《MATLAB高速道路车牌识别系统》由会员分享，可在线阅读，更多相关《MATLAB高速道路车牌识别系统（49页珍藏版）》请在金锄头文库上搜索。
1、基于MATLAB的高速公路车牌识别系统第一章 绪论本书主要讨论的是一种高速公路车牌识别系统的设计与实现方法。车牌识别系统是不停车电子收费系统得重要构成部分，而后者又是智能运输系统的核心应用之一。1.1 车牌识别系统介绍车牌识别技术（Vehicle License Plate Recognition，VLPR）是计算机视觉和模式识别技术在现代智能交通系统中的一项重要研究课题，是实现交通管理智能化的重要环节，它是以数字图像处理、模式识别、计算机视觉等技术为基础的智能识别系统，它利用每一个汽车都有唯一的车牌号码，通过摄像机锁拍摄的车辆图像进行车牌号码的识别。在不影响汽车状态的情况下计算机自动完成车牌
2、的识别，从而降低交通管理工作的复杂度。自动车牌识别在车辆管理和交通安全管理中具有十分重要的意义。根据公安部科技强警的战略目标，北京优特桥电子技术有限公司和清华大学合作,投资150多万，经过三年多的联合开发，终于将多媒体网络车牌识别系统研制成功。多媒体网络车牌识别系统作为公安部重点攻关项目之一，在查辑犯罪车辆、控制违法违规车辆等公安工作中发挥了重要作用，是实现畅通工程的重要技术保证。2000年6月，公安部科技局组织有关专家对多媒体网络车牌识别系统进行了技术鉴定。公安部领导和技术专家对该系统的先进性、实用性给予了充分的肯定，并指出：该系统综合了车牌牌号自动识别技术、多媒体技术、分布式网络数据库管理
3、技术等先进技术，建成了我国第一套试用于实战的警务系统。该系统中采用的金字塔特征流快速搜索匹配算法（FP-SAMA）达到了国际先进水平。该系统已经在河北、厦门等地投入了实际工程运用，收到了良好的社会效益。实践证明，该系统确实具有良好的推广价值和广泛的应用前景。1.2 车牌识别系统的应用车牌自动识别技术在车辆过路、过桥全自动不停车收费、交通流量控制指标的测量、车辆自动识别、高速公路上的事故自动测报、不停车检查、车辆定位、汽车防盗、稽查和追踪车辆违规、违法行为、维护交通和城市治安、防止交通堵塞、提高收费路桥的服务速度、缓解交通紧张状况等方面将会起到积极的作用。多媒体网络车牌识别系统是一个分布式网络数
4、据库环境下的实时响应系统，运行在WindowsNT环境下.它由三个主要部分组成，包括卡口图像识别子系统、指挥中心数据管理子系统和拦截监控子系统。卡口车辆图象信息采集CCD获取实时车牌图像数据后，系统在极短时间内（1秒左右）完成图像识别、车数据入库、图像数据入库、检索数据等处理。如果发现通过车辆是公安机关需要查找的车辆（如被盗抢车辆），系统通过远程数据网络，向指挥中心和拦截站发出告警信息，通知有关部门或有关人员。告警信息包括：发现可疑车辆的时间、地点、车牌号码、抓拍的车辆照片、车辆被缉查的原因等1.3 MATLAB的简介MATLAB 是美国MathWorks公司出品的，用于算法开发、数据可视化、
5、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。MATLAB是矩阵实验室（Matrix Laboratory）的简称，和Mathematica、Maple并称为三大数学软件。它在数学类科技应用软件中在数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。MATLAB的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用MATLAB来解算问题要比用C，FORTRAN等语言
6、完相同的事情简捷得多，并且mathwork也吸收了像Maple等软件的优点,使MATLAB成为一个强大的数学软件。在新的版本中也加入了对C，FORTRAN，C+，JAVA的支持。可以直接调用,用户也可以将自己编写的实用程序导入到MATLAB函数库中方便自己以后调用，此外许多的MATLAB爱好者都编写了一些经典的程序，用户可以直接进行下载就可以用。20世纪70年代，美国新墨西哥大学计算机科学系主任Cleve Moler为了减轻学生编程的负担，用FORTRAN编写了最早的MATLAB。1984年由Little、Moler、Steve Bangert合作成立了的MathWorks公司正式把MATLA
7、B推向市场。到20世纪90年代，MATLAB已成为国际控制界的标准计算软件。第二章 系统概述2.1 系统构成本地数据处理中心的组成： 该数据处理中心包括一台数据库服务器和若干台车牌识别系统工作站。每台车牌识别系统工作站由一部(CCD)摄象机、一组照明设备和一套高速图像识别处理软件组成。数据处理中心通过光缆与拦截站报警终端连接。指挥中心数据处理中心的组成：该指挥中心数据处理中心包括一台数据库服务器和一台车牌识别监视系统工作站。一般通过DDN信道与本地数据处理中心连接。拦截站的组成：由一台拦截响应工作站构成。一般通过光缆与本地数据处理中心连接。2.2 系统工作原理高速公路车牌识别系统主要友五部分组
8、成。第一部分：图像获取。在这个部分中我们通过在道路两侧安装高分辨率的摄像机对过往的车辆进行动态或静态抓拍，再通过图像采集卡采集当前的图像并形成图像数据组存储在计算机重，此时存储在计算机中的图像是彩色图像。第二部分：图像处理。由于在第一部分重我们得到的图像是彩色图像，其颜色种类较多，不利于图像处理，因此我们将彩色图像转换为灰度图像进行处理。应用MATLAB中的函数（rgeb2gray）可以实现图像转换。经过转换后的灰度车牌图像通常都是数字灰度图像，其灰度值为0225。为了将车牌图像中的字符与背景分离，常采用二值化技术将数字灰度图像转换为数字二值图像，应用MATLAB中的函数（im2bw）可以实现
9、这一转换。二值图像是一种所有像素值只能在两种可能的离散值重取其一的图像，也称黑白图像。本质上讲，这两个可能的像素值分别对应0和1，以这种方式来操作图像可以更加容易地识别出图像的结构特征。在整个系统中二值化很关键，直接影响到后面的分割与识别，因为字符的分割是识别是基于车牌区域的二值化结果进行的。二值化技术又称做阈值化技术，其目的就是要找出一个合适的阈值，将待研究的区域划分为前景和背景两部分。二值化后的车牌要能再现原字符图像，基本不出现笔画断裂和粘连现象，尽量不丢失原字符的特征。另外，二值化算法还可以用于精确定为车牌的上下左右边界。第三部分：图像分割。这一部分是整个系统的核心部分，如果图像不能准确
10、的分割出来将会直接影响最终能否识别出车牌，即识别率的高低。图像分割就是目标与背景的先验知识（西方哲学家将只是分为两种：先验和后验。先验意味着仅凭推理得到的知识（先验经验观察），而不受直接或间接经验（这里经验通常指通过感官对于世界的观察）的影响。后验指其他种类的知识，也就是知识的的来和证实需要需要借助经验（经验观察之后），也被称做经验知识），对图像中的目标、背景进行标记、定位，然后将待识别的目标从背景或其他伪目标中分离出来。图像分割是图像提取的重要组成部分，只有有效的完成分割才能进一步提取目标特征并识别目标。第四部分：字符识别。对于车牌字符识别，目前最常用的方法是基于神经网络和模板匹配的方法。基
11、于神经网络的车牌字符识别方法对于解析度较高（车牌高度不小于120个像素）和图像比较清晰的车牌能有效的识别车牌中的字符，但是对于较底解析度和较为模糊的车牌则显得无能为力。现已有一种在模板匹配的基础上改进的方法进行字符识别，使对车牌字符的识别性能得到了改进。第五部分：数据库管理。首先需要建立一个大型的数据库，在这个数据库中存储一定数量的车牌号码及这些车的一些相关资料。通过前面的步骤，已把车牌提取出来，接下来将提取的车牌号码与数据库中存储的车牌号码进行比较，如果相同系统就会自动找到该车牌并显示相关信信息；如果不同，说明系统中没有该车牌的记录，此时系统会自动储存该车牌号码，以备需要。第三章 车牌识别系
12、统设计3.1系统实现框图传统的车牌识别系统主要采用摄像头、视频采集卡、工控机几个主要模块搭建出来的方法来实现，其优势是实现容易，但是成本高、实时性不强、安装和维护不便。而在本文系统设计中，摒弃了传统的模式，采用TI公司的TMS320C6713B高性能（强大的并行运算能力）DSP作为识别算法的运行硬件平台，Altera公司性价比很高的Cyclone系列EP1C12Q240型号的FPGA作为协调整个系统的工作与相关的图像采集及控制，再加上一些外围器件（FLASH、SDRAM等）共同构成本嵌入式车牌识别系统硬件平台，如图3-1所示。与传统的车牌识别系统不同，该系统无需计算机即可实现车牌图像的采集、识
13、别、输出结果，具有识别性能高、环境适应性强、安装维护简单、成本低等特点。其中采用以DSP和FPGA作为核心的系统设计最大优点是结构灵活、通用性强、适合于模块化设计，从而能够实现高效率的算法和实时控制；同时其开发过程可以并行运行。图3-1嵌入式车牌识别系统硬件平台3.2车牌区域定位车牌图像的区域定位部分是将输入的图像去掉彩色信息，进行灰度化，并对采集的图像进行增强、恢复、变换，目的是突出车牌的最主要特征，以便更好的提取车牌。灰度图像（GrayScale）是指只包含亮度信息、不包含色彩信息的图像，例如平时看到的亮度由暗到亮连续变化的黑白照片。根据实时性要求，车牌定位提取应具有较高的鲁棒性，从一整幅
14、图像包括车身、背景中提取车牌，需要抓住车牌的最主要特征，牌照区域具有不同于背景区域的特征，利用车牌底色和车牌字符的灰度或颜色信息差别和车牌区域中灰度变化频率较高，以及车牌有一定的宽度和高度、宽高比满足一定的要求等，进行车牌的定位分割，它是一种简单、可靠，能满足实时性要求的方法。对预处理后的图像每一行按照式进行后向差分绝对值运算:由于牌照区域含有多次的灰度变化，通过累加差分后的每一行图像可以得到一条曲线，曲线的若干个极大值所在波峰就是车牌可能存在的垂直位置。然后对预处理后图像的每一列按照式进行同样的处理。可以得到若干个车牌可能存在的水平位置。交叉匹配后能够得到若干个车牌可能存在的具体位置。这种算
15、法有可能会得到若干个无法区分的车牌区域，也可能一个车牌区域都找不到。我们对这种算法进行改善，就有了移动窗口算法。3.3车牌字符分割字符分割与识别是先将车牌区域分割成单个的字符，然后再进行识别，难点是模糊、断裂的字符的识别。字符分割目前一般采用垂直投影法。由于字符块在竖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，因此字符的正确分割位置应该在上述局部最小值的附近，并且这个位置应满足车牌的字符书写格式、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。 字符识别方法目前主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法首先把待识别字
16、符二值化并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果。由于这种匹配算法稳定性较差、时间花费也较大，因此在此基础上提出了基于关键点的匹配算法。此算法先对待识别字符进行关键点提取，然后对关键点去噪，最后再确定字符的分类。这种匹配算法只利用了字符的关键点进行匹配，因此提高了识别速度又具有较高的识别率。基于人工神经网络的算法主要有两种：一种是先对待识别字符进行特征提取，然后用所获得的特征来训练神经网络分类器；另一种方法是直接把待处理图像输入网络，由网络自动实现特征提取直至识别出结果。前一种方法识别结果与特征提取有关，而特征提取比较耗时，因此特征提取是关键。后一种方法无须特征提取和模板匹配，随着相关技术的进步，这种方法更实用。车牌字符分割是车牌识别中比较重要的一个环节。如何准确而迅速地找出车牌的位置，一
