车牌识别系统安装说明书

车牌识别系统安装说明书（共10篇）

1.车牌识别系统安装说明书 篇一

《图像处理与计算机视觉》期末作业

专

业：

计算机软件与理论

年

级：

2018 级

学

号：

12018000758

姓

名：

何勇

2019 年 8 月 21 日

车牌识别系统（VLRP）实验报告

一、实验目的 1、了解车牌识别系统及其应用； 2、结合本门课程所学内容，设计一个车牌识别系统并实现。

二、实验 原理 1、图像预处理：

针对车牌的颜色特征，利用 hsv 色域进行二值化，并进行膨胀和去噪处理。摄像时的光照条件，牌照的整洁程度，摄像机的状态（焦距，角度和镜头的光学畸变），以及车速的不稳定等因素都会不同程度的影响图像效果，出现图像模糊，歪斜或缺损，车牌字符边界模糊不清，细节不清，笔画断开，粗细不均等现象，从而影响车牌区域的分割与字符识别的工作，所以识别之前要进行预处理。、车牌定位：

对预处理后的图片进行区域标记，根据各连通量的长宽比以及黑色像素所占比例定位车牌位置。从背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后选定一个最佳的区域作为牌照区域，并将其从图象中分割出来。、字符分割：

完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别。在本次系统开发中，字符分割采用垂直投影法。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值的附近，并且这个位置应满足牌照的字符书写格式、字符尺寸限制和一些其他条件，利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果。、字符识别：

用图像分类和识别中的所学内容对字符识别，比如基于模板匹配算法、基于支持向量机或基于神经网络的方法。我选择的是基于 BP 的神经网络算法。将分割出来的字符做 n 等分分割，统计个等分块内的黑像素比例，并与特征库比对，识别字符。

三、系统流程图

开始车辆图片预处理车牌定位BP神经网络特征提取字符分割字符识别画出字符结果结束

四、实验步骤 4.1 基于颜色的 BP 神经网络车牌定位

图 4-1 车牌定位流程图

图 4-2 车牌底色库部分样本 建立车牌底色库，在本论文中仅对蓝底白字车牌进行研究。对于这些车牌样本，将其从 RGB 色彩空间转换为得到其 CR CB 红色及蓝色分量。对车牌样本每个像素，均可得到其 CR CB。而我们关心的只是两种像素，即蓝色非蓝色像素。对于蓝色的像素，在转换为 CR CB 后其对应的 BP 神经网络映射关系为输出为1。非蓝色的像素，在转换为 CR CB 后相对应的 BP 映射为输出为 0。由于 BP神经网络要求输入值 0 到 1，所以 CR CB 还需作简单的处理，把它转为符合要求的输入。

到此，用于进行车牌定位的 BP 神经网络模型有了输入层及输出层。即，输入层含两个神经结点（某像素的 CR CB 分量），输出层仅一个神经结点（对应逻辑关系为这个像素在视觉上是否为蓝色），中间层设计为仅含 4 结点的一层。

设计好 BP 神经网络模型后，将车牌的底色投入训练，在网络收敛后可用。这时的神经网络可以认为是已具备区分蓝色及非蓝色的能力了（对于训练得到的权值保存到一个文件 CharBpNet.txt 中，以便在恢复网络时直接读取而节省大量的训练时间）。然后对任意的一张含车牌的图像每个像素，将它投入网络当中，如果网络认为是蓝色的（结点输出为范围在 0.8—1.0 间的），那么将此像素映射成 255；如果网络认为非蓝色的（结点输出范围在 0—0.8 间），那么将此像素映射成 0。这样我们可以得到除了一张二值图像外，还可以将车牌从复杂的自然图像分离开来（当然这是从十分理想的角度出发的，实际上当车辆颜色也是蓝色的时候是无法分离的）。

图 4-3 左图为自然车辆图像，右图为经 BP 神经网络后得到的二值图像

4.2 基于图像投影技术的车牌分割 图像投影技术一般分为水平投影和垂直投影。所谓投影就是对图像的某种特征的统计，然后以直方图形式反映其特征强度。一般是对二值图像而用的，水平方向的投影就是每行的非零像素值的个数，在这里就是 1 或者 255，垂直投影就是每列图像数据中非零像素值的个数。

由于车牌字符在车牌上，所以这部分可以认为是对字符的粗定位或车牌的精确定位。在设计上算法上可以这样做。对二值图像分别作水平和垂直方向的投影，得到其直方图分布，然后分别在波峰的地方作直线，这样水平方向和垂直方向共计四条直线，它们相交形成一矩形，此矩形即为车牌的大概位置。

图 4-4 将要进行投影的二值图像

4.2.1 水平投影技术

逐行统计白点直方图显示投影统计结果波峰即车牌上下边缘

图 4-5 车牌水平投影效果图 按行累加每个像素点的灰度值做投影，横坐标为灰度累加的和，纵坐标为图像的行数，即可确定车牌区域上下边缘。水平分析算法如下：

1)从下向上逐行扫描图像，记下每行中灰度值为 255 的像素点的个数； 2)找到第一个灰度值为 255 的像素点的个数大于某个阈值的行(并且紧挨着的若干行都满足个数大于某阈值)，记录下行号，即为车辆牌照最下边缘； 3)然后继续扫描，找到第一个灰度值为 255 的像素点的个数小于阈值的行(并且紧挨着的若干行都满足个数大于某阈值)，记录下行号，即为车辆牌照的最上边缘； 4)这时不再继续扫描，根据记录的两个行号，对原始图像进行裁剪； 5)得到裁剪后的图像，即为水平方向定位的牌照图像区域。

4.2.2 垂直投影技术

图 4-6 车牌垂直投影个效果图 按列累加每个像素点的灰度值做投影，横坐标为灰度累加的和，纵坐标为图像的行数，即可确定车牌区域左右边缘。垂直分析算法如下：

1)从左向右逐列扫描图像，记下每行中灰度值为 255 的像素点的个数； 2)找到第一个灰度值为 255 的像素点的个数大于某个阈值的列(并且紧挨着的若正列都满足个数数大于某阈值)，记录下列号，即为车辆牌照最右边缘； 3)然后继续扫描，找到第一个灰度值为 255 的像素点的个数小于阈值的列(并且逐列统计白点直方图显示投影统计结果波峰即车牌左右边缘

紧挨着的若干列满足个数大于某阈值)，记录下列号，即为车辆牌照的最左边缘； 4)这时不再继续扫描，根据记录的两个列号，对原始图像进行裁剪； 5)得到裁剪后的图像，即为垂直方向定位的牌照图像区域。

分别投影后效果如图 4-7 所示：

图 4-7 分别投影后效果图 值得一提的是并不是所有的自然车辆图像经BP神经网络动作后都那么完美的，这也是为什么在求车牌各个边缘的时候设定一个阈值（并且紧挨着的若干行都满足个数大于某阈值）的原因。如图 4-8 所示：

图 4-8 示例图 经过对车牌的二值图像的水平和垂直投影后，我们已经得到了车牌的精确位置，也即字符的所在区域。至此，我们可以把注意力从原始的二值图像集中到二值图像中的车牌局部区域来（即如何从车牌中分割出每个字符）。

除了可用比例的方法来进行字符分割外，本文采用一种适应性更好的基于投

影技术来进行分割。字符分割处理采用基于投影特征值的方法，对于数字及字符，由于它们都属于连体字，因此只需在字符或数字之间找到一条无边的空白区（窄的区域），即可实现数字及字符之间的分割处理。

图 4-9 即将进行字符分割的车牌图像 显然要在上图中分割出字符，只需在车牌内（白色矩形）对字符作像素为255 的垂直投影，具体方法如下：

按列累加每个像素点的灰度值做投影，横坐标为灰度累加的和，纵坐标为图像的行数，即可确定车牌区域左右边缘。垂直分析算法如下：

1)从左向右逐列扫描图像，记下每行中灰度值为 0 的像素点的个数； 2)找到第一个灰度值为 0 的像素点的个数大于某个阈值的列(并且紧挨着的若正列都满足个数数大于某阈值)，记录下列号，即为车辆牌照最右边缘； 3)然后继续扫描，找到第一个灰度值为 0 的像素点的个数小于阈值的列(并且紧挨着的若干列满足个数大于某阈值)，记录下列号，即为车辆牌照的最左边缘； 4)这时不再继续扫描，根据记录的两个列号，对原始图像进行裁剪； 5)得到裁剪后的图像，即为垂直方向定位的牌照图像区域； 6）保存每个字符的区域坐标。效果如图 4-10 所示：

图 4-10 字符分割效果示意图 逐列统计黑点直方图显示投影统计结果波峰即字符边缘

4.3 基于 BP 神经网络的车牌字符识别

4.3.1 车牌字符库的建立 字符库的建立是为字符的识别作准备的，字符库要求每个字符按一定标准保存，如保存格式一致，大小规格相同，每个字符的数目相同等等。在本次车牌识别系统研究中，只对数字及字母作研究，对汉字不作研究，所以共计 34 个不同各类的字符。数字 0 和字母 o，数字 1 和 i 为均认为是同一字符，每个字符用程序获取 10 个不尽相同的字符，字符库的建立是为了训练 BP 神经网络的样本。

4.3.2 图像的缩放技术 在计算机图像处理中，图像缩放是指对数字图像的大小进行调整的过程。图像缩放是一种非平凡的过程，需要在处理效率以及结果的平滑度和清晰度上做一个权衡。当一个图像的大小增加之后，组成图像的像素的可见度将会变得更高，从而使得图像表现得更“软”。相反，缩小一个图像将会增强它的平滑度与清晰度。

本次系统开发中，我采用最邻近插值法将每个字符都归一化到 6*12 的统一规格中去，所谓的最近邻插值，通俗理解就是将每一个原像素原封不动地复制映射到扩展后对应四个像素中，效果图 4-11 所示：

图 4-11 归一化前的各字符 归一化后各字符一次为：。

4.3.3 字符的保存 首先给字符编号，0-9 分别编号为 00-09，A-Z 分别编号为 10-33。在本文中，字符的保存格式为 raw 原始图像数据文件，命名依次为 000raw 到 339raw。即不超过 340 的三位数加格式名 raw，前两位数代表这个字符的编号，第三位数 n 代表这字符是第 n 张字符，如某字符某名为 089raw 即意味着这字符代表数字 8，它在库中是第 9 张(从第 0 张开始计数)。又如 330raw 代表着这字符为字母 Z，它是第 0 张。为了使字符库的字符和待识别的字符尽量保持一致性，字符的建立是通过程序的方法获得的。具体做法如下：

1）分割车牌中的每个字符； 2）将各个字符逐一归一化到 6*12 统一标准； 3）将归一化的字符按一定的标准命名保存即可。

最后得到了 340 张不同的共 34 种的格式为.raw 的文件，用程序显示这些字符库如图 4-12 所示：

图 4-12 字符库示意图 4.3.4 字符识别 建立字符库后，设计识别字符的神经网络。

首先设计输入层及输出层。字符库中每个标本，均是 6*12 的标准二值图像。对字符的特征，我采用像素法，即某个字符的像素是 255 时，神经结点输入为0.9，像素值是 0 时，神经结点输入为 0.1，这样输入层就有 6*12 共 72 个结点。输出层采用了34结点，如当导师信号为A编号10时，就在第10个结点设为0.9，其他均为 0.1。至此，用于进行车牌定位的 BP 神经网络模型有了输入层及输出层。即，输入层含 72 个神经结点（对应字符的每个像素），输出层 34 个神经结点（对应逻辑关系为属于编号第 N 个字符）。中间层设计为仅含 50 结点的一层。

设计好 BP 神经网络模型后，将车牌的字符投入训练，在网络收敛后可用（实际在论文完成的过程中，并没有出现收敛，而是达到训练次数后停止训练，这个次数 10000*72 是在实验过程中测试后决定的，同样不保证最优）。这时的神经网络可以认为是已具备区分 34 个不同字符的能力了。然后对任意的一个从车牌分割得到的字符进行归一化之理后，依次假设其分别是编号 0 到 33，并且求出每个编号对应的误差，最后在 34 个不同的误差中找出最小的那个编号，找到的编号即对应的字符了。如某分割的字符投入网络后得到的最小误差编号为 10，那么认为这个字符为 A。

把从车牌分割下来的字符全部投入动作后得到的字符串即车牌的号码了。效果如图 4-12 所示：

图 4-13 字符识别效果图

五、实验结果分析 本次基于颜色和 BP 神经网络的车牌识别系统已基本完成，实验也达到预期的效果。但是问题仍旧存在。实验结果显示如表 5-1 所示：

车牌定位 车牌分割 车牌识别 识别 2 个字符以内错误 测试图片数 16 15 15 15 正确图片数 15 15 5 7 正确率 93.8% 100% 33.3% 46.7% 表 5-1 部分实验结果 在车牌定位方面，由于采用基于颜色定位方法，要求要定位的车牌图像质量较清晰，车牌底色为蓝色或和标准蓝色相差不大，这时 BP 网络能非常有效地区分蓝色与非蓝色，从而实施定位。但也常有无法定位的情况，当车身也是蓝色时，BP 网络必定无法把车牌从图像中分离出来；在字符分割方面，采用基于垂直投影特征值的方法，能有效地分割字符，但也有分割错误的情况，如在车牌定位不够精确或定位出来的车牌有噪点时，无法在字符或数字之间找到一条无边的空白区（窄的区域），此时往往会分割错误（一字符可能分为多个，噪点也可能认为是字符）；在字符识别方面，在本文中，实验过程发现当车牌定位和字符分割均能得到较好结果时大多数情况下均能有效地识别，但是字符分割错误或要识别噪点较多或字符倾斜较严重时往往会出现错识甚至拒识。比如 B 有可能错误为 8，B 错识为 R 等等。

2.车牌识别系统安装说明书 篇二

系统主要需要对用户车辆进行实时管理,对其出入的时间、车牌号、图像进行严格记录、识别和登记,并按照停车时间和计费规则对各种车辆进行收费,并防止车辆丢失。

主要功能:

(1)车牌识别比对功能,防止车辆被盗。

(2)支持灵活费率设定,不限时段,多种设定。

(3)支持车牌识别缴费功能,免除停车卡的发放,提高通行速度。

(4)多进多出联网系统管理,支持出入口嵌套管理功能。

2 其他子系统

2.1 车牌识别,集中收费

利用车牌识别技术,获取车牌号码,替代停车卡的发放,驾车者在收费处输入车牌号就可缴费,提高了效率。

2.2 无人职守自助缴费

驾车者自己在终端上输入车牌号码,调取入场记录,用一卡通、手机、信用卡等方式自助付费,提高了服务水准。

3 系统操作流程

车辆采用了车牌识别不停车进出场系统,保障车辆方便、快捷、不停车通行。固定用户的注册、续费与注销均在管理电脑上完成,由系统管理员凭管理员密码登录管理系统软件,将固定用户的车牌,使用期间等信息录入系统,完成固定用户的注册、续费与注销。

3.1 授权

由工作人员在指定地点按一定的规则对车牌号进行授权。针对不同用户情况设置不同权限,并在指定时间或时间段(年、月、星期几、早晚时间、出入口等)范围内有效。同时输入车主姓名等身份信息及车位号等。

3.2 固定车辆进出场

该系统采用车牌识别技术,用户只需开车至停车场入口处,车牌识别摄像机就会自动识别车牌号,系统会自动识别其车牌号的性质并判断其权限,如果该卡符合进入权限,系统会自动开启道闸,及时让该车辆通过,然后关闭道闸,阻止后面车辆通过。

对于过期月租车辆,系统会自动判断出来并语音提示。

4 图像对比系统

本项目中,为了提高进场和出场的速度和管理系统的服务水平,更加方便管理人员对出入停车场的车辆进行管理,要求使用车牌识别和图像对比系统。

通过安装在道闸后方的视频监测设备,监控每一辆通过出入口监测点的机动车辆,通过车牌识别软件自动识别出进出车辆的车牌号码、车牌类型,并将该车通过出入口的时间、地点、图片等相关数据,通过通信网络,上传到系统数据库中,用于管理员查询等功能。当车辆在出口交费时,系统可自动调出用户在进入停车场时的照片及车牌号码,管理人员可以清晰快捷地辨别出进出车辆是否一致。

(1)系统包括

1)控制设备:计算机(带视频卡)

2)监测设备:

(1)图像抓拍设备:特写摄像机

(2)照明设备:摄像机补光灯

(3)防护设备:摄像机防护罩

3)图像记录设备:硬盘

4)软件部分:车牌识别软件

(2)主要功能

1)车牌号码可以作为车辆的收费依据。

2)防止内部用户挪用内部卡。

3)车辆防盗,一卡一车,防止车辆丢失。

4)便于管理人员快速检索车辆记录,杜绝管理漏洞。管理软件功能。

4.1 车辆数据库建立

提供车辆数据库建立功能,由管理人员预先录入车辆的车牌号码、车主姓名、联系电话等有用信息,建立完整的车辆管理数据库。

4.2 车辆出入记录

对于所有的驶入车辆系统可提供本车的记录,对于驶出车辆系统可提供本车的入口处记录,同时均有车辆图片记录。

4.3 车辆查询

提供出入车辆的查询,即管理人员可随时查询数据库内驶入/出的车辆数据,系统可提供如下查询方式

按驶入/出地点查询:

(1)按车牌查询(固定车辆)。

(2)按时间查询。

(3)按车辆性质查询。

(4)目前仍滞留车辆的查询。

4.4 车流统计

对任意时段、任意方向出入车辆进行车流统计,生成统计报表。

5 结语

随着车辆的日益增加和人们安防意识的提高,车牌识别系统显得尤为重要,它为人们的生活带来了便利,也对安全做出了保障,本设计作为门禁系统的一个重要组成部分,提供了一定的参考。

参考文献

[1]李宇成,等.车牌识别系统中关键技术的研究[J].计算机工程与应用,2011.

[2]李文举,等.质量退化的车牌字符分割方法[J].计算机辅助设计与图形学学报,2004.

[3]汤伟,王先通,王孟效.基于FPGA和DSP的车牌识别系统的研究[J].计算机测量与控制,2016.

[4]闫青,王亮亮.浅析车牌识别技术[J].山东商业职业技术学院学报,2009.

3.车牌识别系统安装说明书 篇三

关键词 智能交通系统 车牌识别技术 应用研究

中图分类号：TP391.41 文献标识码：A

随着全球经济的快速发展，人们的物质生活质量逐步加深，促进了公路交通事业的快速发展，随之而来的机动车辆与日俱增。由于城市空间有限，面对巨大的城市交通压力，仅依靠发展交通设施已不能解决现已存在的交通拥挤、环境污染、交通事故频发等问题。为了缓解这一压力，利用高科技手段，建立完善的道路网络缓解道路交通增长的需求，智能交通系统应运而生。车牌识别系统作为智能交通系统的核心组成部分，在道路交通管理、交通事故与机动车盗窃现象的抑制以及维护公共安全等方面发挥着重要的作用，因此车牌识别系统已成为现代交通工程领域中研究的重点和热点问题之一。

1车牌识别系统在智能交通中的发展历程

随着交通事业的不断发展，车牌识别技术日趋走向成熟，并开逐渐应用于交通、公安、路政、停车场、安防、门禁、智能小区等许多领域。车牌识别系统简单的说是一种以特定目标为对象的专用视觉系统，它能够从一幅图像中提取分割并识别出车辆牌照，运用先进的图像处理、模式识别和人工智能技术，通过对图像的采集和处理完成车辆牌照的自动识别，识别结果可按需求分别包括车牌的字符、数字、牌照图像，以致牌照颜色、坐标、字体颜色等。

2车牌识别系统的研究现状

车牌识别技术起源于上个世纪末，ARGUS的车牌识别系统的识别时间约为100毫秒，通过ARGUS的车速可高达每小时100英里。还有Hi-Tech公司的See/Car？system，新加坡Optasia公司的VLPRS等。

国内不少学者也在进行车牌识别方面的研究，实验室方面，西安交通大学的图像处理和识别研究室、上海交通大学的计算机科学和工程系、清华大学人工智能国家重点实验室、浙江大学的自动化系等在车牌识别方面有各自独立的研究，并取得了一定的成绩。中国科学院自动化所的刘智勇等发表文章，他们在一个3180的样本集中，车牌定位准确率为99.4%，切分準确率为94.5%。北航的胡爱明等利用模板匹配技术开发了一种应用于收费站的车牌识别系统，其识别正确率能达到97%以上。华南理工大学的骆雪超、刘桂雄等提出了一种基于车牌特征信息的二值化方法，该系统对效果较好的车牌的识别率能够达到96%。清华大学的冯文毅等利用一种光电混合系统进行车牌识别，系统能够通过硬件来完成车牌识别的全过程。黄志斌等将基于串行分类器的字符识别应用于车牌识别系统中，对车牌识别系统中的分类器进行了详细的研究。目前比较成熟的产品有中科院自动化研究所汉王公司的汉王眼，香港亚洲视觉科技有限公司的慧光车牌号码识别系统等等。

根据IMS研究显示，截止2012年底，全球车牌自动识别市场已经扩展到了3.5亿美元左右。2011年车牌识别达到了年增长率6.9%的成绩。随着市场的发展和用户需求的不断变化，车牌识别保持着快速的发展。车牌自动识别技术算法有了很大的提升，从应用情况来看智能化算法与摄像机完美搭配，能够解决道路交通上遇到的不少难题。

尽管车牌自动识别机会比比皆是，但是其挑战仍然存在。以美国为例，车牌形式各种各样，形状、图片和字体也没有统一的规范。一点车辆可跨国驶入，监控系统面对其他国家或区域的车牌信息时，具体的语言文字也有所不同，摄像机算法必须更为复杂和精准。尽管识别技术已达到炉火纯青的地步，但是目前车牌识别阿拉伯语仍具有很大的挑战。毫不夸张地说，这些字母的难度高于中国的草书。

3车牌识别系统可提升的空间及发展

车牌识别系统集中了光电、计算机、图像处理、计算机视觉、人工智能、模式识别等关键技术。随着信息化时代的不断发展，住宅、小区、停车场等需要保安人工监控的地方都将使用车牌识别系统，减少了许多人为因素造成的疏忽之处。也能扩展到犯罪车辆、肇事车辆、被盗车辆的辨识和拦截，交通流量监测等领域，为人们出行的安全和便捷提供了保障。一方面，车牌识别系统本身是一个全数字化的智能系统，以此为技术基础，可以衍生出一些其他功能。另一方面，由于环境因素、车牌自身因素以及拍摄角度等问题，尽管世界上很多研究机构和公司专门从事这方面的研发工作，高可靠性、高性能和高识别率的车牌识别系统还待开发。

参考文献

[1] MD.Tanvir Learning Algorithms for Artificial Neural Networks，Proc. 10tb Informantion Engineering Senimar June 2001.

[2] GuyonI.Applicationofneuralnetworkstocharacterrecognition[J].InternationalJournalofPatternRecognitionandArtificialIntelligence，1993，7（4）：721.755.

[3] 杨大力，刘舒.基于神经网络的车牌汉字识别方法[J].中国人民大学公安学报，2009，5（3）：56-57.

4.出入口车牌识别技术方案 篇四

1.1 应用背景

随着经济建设和社会建设等快速发展，人们的生活方式发生着深刻的变化。机动车辆和城市的人口大量增加，在诸多因素影响下，导致出入口管理混乱，违法案例呈上升趋势，社会公共安全形势面临着严峻的挑战，这种挑战迫使人们去寻找高技术的有效手段去解决突出的问题。出入口控制系统就是顺应这一时代需求的高技术产物。他不仅可以有效地解决出入口的交通混乱，同时也尽可能地减少车主失车被盗、物品被盗的忧虑。另外，在技术方面，其高技术性匹配于现有其他智能化系统，具有很好的开放性，易于与其它安防子系统组合成更强大的综合系统，适应多种综合方式的高级管理。

出入口控制系统是上世纪60年代发展起来的安全防范技术，进入九十年代以后，出入口控制应用在国内迅速得到了发展，已成为我国安防领域的一个重要分支。出入口控制系统发展之初，由于缺乏共同标准，各厂商按照自己的理解和偏好来进行产品的研发和实施，给最终用户的选型、实施和运行带来了很多问题，制约了出入口控制系统的有序发展。

公安部于2002年颁布了《出入口控制系统技术要求》（GA/T394-2002）和《出入口控制系统工程设计规范》（GB50396-2007），对出入口控制系统的技术规范和工程设计规范做了比较详细的规定，统一了技术标准，对出入口控制系统的发展进行规范和指导，促进出入口控制系统行业朝着规范、有序的方向发展。

1.2 现状分析与发展趋势

随着城市交通的不断发展，城市内的机动车辆日渐增多，各种机动车辆的停车管理问题迫在眉睫，许多大中型场所都面临着数百辆车的日常保安管理工作。由于环境限制，对固定车辆和临时车辆的便捷管理成为管理人员迫切需要解决的难题。

研究出入口控制系统现在运行的情况，我们可以知道存在以下问题需要解决： 1)IC卡和人工管理等封闭区域车辆被盗被换现象经常发生；

2)业主转借卡片现象严重，停车位管理困难；

3)出入口车辆通行效率低下，上下班高峰期通行时间较长；

4)出入口控制系统建设规模和密度不足，一般监控系统存在视场较小、视频质量较低和关键目标不够明确，对静态车辆的管控缺乏有效的技术和管理手段；

5)出入口控制系统与收费、视频监控、车位诱导、巡更等系统融合上不够，未能综合应用各种数据，更好的发挥出入口控制系统功能；

6)传统出入口控制系统经营与管理成本较高。

在面对上面提及的问题时，我们分析了出入口控制系统的发展趋势，主要有以下几点：

1)非接触识别技术正成为出入口识别系统的主流。

2)出入口控制系统的工程设计，越来越强调被控对象以及建筑环境的作用。在安全级别要求较高的应用场合，目前已经做到整体设计、统一施工。

3)出入口控制系统将与其他安防系统互为补充，并相互渗透与融合，你中有我、我中有你、共同发展。

4)利用出入口控制系统完成日常管理工作的应用需求越来越多，作为从事这一行业的企业，应抓住机遇、不断创新，推动出入口控制行业健康、顺利的发展。

第二章 系统总体设计

2.1设计依据

系统设计依据国家相关法律规章、国家和行业相关标准、相关研究成果等资料进行规划设计，具体如下：

 建设单位提供的设计要求及相关资料  《智能建筑设计标准》 GB/T50314-2006  《综合布线系统工程设计规范》GB 50311-2007  《综合布线系统工程施工及验收规范》GB/T 50312-2007  《安全防范工程技术规范》 GB50348-2004  《视频安防监控系统工程设计规范》GB50395-2007  《出入口控制系统技术要求》（GA/T394-2002） 《出入口控制系统工程设计规范》GB50396-2007  《民用建筑电气设计规范》JGJ16-2008  《建筑物电子信息系统防雷技术规范》GB 50343-2004；  《建筑防火封堵应用技术规程》CECS 154：2003  《民用建筑电线电缆防火设计规程》DGJ 08-93-2002 其它有关国家及地方的现行规程，规范及标准。

2.2设计原则

1)先进性

本系统充分利用科技进步成果，采用当今先进的技术及设备，一方面能充分体现系统具有的先进性水平，另一方面也使得系统具有强大的发展潜力，以便该系统在尽可能长的时间内与需求发展相适应。

2)可靠性

由于本系统是一实际使用的工程，因此其技术和设备又必须是相对成熟的。本系统在设计时从系统结构、设备选择、产品供应商的技术服务及维修响应能力等方面严格把关，使故障发生的可能性尽可能降低，具有防盗、耐高温、抗寒、散热排风等功能设计，使用的各类电气接线端子、过载、漏电及断路保护装置、避雷装置等装置均符合国家有关电气安全标准要求，保证系统能够可靠地、连续地运行，软件采用模块化、分层隔离的设计思想，充分保证系统的高可靠性。

3)规范性

由于本系统是一个综合性系统，在系统设计和建设初期应着手参考各方面的标准与规范，并且应遵从该规范中各项技术规定，做好系统的标准化设计与管理工作。

4)易维护性

本系统前端设备数量多、种类多，统一采用系统软件平台的集中管理，可实现远程升级、维护和自动校时，易于故障的排除，系统维护简单方便。

5)扩展性

本系统考虑今后发展的需要，系统软硬件应采用模块化设计，因而保证在系统产品系列、容量与处理能力等方面的扩充与换代的可能。这种扩充不仅充分保护了原有投资，而且具有较高的综合性能价格比。

6)安全性

采取有效的安全保护措施，防止系统被破坏、非法接入、非法访问，系统具有防雷击、过载、断电、电磁干扰和人为破坏等综合安全保护措施。

7)经济性

系统尽量采用性价比高的产品，既能满足实际需要，又可尽量降低费用，同时在系统化的设计过程中，进行优化设计，便于今后维护，大大降低系统费用。

2.3设计目标

我们希望通过建设出入口控制系统达到以下核心业务目标：

1)实现传统人工管理模式向智能管理模式转变； 2)车辆自动放行和提示，提高系统的智能化； 3)车牌识别实现针对“车辆”的进出管控；

4)车牌识别与卡票相结合可实现一卡一车，防止换车、换卡； 5)更高效的车辆记录和数据统计；

6)实时数据比对，实现智能分析、联网布控功能；

7)更完善的数据存储和读取性能；

8)主要设备通信协议均采用TCP/TP，更高效的与其它系统融合； 9)更便捷的工程实施与系统维护。

2.4设计思想

出入口控制系统是安全技术防范领域的重要组成部分，是现代信息科技发展的产物，是数字化社会的必然需求，是人们对社会公共安全与日常管理的双重需要，是发展最快的新技术应用之一。出入口控制系统通常是指：采用现代电子与信息技术，为出入口管控和安全服务的信息化管理系统，对通过出入口的车辆、人员两类目标的进、出进行放行、拒绝、记录和报警等操作的控制系统。本方案设计的出入口控制系统应用场所包括通常所说的停车场、居民小区、政府机关大院、学校、厂矿企业等有车辆、人员出入的区域。

系统设计时采用先进的设计理念，本着以最经济的投入实现最强大、实用系统的设计目标。

支持IC卡、射频卡、蓝牙卡、纸票、车牌识别等多种配置方式的出入口控制系统，适应各类出入口场景，实现了出入口控制管理高度智能化，有助于解决现在各类出入口管理问题。

自主研发的高清车牌识别系统准确记录识别车牌号码，确保车辆的进出有据可查，进出可控，固定车辆快速通过电动挡车器，加强停车场的高效和安全管理。

系统在设计上充分考虑开发的体系架构，采用设备代理的方式方便第三方厂家设备的接入，可以灵活的与原有系统或设备进行对接，管理软件与第三方平台通过Web Service接口完成交互，具有高度的多业务功能融合能力。

系统管理软件同时具有视频监控功能，可以将出入口控制系统与视频监控系统无缝结合的在一个统一的管理软件下管理。

第三章 系统详细设计

3.1车牌识别系统

3.1.1设计思想

利用电动挡车器、车牌识别等出入口设备做连动整合，除可管制车辆的进出外，亦可进一步管制车位数量之管控，对于每辆车停车时间亦可计算或限制，更加强防盗/防弊功能，使对通过出入口的车辆能更有效的辩识和管理。

3.1.2系统结构

图注：自动挡车器自助缴费机出入口补光抓拍一体机光纤信号/控制线以太网LED显示屏出入口控制终端中心平台3.1.3系统组成

出入口控制系统由前端子系统、传输子系统、后端子系统组成，实现对车辆的24小时全天候监控覆盖，记录所有通行车辆，自动抓拍、记录、传输和处理，同时系统还能完成车牌、车主信息管理、收费、对账等功能。

1、前端子系统

负责完成前端数据的采集、分析、处理、存储与上传，负责车辆进出控制，主要电动挡车器模块、车牌识别模块等相关模块组件构成。主要设备如下：

1)电动挡车器模块主要设备：

 电动挡车器

 手动按钮能作 “升闸”、“降闸”及“停止” 操作

 支持软件控制“升闸”、“降闸”及“停止” 操作  停电自动解锁、停电后可用摇把手动抬杆  具有便于维护与调试的“自栓模式”

 配备车辆检测器，使具有“车过自动落闸”“防砸车”功能。 可选配路闸及通道两对红绿灯

 备丰富的底层控制及状态返回指令，使电脑可对电动挡车器作最完备的控制

 可根据需要增加其它特殊功能

 车辆检测器

用于防砸线圈检测。

 遥控发射接收器

接收无线遥控信号，并转换开关信号。

 遥控发射器

发送无线信号。

2)车牌识别模块主要设备：

 出入口补光抓拍单元

出入口视频一体机是由摄像机及护罩组成，自带3颗LED补光灯，具有清晰度高、照度低、帧率高、色彩还 原度好等特点。

 车辆检测器

系统采用线圈触发方式，由前端车辆检测器来检测进出通行车辆，可与防砸线圈车检器共用。

 出入口控制终端

出入口控制终端负责进行前端数据采集、处理、上传后端平台，可实现实时视频、抓拍图片显示、进出抓拍图片关联、实时报警信息显示、系统日志显示、软件开/关闸、高峰期锁闸、设备连接状态显示、报警联动等功能。

 LED显示屏

室外LED显示屏用于显示“中心发布信息”，实时显示“车牌号码”、“余位数”、“收费金额”等信息。

2、网络传输子系统

负责完成数据、图片、视频的传输与交换。其中前端主要由交换机、光纤收发器等组成；中心网络主要由接入层交换机以及核心交换机组成。

3、后端平台管理子系统

平台完成数据信息的接入、比对、记录、分析与共享。由以下软件模块组成，包括：数据库服务器、数据处理服务器、Web服务器。其中数据库服务器安装数据库软件保存系统各类数据信息；数据处理服务器安装应用处理模块负责数据的解析、存储、转发以及上下级通讯等；Web服务器安装Web Server负责向B/S用户提供访问服务。

3.2实际出入口混行模式

1.5m触发线圈余位显示屏逻辑线圈入口补光抓拍单元自动挡车器补光抓拍单元防砸线圈收费显示屏出口4m逻辑线圈触发线圈0.8m出入口控制终端1m0.8m值班岗亭1m0.8m1m入口4m0.8m 3.3主要设备选型

1、出入口补光抓拍单元

200万像素出入口补光抓拍一体机DS-TCG225（主推）

1）产品说明: 出入口补光抓拍一体机DS-TCG225是由防护罩、镜头、摄像机、补光灯及电源组成，内置摄像机采用高清晰逐行扫描CMOS，具有清晰度高、照度低、帧率高、色彩还原度好等特点。产品广泛应用于加油站、4S店、小区、政府大院、停车场等出入口的车辆抓拍和识别。

2）主要特性：

（1）高清晰：200万像素高清摄像机，最大分辨率可达1920*1080，帧率高达25fps；

（2）低照度效果：1/1.8"逐行扫描CMOS，成像效果好，0.002Lux星光级监控效果，夜间看的更清；

（3）集成度高：内置2颗LED补光灯，集摄像机、护罩、LED补光灯、镜头、电源适配器于一体，可有效节省施工布线成本；

（4）调试方便：采用5.2-13mm电动变焦镜头，支持软件自动调焦，调试更加方便，场景适应性更广；

（5）接口丰富：丰富的控制接口，可直接控制道闸开/关，支持外接报警设备、LED显示屏、音频输入输出等；

（6）智能识别算法：丰富的智能识别算法，支持车牌、车型、车标、车身颜色识别，准确率高；

（7）黑白名单控制：内置8G SD卡，支持黑、白名单的导入及对比，可直接联动道闸开闸，支持脱机运行；

（8）多种触发模式：支持线圈触发、视频触发、线圈结合视频触发等多种触发模式；

（9）无线传输（可选）：支持GLE电信全网通无线传输功能，环境适应性更强。

2、出入口控制终端DS-TPEXXX

1）产品说明: 出入口控制终端是一款专用于记录所有通行车辆，自动抓拍、记录、传输和处理的数据采集类终端。该产品采用X86架构、嵌入式无风扇设计，集图像采集、实时处理和数据传输等功能于一体，支持4车道数据接入，支持收费功能；支持过车数据存储、管理、查询；丰富的接口：3个232、2个485、4个百兆网口、2个千兆网口、4个USB、2路报警输入、4路继电器输出、1个VGA、1个音频输入、1个音频输出；具有智能集成度高、连续运行时间长、抗恶劣环境能力强的特点。

3、电动挡车器_（多选）

4系列自动挡车器DS-TMG4XX（大红色）/（橙色）

1）产品说明: 系统选用自动挡车器采用国际最新技术研制，表面喷涂处理技术和工艺，先进的机内防潮处理工艺；整套设备都充满了先进的技术改革和工艺处理，适用于小区、大小型停车场。

第四章

系统实际效果

车牌识别系统效果图

200万像素高清效果（白天）

200万像素高清效果图

200万像素高清效果（夜间）

5.车牌识别系统安装说明书 篇五

说明：安装软件时，只需安装盘中的DBMIS6电表管理系统，（预置卡：每批表只需一张，可通用，预置卡的度数由厂方直接预置20度，次数将在第一次购电中自动扣除，第一次购电量必须大于预置的度数），预置卡的目的是电工安装电表时可先给用户的预支用电。(具体一些细节可阅读系统中的各项说明)

系统注册：依次填写收费站编号、收费站名称、管理单位名称、系统注册编码（必须填写）（建议填写所在地区邮政编码）。点击保存注册设置。填写人员设置，然后退出，再点击保存设置即可。

开户：点击开户→选择电表类型和电价类型、限容方式（一般居民用户请选择超容断电）（其它不用动）→点击本批设定不变→点击开户配表（此时颜色变灰色）→写入电表厂号→再点击本批设定不变→确定→确定→再依次填写用户姓名、单位名称、用户地址、联系电话等信息→再写入购电电量（必须大于预置卡的度数）→写完后依次点击按金额计、报警电量、购电金额→之后再点击收费确认无误→保存→确定→确定→打印发票。

限容方式： 0=不限容、1=超容断电二种方式；(这里建议使用超容断电方式)

不限容：不对用户的用电功率进行控制，但易由于用户长期大负荷用电造成电卡表损坏； 超容断电：对连续超过报装容量功率时间达到30秒，实施拉闸断电保护；但对于一些不允许断电的如工业用户不合适。

注意：第一购电（开户）的电量必须大于预置卡中的电量。

第二次及以后购电：直接点击售电→点击特许购电，接着就和首次开户售电一样的。

预付费电表常见问题及处理

1.用户反映电量送不进电表，怎么办？

答：用户新购电量送不进电量，可能是：

A电表编号不符---购电卡内的电表编号与电表内的电表编号不符。都可以用“查电卡”检查,核对电表显示的电表编号。大都出现在用户第一次购电就送不进电量。

原因1：用户初次使用，应指导用户把电卡按正确方向插入并插到位。

原因2：是现场装表时抄错了电表厂号，或者开户时没有正确配表（电表厂号选错），造成开户配表不对号。

原因3：表箱中有多块表时，用户插错了电表。

处理办法：给用户作变更用户信息处理，调换两个错插用户的户名、地址等信息。

B购电次数不符---购电卡内的购电次数与电表要求的购电次数不符。电卡表内部有一个购电次数计数器，而购电卡也有一个购电次数，只有当卡内的购电次数与电表内的购电次数相等时，电表才会将购电卡中的购电数据读入（即所谓送进电量）。如果在购电过程中少插了一次，则以后购电卡内的电量应无法送进电表。

安装密码888615 系统登陆账号：---名字：管理员。密码：800001 C 购电卡已损坏---把电卡在系统上进行读入检查数据后，补写购电卡能否正常写入，如出现错则电量卡已损坏，应补发一张新的购电卡。

D 电表已经损坏---如果电表能对“查电卡”有反映，则电表工作正常驻机构。否则更换电表。

现场的具体情况是多种多样的，管理员一定要在深刻理解电卡表的工作原理的基础之上，及时果断地对情况进行处理。

1.用户的购电卡丢失怎么办？

答：可以通过（补购电卡）功能进行补卡。用户即使找到丢失的卡也是不能再使用。参考（补购电卡）说明。2.谎报购电卡丢失怎么办？

答：不用担心，放心补卡。比如：某用户在第五次购电后，购电卡已插表一次并未丢失但谎报丢卡，因补卡时写入的是第五次购电数据，电卡表中已读入该次购电数据已存在的电卡表，所以用户用补给的卡再插一次也是无用。当然，补给的卡可用于以后任一次购电。

3.测出用户卡未使用，拒绝售电怎么办？ 答：若用户购电量后未插入，应要求用户插卡一次，才能进行下一次购电。若用户已插卡一次（并确认已插卡到位），则电表有故障，应叫人进行检查。4.能否反复使用？

答：正常情况下，电卡能反复读写100万次。如果一张卡已复制为“清零卡”的电卡也可以转换为另外一种卡（如查电卡或购电卡）。因为在写卡前系统会自动检查电卡类型，并自动擦除电卡内原有数据后再写入新卡的数据。

5．多台电脑能否管理一个系统

答：能，只要把电脑的局域网设置起来，在注册里的信息把收费站编号改成其他数字，然后数据库的地址定义到做主服务器的电脑上就可以了。

系统重新安装

请特别注意：

1.我们建议您不要将系统默认安装在C盘，因为这样电脑进病毒后，电脑重装（需要格式化C盘）数据将会丢失，则无法正常使用售电程序。而只需格式C盘的情况下，其它盘的数据则可以保留下来。

2.卸载程序前，一定要先把数据库文件（DBMIS6DATADBMIS6.dbm）备份复制到安全的地方，然后再进行卸载操作。

3.重新安装系统后，必须再把数据库文件拷贝到相应目录中（DBMIS6DATA）。或在系统数据库初始化后重新恢复备份的数据。

关于电表注意事项：

6.车牌识别系统安装说明书 篇六

电气火灾监控系统设计、安装及验收规范

送审稿

编制说明

二〇一二年二月二十日

《电气火灾监控系统设计、安装及验收规范》

编制说明

一、规范的提出

随着社会经济的发展，居民家用电器的增加，各种大负荷电器的普及，使全区因电气因素引发的火灾数量逐年剧增，据统计，2009年全区电气故障引发的火灾共432起，占到火灾总数的39.22％。根据公安部消防局电气火灾原因技术鉴定中心的统计资料显示，电气火灾大部分是由电气线路的直接或间接故障引起的，如果能对电气线路的故障和异常状态进行有效监控，及早发现电气火灾隐患，就能及时提醒相关人员消除隐患，避免火灾事故的发生。对此，建筑设计防火规范》、《高层民用建筑设计防火规范》等消防技术标准对电气火灾早期预警、预报设备安装使用作了具体规定，国内多家厂家也为此设计了多种类型的电气火灾监控系统。

但是，由于目前针对电气火灾监控系统国内还没有相应的国家标准和行业标准，对该设备的设计、施工及验收没有相应的依据，使电气火灾监控系统无法得到正常的推广和运用，也不利于广西火灾防控工作的开展。为了使该系统在广西区消防管理中有规范可依，2011年8月，广西质量技术监督局经研究决定，将《电气火灾监控系统设计、安装及验收规范》列为2011年第十批广西地方标准制定项目计划，为此，我们专门成立了课题组，制订了广西区的《电气火灾监控系统设计、安装及验收规范》地方标准。该规范的编制也集中体现了用户的需求，此规范为设计、安装、验收以及系统的维护提供技术依据，为电气火灾监控系统设计、安装及验收规范的推广使用起到推动作用。

主要起草单位：广西壮族自治区公安厅消防局、上海华宿电气技术有限公司、南宁富迪佳科技有限公司。

二、编制方法

本规范的编写遵照建设部建标[1996]号文件关于“工程建设标准编写规定”来编制，该规定明确了它适用于工程建设国家标准、行业标准和地方标准的编写。在编写条文的同时，应编写标准的条文说明，并规定了标准的构成和编写顺序。本规范的编排顺序按总则，规范性引用文件，术语和定义，规格型号，系统的构成，系统设计，系统的安装，系统的验收，系统的维护共九部分。基本内容尽力做到有针对性、科学地、准确地、定量地表达出来。用词方面尽量做到准确、严谨、统一和通俗易懂。

三、主要性能指标的来源

本标准规范依据： GB 14287

《电气火灾监控系统》、GB 50116

《火灾自动报警系统设计规范》及国家现行有关建筑消防工程质量的法律、法规、管理标准结合广西的实际情况制定。

四、工作简况

广西壮族自治区地方标准《安电气火灾监控系统设计、安装及验收规范》初稿完成后，在华蓝设计院等16家单位广泛征求意见，共征集意见12条，采纳6条，并针对所提意见对初稿进行了修订。

五、标准的属性 《电气火灾监控系统设计、安装及验收规范》地方标准，不仅是工程设计人员设计的技术标准，也是广西壮族自治区的公安消防监督管理部门提供了监督管理的技术依据。这将对保障人员密集场所人员安全疏散，减少火灾人员伤亡，防止和减少火灾危害，遏制群死群伤火灾事故具有十分重要的意义。鉴于此，建议本标准为广西地方推荐性标准。

《电气火灾监控系统设计、安装及验收规范》编制小组

7.车牌识别系统安装说明书 篇七

随着机动车保有量的持续增长,道路安全和车辆监控成为焦点问题,除了加大交通基础设施投入外,还要科学使用交通设备,加强智能化应用水平。随着城市报警和监控系统建设的深入,监控数据的分析愈来愈重要,依靠人工很难进行。车牌识别是车辆智能化分析的前提,实现准确识别车牌,可以完善安保系统和城市道路交通安全系统,如在交通路口和高速公路上可以利用智能车牌识别系统快速发现违章车辆,对被盗车辆进行拦截等,为城市安全提供全方位信息化支撑[1,2]。

基于OPENCV的智能车牌识别系统可对街道或路口的车辆流量进行统计,一方面解决了人工分析海量数据的困难,另一方面通过机动车辆统计,对城市道路建设以及交通管理提供数据参考,具有良好应用前景。

1 OPENCV计算机视觉函数库

OPENCV是一个开源的跨平台计算机视觉库,由C和C++语言编写,包含了许多图像处理和计算机视觉方面的算法。OPENCV由CV、MLL、HighGUI、CXCORE[3]四个功能模块组成,各模块主要功能及关系如图1所示。

2 BP神经网络

BP神经网络[4,5]是一种基于概率的统计分类,利用训练样本产生的概率分布情况来设计判别函数,再进行分类。如图2所示,BP神经网络神经元结构由输入层、隐含层和输出层组成,前一层的输出作为后一层的输入不断向后计算。由于误差的存在,要进行校正,而对误差校正是从后向前反向进行的,这样可以逐层导出隐含层的误差。

假设输入层、中间层和输出层的单元数分别是N、L和M,X0,Xl,…,XN-1表示输入;ho,h1.…,hL-1为中间层输出;yo,yl,…,yM-1表示网络实际输出;训练样本期望输出为do,dl,…,dM-1。Vij表示输入单元i到中间单元j的权值,Wjk表示中间单元j到输出单元k的权值,θk和ψj分别是输出单元和中间单元的阈值。

中间层各单元的输出为:

输出层各单元的输出为:

3 系统设计

3.1 系统组成

智能车牌识别系统是一个基于数字图像处理及模式识别算法的系统,由图像预处理、车牌定位、字符分割和字符识别4部分组成,其关系如图3所示。

图像预处理分为灰度化、二值化、边缘增强3部分,目的是去除图像的噪声对后续工作的干扰。车牌定位用来确定车牌位置,通过扫描整幅图像,当水平超过12个跳变、垂直超过10个跳变时就判断为车牌区域。字符分割将定位好的车牌区域传入垂直方向的像素和,会发现在某些区域出现峰值,这些峰值区域即字符区域。字符识别以神经网络的方式通过和训练集中提取特征进行比对,当误差小于一定值时就认为是样本将其输出。

3.2 图像预处理

(1)灰度化。本文选择加权值方法对图像进行灰度化,采用OPENCV的库函数:cvCvtColor(const CvArr*src,const CvArr*dst,int code),其中通过宏CV_BGR2GRAY设置将彩色图像转化为灰度图像。原始图像如图4(a)所示,灰度化结果如图4(b)所示。

(2)二值化。二值化处理采用的OPENCV库函数为cvThreshold(const CvArr*src,CvArr*dst,double threshold,double max_value,int threshold_type)。处理过的图像如图5所示。

(3)边缘增强。用边缘增强方法来增强车牌的纹理,更加快速、准确地定位车牌。常用的边缘检测算子[6,7]有:Roberts算子、Sobel算子、Prewitt算子、Canny算子等。这里采用Canny算子来实现。本文采用OPENCV提供的cvCanny(const CvArr*image,CvArr*edges,double threshold1,double threshold2,int aperture_size)方法进行边缘增强处理,处理后的图像如图6所示。

3.3 车牌定位

输入图像为二值图像,可以通过数灰度值为255的像素点个数来判断峰值的位置并记录。由于我国的车牌号码由7个字符组成,所以车牌位置至少有14个跳变数,为了更精确地定位,本文选择在检测到12个跳变时就确定车牌的位置。

垂直投影定位方法与水平投影定位类似,首先对图像进行垂直方向投影,将上一小节得到的水平投影图像从左至右再次扫描,计算图像垂直方向的跳变数。经过多次实验发现,当垂直方向跳变数多于10个时就可认定为车牌的垂直位置。再对车牌的宽高比进行计算,若为3∶1则可以确定定位区域为车牌区域。通过调用OpenCV库中的cvFindContours函数得到车牌区域,再进行分割得到车牌图像,如图7所示。

3.4 字符分割

常用的字符分割算法有很多,包括垂直投影法、聚类连通域法和模版匹配法等等,各有优劣[8],本文采用垂直投影法进行车牌字符分割。垂直投影法是将输入的二值化图像按垂直方向像素的灰度值累加,在折线图上会出现峰值,而由于亮点仅有可能出现在车牌字符的位置,因此可以通过峰值位置来判断车牌的位置。通过调用OpenCV中的cvSetImageROI()函数,在确定车牌字符的位置后用红色矩形边框线将之框起来,以此作为分割的依据。结果如图8所示。

3.5 字符识别

(1)字符归一化。字符归一化发生在特征向量的提取之前,通过系数变换的方式,在方便提取字符特征和提高车牌识别准确性的前提下,将分割好的车牌字符图像变换为高度、宽度都相等的图像。字符的归一化由OPENCV的库函数完成,通过函数的默认值CV_INTER_LINEAR采用双线性插值法进行字符归一化。

(2)字符特征提取。本文采用逐像素特征提取法进行车牌字符特征提取。该方法对图像的每一行每一列进行扫描,当遇到亮点时就将0输入矩阵中,当遇到黑点时就将空格输入矩阵中。扫描结束后得到一个与字符归一化图像像素点个数相同的特征向量矩阵,将得到的矩阵送入BP神经网络分类器分类,最终得到结果。实现核心代码如下:

(3)字符识别。本文采用第2节中的三层BP神经网络算法对车牌字符进行识别,识别过程如下:(1)首先进行样本采集。由于神经网络具有记忆功能,因此,在进行车牌字符识别前要采集大量车牌中出现的各种字符,并在神经元结构中记忆各类车牌字符;(2)样本采集结束后,进行样本训练,根据神经网络的分类类别,将采集到的字符样本分类,实现对车牌字符的分类处理,为下一步车牌字符识别作准备;(3)车牌字符识别:将字符分割后得到的车牌字符作为神经网络输入,与训练好的神经网络运算,最后输出字符识别结果。

CvANN_MLP是OpenCV中提供的神经网络类,可以利用CvANN_MLP中的方法实现上述过程,核心代码如下:

4 结语

本文设计并实现了基于OPENCV的智能车牌识别系统,详细介绍了图像预处理、车牌定位、字符分割、字符识别等关键技术。在字符识别算法的选择上,本文没有采用传统的模版识别算法,而是选择了近年较为热门的BP神经网络算法。因为该算法具有较快的识别速度、较好的鲁棒性和非线性计算能力,能有效提升系统性能。

摘要：智能车牌识别系统是结合数字图像处理技术、计算机视觉和模式识别为一体的综合系统,包含对车牌图像进行预处理、车牌区域定位、字符分割以及字符识别等功能。在车牌识别技术中,采用了BP神经网络技术,能快速根据提取的车牌字符特征与已知样本中特征进行比对以获取车牌字符。通过运用OPENCV计算机视觉库,大大降低了系统实现复杂度,实现了快速准确识别车牌号码。

关键词：车牌识别,车牌定位,BP神经网络,智能系统,OPENCV

参考文献

[1]周阅宇.汽车牌照识别系统研究与设计[D].长春:吉林大学,2013.

[2]宁彬.图像处理技术在机动车车牌自动识别技术中的应用[J].科学技术与工程,2013,13(2):366-371.

[3]BRADSKI G,KAEHLER A.Learning OpenCV:computer vision in C++with the OpenCV library[M].O'Reilly Media,Inc.,2013.

[4]海金.神经网络与机器学习[M].北京:机械工业出版社,2011.

[5]QU Z,CHANG Q,CHEN C,et al.An improved character recognition algorithm for license plate based on BP neural network[J].Open Electrical &Electronic Engineering Journal,2014(8):202-207.

[6]赵芳,栾晓明,孙越.数字图像几种边缘检测算子检测比较分析[J].自动化技术与应用,2009,28(3):68-68.

[7]杨婷婷,顾梅花,章为川,等.彩色图像边缘检测研究综述[J].计算机应用研究,2015(9):2566-2571.

8.一种实时汽车车牌识别系统的研究 篇八

在过去的二十年中,汽车车牌识别系统研究已经发展成为视频监控领域中的独特领域。随着应用于交通管理的复杂汽车检测系统的出现,数字车牌识别系统被发现可适用于各种方面的需求,摆脱了仅用来控制收费站和停车场出入口的限制。此项功能可被整合应用于为交通监管等服务的视频车辆检测系统中,以便于识别出违章车辆或被盗车辆。迄今为止,已有大量成熟的技术,像BAM神经网络字符识别[1]和模板匹配[2]等方法,用于数字车牌识别中。本文所介绍的系统所运用的是一种基于模板匹配的车牌识别方法,该方法识别效率足够高且该系统对美国车牌中字母与数字的定位有先知性。由于具体应用于不同区域内的模板字体的不同,如果我们要利用该系统识别更多区域内的数字车牌,此算法同样需要根据不同车牌字体结构的不同有所改变,

1系统结构

所述系统将应用于进行交通信息分析的十字路口的视频照相监控系统。该系统的结构由三部分组成:室外部分、室内部分和通信连接部分。室外部分即是安装于不同十字路口,用于捕捉图像的照相设备。室内部分是中心控制台,用于接收、储存和分析捕捉到的实时图像。通信连接部分是高速光缆或光纤,用来连接室外设备及中心控制台。几乎所有算法的发展都会经历大致相同的步骤,车牌识别算法的发展过程被划分成7个步骤:

(1) 触发方式

分为硬件及软件的两种触发方式。硬件触发是用感应涡流实现触发的陈旧方法,同时宣告了捕捉图像被用来检测。现如今硬件方法逐渐被软件方法所取代。在软件触发的应用中,图像通过车辆检测中的图像分析来划分为不同的多个区域。

(2) 图像捕捉

硬件或软件触发加速了图像捕捉设备捕捉并储存图像,用于以后的分析过程。

(3) 车辆的检测

这一步骤只是在触发完成后需要实现,触发是在未知捕捉图像中被捕捉车辆出现的情况下确定时间间隔后完成的。这一步骤中,会将捕捉图像与背景图像进行比较,从而检测出一些区域的明显变化。如果无变化,捕捉图像将被淘汰,否则会进入下一步骤。

(4) 车牌定位

这一步骤中会确定数字车牌的位置,其中会用到多种方法,例如色彩检测[3],字符分析[4],边缘检测[5]等。有些倾斜车牌图像在这一步骤中也会得到校正。车牌定位一旦完成,图像就可以进行字符识别。

(5) 字符分割

分割过程可通过检测车牌明暗部分的跳变来完成。在此过程中,车牌上的每个字符都会产生一块灰度区域,故可以依靠检测相近的灰度区域将每个字符分割出来。

(6) 分割过程

这一过程实际意义上是指光学字符识别。多种技术都可应用于这一过程中,包括模板匹配法、特征分析和人工神经网络分类器法[6]。

(7) 传送过程

这是该程序的独特步骤。依靠该程序,可为交通数据库收集检测后的车牌,将其试着匹配已有的捕捉车辆牌照的图像数据库,或可为授权车辆开启停车场的大门。

2算法

文中所提出的算法已实现于图像捕捉和车牌检测过程后的车牌字符识别中。基于模板匹配方法所提出的系统遵循着一种适用于字母及数字车牌识别的敏捷算法。图1展示了一个美国车牌的例子,包括3个英文字母、3个数字的组合。依据这些对于车牌字符组成的先前调研,可以在车牌定位过程中分清一些容易模糊的字符,例如“8”与“B”,“0”与“O”等。

另外,前三个字符是英文字母,只需与英文“A-Z”模板进行对比;后三个字符是数字,只需与数字“0-9”模板进行对比。

字符识别过程中的首要问题是识别出字符图像的具体所在区域。这一区域往往是在整个车牌的水平及垂直方向的居中位置。通过分析车牌垂直方向的色彩集中区域,我们可以确定车牌字符的顶端及底端边界位置。字符顶端及底端的边界位置一旦确定,字符识别结果可由图2中的区域分割而得。图2已准备好分割和识别。

字符分割可通过分析水平方向的色彩集中区域来实现。为了让模板匹配法高效地工作起来,需要找到与车牌中的字符最接近的原模板。此文中我们选取微软无线字体作为待识别美国车牌的基本字型模板。首先据此建立一个此类字型的模板库。这个模板库包含了字母A-Z和数字0-9的直方图。为了建立模板库,我们为每个字母或数字设置了15种可匹配的直方图类型,水平方向包括:字符的全轮廓、下半区、上半区、下三分之一区、上三分之一区、下四分之一区、上四分之一区和上三分之二区;垂直方向包括:字符的全轮廓、左半区、右半区、左三分之一区、右三分之一区、左四分之一区和右四分之一区。

图3是整个识别过程的流程图。如图所示,每次的识别过程分为三段步骤且每次都要据此来使用已建立的模板库。如三段分步检测时字母、英文库将被使用,否则数字库将被拿来作为对比模板。对于每个字母A-Z或数字0-9,分别会有15种不同的直方图型。图3所示的算法将会循环运行两次,每次都会执行三段步骤,以此来完成对示例车牌的识别过程。流程图中的i是循环运算符。a和b是匹配参数。

i的值每次迭代运算会改变,这个值会显示模板库中的哪一个直方图型会用来比对。正如流程图中展示的,分段所提出的直方图首先要在比对前进行标准化处理。一旦标准化过程完成,也就可以开始用库里的模板进行模板匹配了。每次匹配过程都会给出一套与这一步骤中最接近的匹配字符。用不同的直方图类型来重复多次这一过程,最小可能匹配的字符将会过滤掉,最终剩下正确字符。

3实验结果

文中所提出的系统雏形用C++语言编程,示例车牌为美国堪萨斯州车牌。图4展示了通过捕捉车牌的色彩集中区域来完成车牌待检测部分的定位过程。从中心位置开始,水平地向上和向下扫描这一区域,可得到车牌字符在图像中的顶部位置H1和底部位置H2。

图5展示了车牌字符的分割过程。这一过程是通过捕捉水平方向的色彩集中区域来完成。由于我们已知前三个字符为应为字母,后三个字符为数字,所以我们可将分割部分简易分组,以便于下一步模板匹配过程。

正如流程图所示,系统中不同模板的使用是由i的值决定的,且具体由以下的赋值来控制:0(水平直方图,全轮廓)、1(垂直直方图,全轮廓)、2(水平直方图,上半区)、3(垂直直方图,左半区)、4(垂直直方图,右半区)、5(水平直方图,下半区)、6(水平直方图,下三分之一半区)、7(垂直直方图,右三分之一半区)、8(水平直方图,上三分之一半区)、9(垂直直方图,左三分之一半区)、10(水平直方图,下四分之一半区)、11(水平直方图,上四分之一半区)、12(水平直方图,上三分之二半区)、13(垂直直方图,右四分之一半区)、14(垂直直方图,左四分之一半区)。从第一部分提出的直方图则在比对前第一个接受标准化处理。

标准化通过对比这一部分的宽度和库里此部分的宽度来完成。举一个例子,如果水平直方图拿来作对比,水平检测的三个部分的最大限宽度即与库中的最大限宽度进行对比,如果其中一部分的宽度更大,在赋予邻近位置的直方图平均值的水平直方图方向,直方图将会平滑地缩小,相似的过程也被用来做放大处理。图6解释了某一部分的宽度大于库中模板的时候所做的标准化处理。

图6(a)展示了库中字母“U”的全水平直方图。图6(b)展示了待识别部分识别出的字母“U”的水平直方图。如果库中宽度为16的字母“U”的直方图宽度已是最大限,则待识别部分宽度为19的直方图宽度必须在对比前缩减至16。这一过程在图6(c)中展示。由于宽度值的相差3,待识别字母的直方图中值为3的差异平滑分布的位置将被抛弃,而平均与相邻值的直方图分布中。正如图6(c)所示,直方图分布中坐标5、10和15的值将会平均于坐标4、6、9、11、14和16的值中。坐标4新产生的值实则为坐标4和5原值的加和平均值。同样的,坐标5新产生的值实则为坐标5和6原值的加和平均值,其余也是如此。

标准化后,模板匹配过程开始执行。此过程即是对比直方图中每个坐标的两个比率。一个源于待识别部分,另一个则源于模板库。拿来作对比的比率是每个坐标直方图值与它的最大上限值的比。如果两个比率不同点是在值方面,调整参数a,匹配率将会增加。所以通过完成对带识别部分中每个水平或垂直直方图坐标的这一步骤,我们会得到一个匹配率,这会显示待识别部分与标准字符的匹配接近度。对模板库中的字符重复这一过程,我们将会得到库中每个字符的匹配率。假设最高匹配率达到100%,通过调整参数b,这一算法会自动过滤掉匹配率不足70%的字符。下次算法获取不同直方图时,只会将待识别部分与先前以检测部分进行对比。如果在为15块直方图都做过对比后,仍然会有超过一部分匹配,此过程将立刻从头重复开始,直到找到唯一可匹配的模板。

最后,选取87组美国车牌进行实验结果对比分析。实验结果与BAM神经网络[1]和模板匹配[2]对国外数字车牌的识别结果进行比较,不论是在识别速度还是识别率方面的对比,论文设计的算法实时车牌识别系统都有着明显的优势。见表1。

4结语

本文提出了一种基于模板匹配法的实时机动车车牌识别系统,突出了一些此系统可以应用的领域。文章对系统结构进行了细致的讨论,确认了识别过程中包含的具体步骤。通过实验,阐明了该系统可作为实时识别技术的候选方案。实验环境假想为理想天气条件下,研究则包含了任何天气条件下的情况。该系统雏形,将结合嵌入式视频监控系统,服务于交通监控或一些特殊目的的应用。

参考文献

[1]Maged M M Fahmy.Automatic number-plate recognition:neural net-work approach[C]//Proceedings of Vehicle Navigation and Informa-tion Systems Conference,September,1994.

[2]Irecki D,Bailey D G.Vehicle registration plate localization and recog-nition[C]//Proceedings of the Electronics New Zealand Conference,New Zealand,September,2001.

[3]赵光辉,李男男.基于彩色数字图像的车牌识别研究[J].电子设计工程:2011,19(22):84-87.

[4]Barroso J,Bulas-Cruz J,Dagless E L.Real Time Number Plate Reading[C].4th IFAC Workshop on Algorithms and Architectures for Real-time Control,Portugal,April,1997.

[5]廖晓姣,李英.基于边缘检测和形态学的车牌定位算法[J].现代电子技术,2011,34(10):17-19.

9.复杂背景下的车牌自动识别系统 篇九

关键词：模糊C均值聚类算法,图像分割,车牌定位,字符分割

0 引言

随着现代交通的发展,车牌自动识别技术越来越成为智能交通的重要组成部分。车牌识别技术主要是采用计算机图像处理技术对车牌的图像进行分析,以自动提取车牌信息,确定车牌号。一般说来,在车牌自动识别系统中,处理的关键技术问题是车牌的定位及字符的分割。对于车牌自动识别系统已经提出了许多方法,如运用多重特征的车牌定位算法[1],基于彩色和纹理分析的车牌定位方法[2],用神经网络算法进行车牌自动识别[3]等。针对通过摄像头动态采集到的图像有可能存在模糊、噪声干扰等问题,我们先用改进模糊C-均值聚类算法对采集到的图像进行分割,然后根据车牌区域的特点对车牌进行定位。车牌定位后,根据车牌中字符的分布特点,对字符进行分割及识别。对于采集到的复杂背景的图像进行实验后,得到了较理想的车牌自动识别效果。

1 车牌的定位

车牌定位是车牌识别系统的核心,它是从一个复杂背景的图像找到车牌所在的区域。为了更好对车牌加以定位,需先对采集到的图像进行分割。

1.1 用改进的模糊C-均值聚类算法进行图像分割

模糊C-均值(FCM)算法[4]是常用的图像分割方法,它是通过迭代法优化目标函数来实现图像分割的,该算法的不足是收敛速度较慢。为了提高该算法的速度,已提出了不同的改进FCM算法,在文献[5]中,利用分层聚类[6]把图像数据分成一定数量的色彩相近的子集,来提高FCM算法的计算速度。该改进算法是通过减少聚类样本来提高聚类的速度的。

在FCM算法中,初始聚类中心及聚类数目的选取对算法速度有一定的影响,较好的初始值,有助于提高聚类的速度。聚类中心与聚类数目与图像的灰度直方图的极值点相关联。对一幅较复杂的图像,其灰度直方图不是连续的图形,直方图中存在很多的毛刺,确定出的极值点一般有很多个。为了更有效地获取其极值点,我们对图像的灰度值做如下处理,将灰度值为[h,h+n]间的像素的个数叠加在一起,其中n为灰度区间,这可以避免一些像素值较小的极值点出现。通过处理后的图像灰度值col[i](其中0≤i≤255),来获得灰度直方图的极值点。当col[i-1]

为提高聚类的收敛速度,还需对隶属度进行修正,在半抑制式模糊C-均值聚类算法(HSFCM)[7]中引入了-抑制门限参数β,将最大隶属度值u Rj与该门限进行比较,若其大于该门限,则对其进行修正;否则就不对其修正。为了更好地提高聚类的速度,将隶属度修正公式变为:

在式(1a),当最大隶属度值uRj大于门限值β1时,uRj=1,转为硬C聚类算法;当uRj小于门限值β2时,不修正;当β1≥uRj>β2时,uRj增加为原来的2-uRj倍,提高其隶属度。在式(1b)中,将其它隶属度做相应的修改,以满足。

改进后的模糊C-均值聚类算法的具体操作步骤如下:

(1)对图像进行灰度处理,获得灰度值的极值点及个数来初始化聚类中心初始聚类中心及聚类数目C,并具体选取,令迭代次数。

(2)计算,如果,则。

如果存在,使得,则令,且。

(3)根据式(1a)、(1b),修正隶属度矩阵U(k)。

(4)计算。

(5)如果,则停止,否则令,重复步骤(2)、(3)、(4)、(5)。

对图1所示的原始图像中,处理后的灰度直方图如图2所示,获得的极值点的个数(即聚类数目)为4,聚类中心灰度值特征量的初始化值分别为(21、66、141、186)。通过改进FCM算法后,获得分割后的图像如图3所示。

1.2 车牌的定位

根据拍摄到的车牌图像的特点,牌照一般是在图像的下方,且牌照下方多数是地面,在水平方向上,地面的图像灰度分布比较均匀;而牌照区域由于图像字符的分布,使得图像灰度值在水平方向上的变化频率比较大,且变化间隔较均匀。根据上面的分析,车牌从下至上来定位可以避免上面复杂背景的干扰,缩短定位时间。图像不同部分的水平灰度值变化如图4~7所示,其中图4是车牌区域中字符下边缘的与上边缘的水平灰度值的变化(图中白线所示),图5是车牌区域外下边缘与上边缘的水平灰度值的变化。根据灰度值的变化便可定位出车牌的字符区域,如图6所示。

2 字符的分割

经过图像分割后的车牌区域中,字符与牌照底的内部灰度较均匀,而字符与底色在灰度上有较大差异,并且字符间有明显的间距。根据这个特点,将字符区域中字符像素的个数垂直投影来进行字符的分割。设置一个阈值T用来区分字符与牌照底色,hhi(0≤iT时,对应的水平位置的hhi自增1。统计后hhi显示如图7所示,可以看出灰度值的垂直投影间存在明显的间隔,并与字符间隔相对应。根据hhi的值,当

根据式(2)分割后的字符如图8所示,分割效果比较明显。

3 结论

本文提出了一种改进的模糊C均值聚类算法用来对车牌图像进行分割,改进算法中通过图像灰度直方图来初始化聚类中心与聚类数目,并对聚类中的隶属度做了相应的修正。在车牌定位与字符分割中,结合车牌中字符的分布特点,根据水平灰度值的变化曲线,来实现车牌的定位;根据字符区域中字符像素个数的垂直投影,来实现字符的分割。本文中的算法采用VC++6.0编程实现,并对多幅背景复杂的车辆图像进行了实验,实验结果表明该算法能够较快、较准确地获得车牌自动识别效果。

参考文献

[1]张于青,鲍劲松,金烨.一种基于多重特征的车牌定位算法[J].计算机工程与应用,2006,(32):220-222

[2]郭捷,施鹏飞.基于彩色和纹理分析的车牌定位方法[J].中国图象图形学报,2002,7(5):472-476.

[3]魏志轩.基于神经网络的车牌自动识别算法[J].黑龙江科技学院学报,2005,15(3):161-163.

[4]Bezdek J C.Pattern Recognition with Fuzzy Objective Function Algorithms[M].New York:Plenum,1981.

[5]吴黎,杨东勇.基于改进的模糊C均值聚类算法的人像照片背景替换[J].计算机应用,2006,(2):424-426.

[6]Tao C W.Unsupervised fuzzy clustering with multi-center clusters[J].Fuzzy Sets and Systems,2002,128(3):305-322.

10.车牌识别系统安装说明书 篇十

基于Blackfin561的LPRS替代了人工识别车牌的角色, 这可节省大量人力物力。本文讨论的LPRS可用于高速收费站口及小区门口, 以实现车流量统计和车辆跟踪等功能。

1 系统的总体设计与架构

嵌入式车牌识别系统是一个能够完成车牌识别与信息处理的独立系统, 整个系统包括视频采集模块, 图像处理模块与通讯模块。系统的软件设计包括道路图像的采集、图像预处理、车牌定位、字符分割, 字符识别和结果发送6大部分。

1.1 基于DSP的嵌入式车牌识别系统

由于DSP强大的数据处理能力, 使得它在嵌入式图像处理领域占据了重要地位, 尤其是双核DSP, 更是在视频处理应用中上升势头迅猛。基于DSP的嵌入式车牌识别系统一般采用主机与DSP分布式处理结构, 其优点是价格低、可靠性好、便于升级。系统的一般结构主要分图像采集、DSP处理和PC机数据管理3部分, 其系统结构如图1所示。

图像采集模块包括视频的输入部分与图像的提取部分, 其功能是通过CCD摄像头采集亮度信号, 输出模拟的复合视频电信号, 并通过视频解码芯片解码出所需的数字图像信号。DSP处理模块主要由DSP处理器及其外围电路, 外部存储器以及与主机的接口电路组成。其中外部存储器用来存储图像的大量数据, 供DSP处理器调用。与主机的通讯接口常用的有UART、PCI、USB和以太网等。由于系统通常要考虑其自身的扩展性、终端与主机的远距离通信、布线的难易程度等因素, 故以太网应用较为普遍, 但缺点就是在无集成以太网功能的DSP上, 需外加芯片, 提高了系统的成本。PC机数据管理模块因系统应用的目的不同而异, 主要包括人机交互界面和数据库与相应的处理机制。

1.2 系统硬件构架

基于Blanckfin561的车牌识别硬件平台架构如图2所示, 主要包括ADI公司的Blackfin561处理器, ADV7183A视频解码芯片、Flash、SDRAM以及DM9000。Blackfin561通过I2C总线对ADV7183A进行复位及初始化与工作模式的配置。视频信号由Blackfin561的并行外部接口 (PPI) 采集, 并存储到外部SDRAM, Blackfin561对图像数据进行计算, 输出的识别结果通过DM9000传输到上位机进行后续处理。

1.3 系统软件设计

车牌识别系统的软件流程如图3所示, 主要包括图像采集、图像预处理、车牌定位、字符分割和与上位机通讯等模块。

1.3.1 图像采集

系统加电后, DSP通过I2C总线对ADV7183A的寄存器进行配置, 对摄像头采集到的模拟视频信号进行解码, 输出YCr Cb为4∶2∶2格式的数字视频信号。由于算法只处理亮度信号, 故通过二维DMA采取间隔2 Byte采1 Byte的方法, 只提取Y通道的亮度信号存入到SDRAM中, 同时在SDRAM中采用乒乓存储机制存储连续的两帧图像, 使系统能够达到实时处理的要求。

1.3.2 图像预处理

由于采集到的图像会因为天气、车牌整洁度和光线等因素造成图像被噪声污染, 导致图像质量下降, 这会给后续的识别工作带来麻烦。因此, 需对采集到的原始图像进行必要的预处理, 以提高图像的信噪比, 并使灰度值和对比度达到理想状态。由于去噪点的算法会不同程度地使图像边缘变模糊, 不利于后续车牌的定位, 故将去噪工作放到车牌定位之后。这里预处理主要是通过直方图均衡法调整图像的灰度范围与对比度, 达到图像增强的目的。处理前后的对比效果如图4和图5所示。

1.3.3 车牌定位

根据道路与摄像头的相对位置, 车速范围以及道路宽度信息等, 可预先判定车牌在摄像头坐标系中出现的范围, 这便可以大幅减小运算量。在预定车牌检测区域内, 通过大率法对图像进行二值化, 然后进行形态学运算中的开运算与闭运算, 得到如图6所示的图像。对图像进行竖直投影, 寻找白色像素点最多的一行, 之后以这一行为中心向两边寻找边界, 找出车牌的上下边。对纵坐标在上下边范围内的图像进行水平投影, 寻找连续的白色区域, 以确定左右边界。两次寻找边界时均要结合车牌大小的先验尺寸知识来确定车牌的区域, 若不符合尺寸要求, 则排除此次找出的区域并重新寻找。

1.3.4 字符分割

根据车牌的边界信息提取出车牌区域的原始亮度数据, 对车牌区域再用大率法进行二值化。这样可消除图像其他部分对车牌灰度范围的影响。然后对二值化后的图像进行水平投影, 根据车牌字符的宽度来对车牌字符进行分割。再对每个分割出的字符进行竖直投影, 并依据车牌字符高度尺寸来去掉上下的黑边, 得到待识别的字符图像, 如图7所示。

1.3.5 字符识别

字符识别采用的是离散型Hopfield神经网络。其是一种循环神经网络, 网络的输出会反馈到输入端, 产生不断变化的状态。如果网络是一个能收敛的稳定网络, 则这一反馈与迭代的计算过程所产生的变化会越来越小。一旦达到了稳定平衡状态, 网络便会输出一个稳定的恒值, 关键在于确定其在稳定条件下的权系数。

首先对车牌的标准字符进行离散化, 变成16×32的二值图像, 即有512个神经元。这样网络可记忆的样本数最多为512×0.15=76.8个。根据车牌的特点, 要建立两个网络:一个是车牌汉字的网络, 包括36个汉字;一个是数字与字母的网络, 包括36个元素。可看到两个网络均不会产生伪样本。通过Matlab对标准字符数据进行仿真, 得到网络稳定的权系数, 然后将参数提取出来供DSP计算使用。

在DSP中将分割后的字符图像进行归一化处理, 使字符图像与标准图像大小一致, 然后输入到网络中根据公式 (1) 进行计算。其中, Wij和θi是通过Matlab仿真得到的权系数, x为图像数据。通过循环迭代计算, 由式 (2) , 当网络的能量函数达到稳定时, 就得到了识别出的字符, 将识别出的字符与标准字符相减, 且差值累加, 其差值累加最小的字符便是识别出的结果。由于Hopfield网络有联想记忆的功能, 故抗干扰性较强、对有噪声、笔画断开、笔画粘连等现象均有良好的识别效果, 如图8所示。

1.3.6 与上位机通讯

识别结束后, 将识别结果以ASCII的形式通过DM9000发送到PC机进行后续处理。

2 结束语

车牌识别系统的关键技术是车牌定位、字符分割与字符识别。本文结合硬件平台对3个重要部分进行了程序实现。通过实验证明以Blancfin561双核DSP为核心的嵌入式系统配合Hopfield神经网络能较好地完成车牌识别工作, 并可使速度与识别率得到全面提高。基于嵌入式的整体结构也使得系统的扩充工作变得简单, 有较高的实际应用价值。

参考文献

[1]曹小秋, 赵焕军.ADI Blackfin系列DSP处理器实验指导书[M].北京:电子工业出版社, 2008.

[2]张德丰.Matlab神经网络应用设计[M].北京:机械工业出版社, 2011.

[3]史峰, 王小川, 郁磊, 等.Matlab神经网络30个案例分析[M].北京:北京航空航天大学出版社, 2010.

[4]唐建.Blackfin双核处理器与应用开发[M].北京:电子工业出版社, 2010.

[5]李云栋.基于BF53x DSP处理器的μClinux开发详解[M].北京:电子工业出版社, 2011.

[6]Analog Devices Inc.ADV7183A[M].MA USA:Norwood Analog Devices Inc, 2005.