎng)格特色提取法因?yàn)橹鹣袼靥厣崛》ê凸羌芴厣崛》ǘ即嬖谶m應(yīng)性不強(qiáng)的弊端，如字符存在傾斜和偏移時(shí)都會(huì)對(duì)字符辨別產(chǎn)生很大的偏差，所以本系統(tǒng)采納網(wǎng)格特色提取法，該方法受字符傾斜偏移影響較小，適應(yīng)性較好。網(wǎng)格法就是用一組設(shè)想的網(wǎng)線對(duì)字符圖像的地區(qū)進(jìn)行區(qū)分。字符圖像被均勻分紅若干地區(qū)，稱之為“網(wǎng)格”。在這里，網(wǎng)線是在垂直方向和水平方向均勻散布的。切割完成后，統(tǒng)計(jì)每一個(gè)格子中白色像素點(diǎn)的個(gè)數(shù)作為特色向量。在本系統(tǒng)中為了進(jìn)一步提升其適應(yīng)性，以每個(gè)小格子中白色像素點(diǎn)個(gè)數(shù)與該字符中總的白色像素點(diǎn)個(gè)數(shù)的比值作為特色向量。比如，關(guān)于數(shù)字“6，”將其均勻分紅以下列圖所14示的9個(gè)網(wǎng)格，從左到右擺列分別為網(wǎng)格1、網(wǎng)格2、網(wǎng)格3，第二行接著上邊的數(shù)字持續(xù)從左向右擺列，挨次類推。而后統(tǒng)計(jì)第i個(gè)網(wǎng)格中的白像素點(diǎn)個(gè)數(shù)，記為si，i08。接著統(tǒng)計(jì)總的白色像素點(diǎn)的個(gè)數(shù)，記為sum。則其九個(gè)網(wǎng)格特色提取值為：si/sum，此中i0，18。圖9原圖像圖10區(qū)分成網(wǎng)格提取向量4.9字符辨別算法經(jīng)過上述的特色提取方法獲得能夠表征字符的特色向量，成立字符的模板庫，接著就要經(jīng)過必定的方法來對(duì)提取的特色值進(jìn)行鑒識(shí)以辨別出字符。字符辨別有好多算法，當(dāng)前最具代表性的有模板般配法和BP神經(jīng)網(wǎng)絡(luò)法。神經(jīng)網(wǎng)絡(luò)法BP神經(jīng)網(wǎng)絡(luò)1213一般起碼有三個(gè)層：一個(gè)輸入層、一個(gè)輸出層、一個(gè)或多個(gè)隱層。其網(wǎng)絡(luò)表示圖見圖

4-2：輸入節(jié)點(diǎn)

輸出節(jié)點(diǎn)15隱節(jié)點(diǎn)圖

11神經(jīng)網(wǎng)絡(luò)表示圖

BP

算法由兩部分構(gòu)成；信息的正向傳達(dá)和偏差的反向傳輸。在正