基于DM642的車牌識別系統(tǒng)

喻麗春, 劉金清, 劉　引

(1.福州外語外貿學院 信息系, 福建 福州 350202;　2.福建師范大學 光電與信息工程學院, 福建 福州 350007)

基于DM642的車牌識別系統(tǒng)

喻麗春1, 劉金清2, 劉引2

(1.福州外語外貿學院 信息系, 福建 福州 350202;2.福建師范大學 光電與信息工程學院, 福建 福州 350007)

摘要:為了提高智能交通系統(tǒng)的管理效率，給出一種基于芯片DM642的車牌識別系統(tǒng)。系統(tǒng)采用基于DM642的硬件平臺，由車輛信息采集模塊、DSP處理模塊、監(jiān)視器和PC系統(tǒng)4大模塊組成。對采集圖像進行灰度化、灰度增強和濾波降噪的預處理；利用基于字符豎向紋理特征的定位方法實現(xiàn)車牌定位；再經(jīng)幾何變換，完成字符分割；對分割圖像進行字符分類并做歸一化處理，通過模式匹配得出識別結果。實驗選取3組不同特點的車牌圖像，結果顯示，所給系統(tǒng)的正確識別率可達93.5%～95.4%。

關鍵詞:DM642；車牌定位；字符分割；字符識別

車牌自動識別系統(tǒng)在城市智能交通管理系統(tǒng)中發(fā)揮著重要作用。車牌識別技術主要有兩種模式：一是以射頻識別(RadioFrequencyIdentification,RFID)為基礎的無接觸式智能卡識別[1]，一是基于圖像的車牌智能識別[2-4]。以RFID為基礎的車牌識別方式，識別準確度高，運行可靠，但設備價格較為昂貴，硬件較為復雜，每輛車需安裝車上單元，實施成本較高?；趫D像的車牌識別技術，無需要安裝車上單元，價格優(yōu)勢明顯，實施簡單，另外，隨著圖像識別技術的改進[5-8]，識別速度已經(jīng)可以較好地滿足實際應用。

基于圖像識別的車牌識別系統(tǒng)一般在個人電腦(PersonalComputer，PC)上實現(xiàn)[2-3]，這類車牌識別系統(tǒng)對工作環(huán)境要求高，應用范圍有限，而且產(chǎn)品依賴于操作系統(tǒng)穩(wěn)定性，可靠性很難保證。

數(shù)字信號處理(DigitalSignalProcessing，DSP)芯片的內部采用程序和數(shù)據(jù)分開的哈佛結構，具有專門的硬件乘法器，廣泛采用流水線操作，提供特殊的DSP指令，可以用來快速的實現(xiàn)各種數(shù)字信號處理算法。在德州儀器 (TexasInstruments，TI)公司推出的C6000系列DSP中，DM642芯片速度快，處理功能強大，片內外設資源豐富，已經(jīng)得到較為廣泛的應用[9-12]。

本文擬提出一種基于DM642的車牌識別系統(tǒng)。系統(tǒng)硬件包括車輛信息采集、DSP處理、監(jiān)視器和PC系統(tǒng)4個模塊。通過對采集到的車輛信息圖像進行預處理[7-8]，接著利用字符豎向紋理特征實現(xiàn)快速車牌定位，再通過幾何變換實現(xiàn)字符分割，最后通過字符歸一化和模式匹配得到最終識別結果。

1系統(tǒng)總體設計

1.1硬件設計

車牌自動識別系統(tǒng)采用基于DM642的硬件平臺，結構如下圖1所示。

圖1　系統(tǒng)硬件結構

系統(tǒng)的硬件部分主要包括車輛信息采集、DSP處理、監(jiān)視器和PC系統(tǒng)在4個模塊。

(1) 車輛信息采集模塊

通過具有電荷耦合元件(Charge-coupledDevice，CCD)的攝像機,采集路面上的車輛信息視頻；通過飛利浦公司的SAA7115H解碼芯片，將輸入模擬視頻信號轉變成并行的BT.656圖像碼流，送至DM642視頻口VP0。

(2)DSP處理模塊

DM642將輸入的信號再解碼，得到YUV(4∶2∶2)格式的圖像，并通過增強型直接內存存取(Enhanceddirectmemoryaccess,EDMA)傳輸?shù)酵絼討B(tài)隨機存取存儲器(SynchronousDynamicRandomAccessMemory,SDRAM)中存儲，通過車牌識別程序進行處理。將識別的文本結果及對應的JPEG壓縮格式圖片，通過網(wǎng)絡發(fā)送到PC系統(tǒng);將數(shù)字圖像信號轉換為模擬信號，輸出到監(jiān)視器。

(3) 監(jiān)視器

接收來自SAA7105H編碼芯片輸出的模擬信號并實時顯示，用來實時監(jiān)控路面車況。

(4)PC系統(tǒng)

接收DSP系統(tǒng)的識別結果并保存，為智能交通監(jiān)控系統(tǒng)提供基礎原始數(shù)據(jù)。

1.2軟件設計

DSP車牌識別系統(tǒng)的處理流程包括圖像采集、圖像預處理、車牌定位、字符分割和字符識別5個環(huán)節(jié)，如圖2所示。

圖2識別流程

(1) 圖像采集

通過SAA7115H芯片將視頻輸入模塊的模擬信號轉換為數(shù)字圖像信號，獲取到車輛數(shù)字圖像。

(2) 圖像預處理

將輸入的數(shù)字圖像轉換為RGB格式，為突出車牌位置，依次對圖像進行灰度處理、圖像增強和濾波降噪等處理操作，為車牌定位做準備。

(3) 車牌定位

根據(jù)車牌紋理特征識別，找到圖像中車牌位置的正確區(qū)域，并通過裁剪，保留有效的車牌區(qū)域。

(4) 字符分割

在車牌定位后圖像的基礎上，對字符進行分割。

(5) 字符識別

對分割后的每個字符進行識別，將識別后的結果保存，并傳遞給后續(xù)應用。

2車牌識別算法設計

2.1圖像采集與預處理

在攝像機對車牌圖像進行動態(tài)采集的過程中，因受光照、天氣和其他環(huán)境因素影響，車牌圖像質量可能不高，故需對采集到的車牌圖像進行預處理，以提高圖片質量，突出顯示車牌信息，為車牌的位置定位提供基礎。

考慮現(xiàn)有的圖像處理方法，先對彩色圖像進行灰度化處理，再進行灰度增強，最后進行濾波處理，降低和消除圖像中的噪聲干擾。

(1) 圖像轉換和灰度化處理

芯片SAA7115H得到的圖像是YUV色彩空間格式，要得到灰度圖，需要先轉換為RGB色彩空間，然后再進行灰度化處理。

由YUV色彩空間到RGB色彩空間的轉換公式為[6]

RGB值到灰度值的轉換公式為[7]

Hgray=0.3R+0.59G+0.11B。

(2) 灰度增強

圖像對比度決定著一幅圖像的主觀質量，故考慮采用基于直方圖均衡化的灰度增強算法[8]，調整圖像灰度分布，達到改善圖像對比度的目的。

統(tǒng)計原圖像各種灰度級的像素數(shù)目nk(k=0,1,2,…,L-1),其中L為圖像的灰度級總數(shù);計算原直方圖各灰度級rk的概率密度

其中n為圖像像素的總和;計算累積分布函數(shù)

計算輸出灰度級

Gk=int[(L-1)Sk+0.5]。

利用nk和rk的映射關系，修改原圖像的灰度級，得到增強圖像，使圖像直方圖分布均勻。

灰度增強處理前后的效果對比如圖3所示。

圖3　灰度增強效果對比

(3) 濾波降噪

車輛信息圖像經(jīng)常會受到各種干擾，如光照和污損，這在圖像上表現(xiàn)為各種孤立像素點。在灰度圖中，像素的灰度與空間相關，孤立像素點與附近像素點有較大差別。為監(jiān)視噪點對后期處理的影響，需要對圖像進行平滑和去噪處理。常用的濾波降噪方法有圖像平均法、均值濾波和中值濾波。在此采用中值濾波，選擇各像素的鄰域像素中值作為輸出，即將各像素點的灰度值設置為該點某鄰域窗口內所有像素點灰度值的中值。中值濾波可以克服常見線性濾波器如最小均方濾波、方框濾波器或均值濾波等帶來的圖像細節(jié)模糊，而且對濾除脈沖干擾及圖像掃描噪聲非常有效，也常用于保護邊緣信息。

取3×3的函數(shù)窗，計算以點[i,j]為中心的函數(shù)窗像素中值，即先按強度值大小排列像素點，再選擇排序像素集的中間值作為點[i,j]的新值。

2.2車牌定位

車牌定位是車牌識別系統(tǒng)中較為關鍵的部分。標準車牌一般由漢字、英文字母和阿拉伯數(shù)字組成，其中漢字識別難度較高；標準車牌的底色和字符色彩多樣，有些車牌底色和字符色彩對比不夠強烈，增加了識別難度；許多車牌損壞嚴重，影響車牌識別系統(tǒng)的有效識別。不過，在車輛信息圖像中，車牌部分和其他部分一般有較大區(qū)別，故可考慮對圖像進行灰度處理后，掃描整張圖片，查找車牌邊緣，最終獲取車牌位置。

常用的車牌定位方法有：基于彩色圖像信息的定位方法，該方法計算量較大，不利于快速定位；基于人工神經(jīng)網(wǎng)絡的定位方法，該方法較為復雜，訓練樣本和時間不易確定；基于邊緣檢測的定位方法，該方法對車牌和邊界的連貫性有一定要求，對復雜背景圖像定位效果也不佳。此外，還有基于灰度圖二值化的定位方法和基于模糊聚類的定位方法，這兩種定位方法主要利用圖像的灰度值信息，當圖像背景信息較為復雜時，會影響定位結果。

基于車牌圖像信息的特點，考慮到車牌的形狀和尺寸，牌照底色與字符沿水平方向形成的垂直明暗間隔的紋理變化特征，提出基于字符豎向紋理特征的定位方法。

步驟1設定初始二值化閥值T，對圖像進行二值化處理。

步驟2將圖像向水平方向投影，得到水平投影值，車牌以下區(qū)域大部分是地面，灰度值較低，二值化后基本為0，而車牌以上區(qū)域邊緣較為復雜，為了避免干擾，從下向上掃描投影值。為了快速搜索，搜索的像素單位步進值可以設置為5。

步驟3當搜索到的投影值大于某個門限值k時(k=13)，則判斷找到車牌的下面邊緣，記錄水平值H1。這時減少搜索像素步進值為1，以實現(xiàn)更精確的搜索。

步驟4檢查每行投影值是否大于13，如果像素值連續(xù)兩個小于13，說明找到車牌的上面邊緣，記錄水平值H2。

步驟5計算出車牌高度H=H2-H1，同理根據(jù)垂直投影獲取到車牌寬度W，若W值在 3.6H到4.4H之間，判斷是車牌，結束搜索。否則不是車牌，繼續(xù)搜索。

步驟6若搜索到最頂部區(qū)域，仍然未找到車牌，說明在圖像二值化時，閾值T太高，將閾值T減小5，重新二值化圖像，返回步驟1。

由于車牌定位要求定位時間較短。以上算法復雜度低，運行速度快，能夠滿足車牌快速準確定位的要求。

2.3字符分割

車牌定位后需要進行字符分割。因受實際攝像頭獲取車牌圖像的角度、車牌自身變形和光照等影響，分割前需要進行必要的預處理。

(1) 幾何變換

對車牌字符區(qū)域的字符底線，進行擬合，據(jù)此得出傾角θ，如圖4所示。

圖4　車牌坐標幾何變換

對車牌坐標的Y方向進行變換。假設圖中原來的點為(x，y)，變化后，新的圖像點為(x′,y′)，則變化公式為

(2) 車牌邊框去除

在車牌圖像二值化后，截取圖像水平長度1/3～2/3的部分進行水平投影，從中間向兩邊掃描投影值，獲取字符區(qū)域的上下邊界。同理，截取圖像高度1/3～2/3的部分進行垂直投影，從中間向兩邊掃描投影值，獲取字符區(qū)域的左右邊界，由此找到字符區(qū)域的左右邊界。最后實現(xiàn)車牌邊框的徹底去除。

(3) 字符分割

字符分割一般采用垂直投影的方法，如圖5所示。車牌的前景色是字符，背景色是單色顏色，故可對其進行二值化處理。去除噪聲后，可以針對圖像按照X分量，統(tǒng)計Y上的字符點數(shù)，得到字符縫隙的局部最小值，以此最小值對應的中線作為字符分割線。

圖5　字符分割

2.4字符識別

標準車牌字符一般由7個字符組成，第1位是漢字(省或直轄市的簡稱)，第2位為字母，第3～7位為字母或數(shù)字。針對車牌字符特征，可使用3個分類器來對車牌進行識別。由于在拍攝過程中，字體的位置和大小不一，因此需要先對字符進行歸一化處理。

在對車牌圖像分割后，再對字符進行分類，第一個字符為漢字，后面的字符為字母和數(shù)字。算法分別對漢字字符和字母數(shù)字字符進行歸一化，算法流程如圖6所示。

針對漢字字符，歸一化后直接進行模式匹配識別，得到識別結果。對字母字符和數(shù)字字符，在歸一化后可以進行細化并進行特征點提取，再根據(jù)特征識別算法進行識別。最后綜合兩個識別部分，得到最終車牌識別結果。

圖6　字符識別算法

3實驗分析

在代碼調試器(CodeComposerStudio，CCS)中，對基于DM642的DSP進行仿真測試。選取3組不同特點的車牌圖像作為實驗數(shù)據(jù)，具體如表1所示。車牌識別測試結果如表2所示。

表1　實驗樣本

表2　車牌識別測試結果

在車牌圖像識別過程中，較為重要的環(huán)節(jié)是車牌定位和字符識別。通過不同測試對象對比實驗結果可知，所設計的系統(tǒng)對圖像處理、定位和識別，均達到了較好的處理結果。測試結果顯示，基于DM642的車牌識別系統(tǒng)可克服光照強弱和圖像清晰度不同給車牌圖像帶來的識別困難問題，具有一定的魯棒性。

4結語

車牌識別系統(tǒng)是智能交通系統(tǒng)中的關鍵子系統(tǒng)，主要包括車牌區(qū)域定位，字符分割和字符識別。仿真實驗結果表明，以DM642芯片為基礎所搭建的車牌識別系統(tǒng)，能較好地完成車牌識別功能，識別率較高，相對基于RFID智能卡的車牌識別系統(tǒng)，結構更為簡單。

參考文獻

[1]薛慧,董琦.ETC中基于RFID的雙標簽汽車牌照自動識別系統(tǒng)研究[J/OL].價值工程,2012,31(28):221-222[2016-02-28].http://dx.chinadoi.cn/10.3969/j.issn.1006-4311.2012.28.107.

[2]許立晨,葉超,劉琪.基于MATLAB的車牌號碼識別系統(tǒng)設計[J/OL].價值工程,2015,34(18):181-183[2016-02-28].http://dx.chinadoi.cn/10.14018/j.cnki.cn13-1085/n.2015.18.071.

[3]董春雨,王夏黎,劉煒琪,等.一種基于視頻流的多車牌定位方法[J/OL].計算機系統(tǒng)應用,2014,23(9):230-235[2016-02-28].http://dx.chinadoi.cn/10.3969/j.issn.1003-3254.2014.09.045.

[4]黃社陽,劉智勇,阮太元.基于HSV顏色空間和SVM的車牌提取算法[J/OL].計算機系統(tǒng)應用,2014,23(8):150-153[2016-02-28].http://dx.chinadoi.cn/10.3969/j.issn.1003-3254.2014.08.027.

[5]張浩鵬,王宗義.基于灰度方差和邊緣密度的車牌定位算法[J].儀器儀表學報,2011(5):1095-1102.

[6]楊超,楊振,胡維平.車牌識別系統(tǒng)中反色判斷及二值化算法[J/OL].計算機工程與設計,2016,37(2):534-539[2016-02-28].http://dx.chinadoi.cn/10.16208/j.issn1000-7024.2016.02.047.

[7]岡薩雷斯.數(shù)字圖像處理[M].2版.北京:電子工業(yè)出版社,2003:119-155.

[8]楊杰.數(shù)字圖像處理及Matlab實現(xiàn)[M].北京:電子工業(yè)出版社,2008:147-170.

[9]張美多,郭寶龍.車牌識別系統(tǒng)關鍵技術研究[J/OL].計算機工程,2007,33(16):186-188[2016-02-28].http://dx.chinadoi.cn/10.3969/j.issn.1000-3428.2007.16.065.

[10] 洪健,陳繼榮.基于DSP+CPLD的車牌實時識別系統(tǒng)的設計[J/OL],計算機應用研究,2007,24(7):218-219[2016-02-28].http://dx.chinadoi.cn/10.3969/j.issn.1001-3695.2007.07.071.

[11] 高麗燕.基于DSP+FPGA的圖像識別系統(tǒng)設計與實現(xiàn)[D].南京:南京理工大學,2006:43-62.

[12] 孫詠.基于ARM和DSP的嵌入式實時圖像處理系統(tǒng)設計與研究[D].杭州:浙江大學,2005:19-43.

[責任編輯:瑞金]

VehicleplaterecognitionsystembasedonDM642

YULichun1,LIUJinqing2,LIUYin2

(1.DepartmentofInformationTechnology,FuzhouUniversityofInternationalStudiesandTrade,Fuzhou350202,China;2.CollegeofPhotonicandElectronicEngineering,FujianNormalUniversity,Fuzhou350007,China)

Abstract:In order to improve the management efficiency of the intelligent traffic system, a vehicle plate recognition system based on chip DM642 is presented, Designed on DM642 hardware platform, the system is composed of 4 modules: vehicle information collection module, DSP processing module, monitor module and PC system. The collected images are preprocessed with grayscaling, gray enhancement and noise-reducing filter, and the vehicle plate is positioned by a locating method based on the vertical texture characteristics of the characters. After a geometric transformation, the characters are segmented, and then classified and normalized. Finally, by pattern matching, the vehicle plate can be recognized. On three groups of license plate image with different characteristics, a experiment is done, and the results show that, the recognition rate of the proposed system is about 93.5% ～ 95.4%.

Keywords:DM642, license plate location, character segmentation, character recognition

doi:10.13682/j.issn.2095-6533.2016.03.010

收稿日期：2016-03-18

基金項目：國家自然科學基金資助項目(61179011) ; 福建省自然科學基金資助項目(2010J01327)

作者簡介：喻麗春(1984-),女，碩士，講師，從事數(shù)字圖像處理研究。E-mail: 84246706@qq.com 劉金清(1965-),男，教授，從事圖像處理與模式識別研究。E-mail: jqliu8208@fjnu.edu.cn

中圖分類號：TP391

文獻標識碼：A

文章編號：2095-6533(2016)03-0064-05