摘 要：設(shè)計了根據(jù)車牌的彩色特征對車牌位置進行粗定位，再利用車牌字符二值化特征來精確定位的雙重車牌定位方法。在中值濾波和二值化等預(yù)處理后，提取出車牌中的字母和數(shù)字字符并建立相應(yīng)的模板，通過字符歸一化在NIOS II 中采用最大相似度算法較好的識別了車牌號碼。實驗結(jié)果表明，該方法具有良好的實時性和較高的識別率。
關(guān)鍵詞：車牌字符檢測； NIOS II； 歸一化； 模板匹配；
0 引言
智能交通系統(tǒng)已成為當(dāng)前交通管理發(fā)展的重要方向, 而車輛牌照識別是計算機視覺與模式識別在智能交通領(lǐng)域應(yīng)用的重要研究課題之一 ,有著廣泛的實際應(yīng)用前景[1]。傳統(tǒng)的車輛牌照識別大多以PC平臺上的純軟件算法[2][3]或DSP處理器[4]為核心來實現(xiàn)。由PC機構(gòu)建的系統(tǒng)非小型化，在系統(tǒng)實時性的方面存在不足，主要用于前期算法的研究；而以通用的數(shù)字信號處理器(DSP)為核心的車牌識別系統(tǒng)外圍電路設(shè)計復(fù)雜, 開發(fā)調(diào)試?yán)щy，系統(tǒng)的可擴展性和升級性較差。本文所構(gòu)建的車牌字符系統(tǒng)基于FPGA平臺，具有并行運算能力強、接口邏輯豐富等特性，為構(gòu)建實時、便攜的車牌字符識別系統(tǒng)提供了一種有效、可行的解決方案。
1 系統(tǒng)概述
系統(tǒng)的整體設(shè)計流程如下圖1-1 所示。
本系統(tǒng)主要采用Altera公司的DE2開發(fā)板為實驗平臺，根據(jù)該系統(tǒng)實現(xiàn)的功能，將系統(tǒng)劃分為硬、軟件兩部分，硬件部分包括車牌采集[5][6]和A/D轉(zhuǎn)換、車牌預(yù)處理等；軟件部分主要使用Cyclone II FPGA內(nèi)嵌的NIOS II軟核，采用SOPC Builder配置生成片上系統(tǒng)，并使用模板匹配算法對車牌進行識別，最后識別結(jié)果在LED上顯示。
2 車牌預(yù)處理
2.1 粗定位和灰度化
車牌定位是整個系統(tǒng)的關(guān)鍵問題之一，它直接影響了后續(xù)的分割以及識別的準(zhǔn)確率?？紤]到整個圖像車牌部分的字符顏色和車牌背景顏色差別很大，其灰度級別分布有一定規(guī)律和范圍，兼之車牌的寬度有一定的比例，因此可以將車牌從背景圖片中分離出來。
我國現(xiàn)有的車輛主要有藍底白字牌照、黃底黑字牌照等四種類型。鑒于車牌前景、背景色的顏色特征，可以通過對顏色通道的分析來大致的確定車牌所在的位置以完成車牌位置的粗定位。在確定參數(shù)的時候，除了要考慮主色的下限參數(shù)以外還要考慮另外二個通道的上限參數(shù)。經(jīng)過反復(fù)的試驗對比后得出經(jīng)驗參數(shù)值為：以藍底白字的車牌為例，在RGB 三個通道中:R< 10’b0110110000; G<10’b0111010000; B>10’0110110000，由以上參數(shù)為掃描閾值，自動剔除車牌位置之外的其他圖像部分，完成粗定位。[!--empirenews.page--]
2.2 中值濾波處理
粗定位后的車牌首先進行灰度化處理以減小數(shù)據(jù)量利于實時處理。其次為了抑制車牌圖像在采集時產(chǎn)生的椒鹽噪聲等脈沖噪聲影響，改善圖像質(zhì)量，本文對灰度化后的車牌圖像進行中值濾波處理。
在FPGA中實現(xiàn)中值濾波，出于實際處理速度、處理效果和器件資源考慮，本文選用3×3鄰域窗口?？紤]到FPGA強大的并行處理數(shù)據(jù)能力，此處設(shè)計一種對3×3鄰域中九個數(shù)據(jù)一起處理的方法，它是基于三輸入排序單元構(gòu)成，而每個三輸入單元又是由若干二輸入單元構(gòu)成。這種方法比傳統(tǒng)的冒泡排序法減少了邏輯資源的占用，卻和其一樣能找出中值，且只需經(jīng)過3級的比較，即3個時鐘周期的延時就可以找出中值。圖2-2為本文在FPGA中設(shè)計實現(xiàn)快速中值濾波的框圖。據(jù)此即完成了所采集的車牌圖像的中值濾波去噪。
2.3 二值化處理
因為車牌定位和字符分割都是基于車牌區(qū)域的二值化結(jié)果進行，所以二值化的效果直接影響到車牌識別的效果。由于要從待檢測的車牌圖像區(qū)域截取圖像的背景不會很復(fù)雜。前景區(qū)域和背景區(qū)域的差異比較明顯，所以車牌圖像的灰度直方圖將有明顯雙峰效果。本文通過直方圖的雙峰法的方法來求取閾值，對車牌圖像進行二值化處理。
3 車牌檢測
在對采集到的車牌圖像二值化處理以后，一幀圖像的大小大幅度減小，約為400k 左右，下面就是把該二值化車牌圖像傳輸至NIOS II 軟核內(nèi)進行分割等后續(xù)處理，考慮到NIOS II軟核中資源豐富的特點，本文通過增加輸入輸出口的數(shù)量來提升數(shù)據(jù)傳入的速度，從而滿足系統(tǒng)的實時性處理要求。根據(jù)數(shù)據(jù)傳輸需求，本文設(shè)計通過22 個32bit 的輸入輸出口來傳送數(shù)據(jù)，雖然22×32=704bit 相比一幀圖像的一行720bit 少了16bit，但考慮到車牌圖像的邊緣是非字符目標(biāo)區(qū)域的背景圖像，對最終識別結(jié)果的影響甚小，故可以近乎忽略。
3.1 基于車牌字母及數(shù)字特征的準(zhǔn)確定位
通過車牌的彩色特性對車牌進行預(yù)定位后，再根據(jù)車牌號碼的字母和數(shù)字在二值化后的特性準(zhǔn)確定位出車牌的位置，如果此時定位出車牌的位置在彩色通道預(yù)定位的車牌區(qū)域內(nèi)，則說明車牌位置已經(jīng)確定，如果不在彩色通道定義的車牌位置范圍之內(nèi)，則需要重新判斷。
（1）定位牌照的上下邊界：若某一行的0→1（白到黑）和1→0（黑到白）變化次數(shù)大于設(shè)定的閾值，則設(shè)其為待測車牌的最低點，繼續(xù)掃描直至0→1 和1→0 變化次數(shù)小于閾值，將該閾值設(shè)為待測車牌的最高點。若最高點與最低點之差大于15，則認為目標(biāo)已檢測到，否則繼續(xù)進行掃描；如果未檢測到符合上述條件的目標(biāo)，則自動門限值重復(fù)以上的操作，直到找到目標(biāo)為止。
（2）定位牌照的左右邊界：在找到車牌的上下限后，利用二值圖像在豎直方向上的投影作為特征，從左到右尋找目標(biāo)的中心點坐標(biāo)。車牌定位效果如圖3-1 所示：
[!--empirenews.page--]
3.2 基于垂直灰度法的字符分割
在對車牌進行定位后，考慮到車牌字符的排放特點與字符間的微小間隙，采用垂直灰度法進行車牌字符的分割。主要思想是設(shè)定一個垂直投影的閾值，判斷投影大于閾值則標(biāo)記并保存，遇到空隙則分割，最后判斷字符區(qū)域的長度是否滿足字符的長度，滿足字符長度的則記錄為有效字符,不滿足將剔除繼續(xù)掃描下一個知道掃描完整行為止。分割效果如圖3-2。
3.3 模板匹配
我國的車牌，字符標(biāo)志的首位為漢字的省名縮寫，次位為英文字母，再次位為英文字母或阿拉伯?dāng)?shù)字，末四位均為數(shù)字。由于實際可能出現(xiàn)的英文字母和數(shù)字字符數(shù)目不多，再基于NIOS II 軟核的運算能力考慮，采用模板匹配方法進行字符識別。即將待識別的車牌字符矩陣與庫內(nèi)的標(biāo)準(zhǔn)字符矩陣（標(biāo)準(zhǔn)模版）對比，相似度最大的則認為一致。
首先將標(biāo)準(zhǔn)模板入庫，按國家車牌標(biāo)準(zhǔn)的大小、字體、字符間距等打印出數(shù)張樣品，其前景、背景清晰，字符沒有斷續(xù)，很少噪聲、且包含了所有可能的車牌字符，作為“標(biāo)準(zhǔn)車牌”，用以采樣制作標(biāo)準(zhǔn)字符矩陣庫。把每一張“標(biāo)準(zhǔn)車牌”分割出來的字符歸一化[7]，接著將歸一化后的模板矩陣存入FPGA中作為標(biāo)準(zhǔn)模板庫，根據(jù)實驗情況，模板越大識別率越高，但同時會帶來運算數(shù)據(jù)量的大大增加，于是在綜合考慮準(zhǔn)確度和NIOS II軟核的工作效率后采用20×15 bit大小的數(shù)組作為標(biāo)準(zhǔn)模板。
當(dāng)車牌上的待識別字符歸一化以后，依次與標(biāo)準(zhǔn)庫中的模板進行匹配，即矩陣對應(yīng)位依次做差，分別計算總的相同像素個數(shù)，則有最大相同數(shù)目的那一組數(shù)認為是相似度最大，則用此時的標(biāo)準(zhǔn)模板所對應(yīng)的數(shù)字或字母作為最終識別的結(jié)果。車牌字符識別結(jié)果如圖3-3：
在PAL 制式的CCD 攝像頭、Altera DE2 開發(fā)板和普通VGA 顯示器的實驗環(huán)境下，隨機選取20 張車牌進行檢測，在不同的光照條件下，正確檢測出的字符率達到了90%以上，在光照較好的情況下，識別率達到94%以上，且平均識別時間不到0.1 秒，完全滿足實時性的需求。實驗結(jié)果表明，采用FPGA 可以很好的完成對車牌實時檢測的任務(wù)，且具有體積小、功耗低、速度快等明顯的優(yōu)點。
4 結(jié)論
本文在利用FPGA 采集車牌圖像的基礎(chǔ)上，實現(xiàn)了一種利用字符歸一化和模板匹配的簡單快速的車牌字符識別系統(tǒng)，并在SOPC 中實現(xiàn)。系統(tǒng)具有視頻圖像采集實時，車牌定位分割準(zhǔn)確和識別誤差低等特點。這種基于SOPC 技術(shù)的片上系統(tǒng)設(shè)計方法具有硬件設(shè)計靈活,可擴展性強等優(yōu)點，它彌補了傳統(tǒng)PC 機系統(tǒng)和DSP 系統(tǒng)設(shè)計的不足，有效地降低了系統(tǒng)軟硬件設(shè)計的難度，縮短了開發(fā)周期，并提高了設(shè)計的可靠性。可用于道路車輛監(jiān)控、智能交
通管理等應(yīng)用領(lǐng)域，具有較高的實用價值和應(yīng)用前景。
本文作者創(chuàng)新點：提出了根據(jù)車牌彩色通道特性和字符二值化后特征的車牌雙重定位方法，在NIOS II 中用模版匹配方法實時準(zhǔn)確的識別車牌字符。
下載文檔
