一種車牌字符識(shí)別方法的設(shè)計(jì)實(shí)現(xiàn)

車牌識(shí)別是智能交通系統(tǒng)的一個(gè)重要研究課題，存在巨大的市場(chǎng)需求。車牌識(shí)別系統(tǒng)分車輛圖像的獲取、車牌的定位與字符分割、車牌字符識(shí)別3大部分。對(duì)于車牌字符識(shí)別，目前最常用的方法是基于模板匹配的方法和基于神經(jīng)網(wǎng)絡(luò)的方法兩大類。前者多利用了字符的輪廓、網(wǎng)格、投影等統(tǒng)計(jì)特征，相似字符區(qū)分能力差，且因特征數(shù)據(jù)維數(shù)過(guò)大會(huì)導(dǎo)致識(shí)別速度慢；而后者則存在網(wǎng)絡(luò)輸入數(shù)據(jù)的選擇和網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)等問(wèn)題。

目前，普遍采用3類方法來(lái)提高字符的識(shí)別性能：第1類是尋找更好的分類識(shí)別算法；第2類是將幾種分類器結(jié)合起來(lái)，相互補(bǔ)充，根據(jù)不同方面的特征分類，如文獻(xiàn)；第3類是抽取具有更強(qiáng)描述能力的特征，結(jié)合其它輔助特征來(lái)進(jìn)行分類。本文所構(gòu)建的車牌字符系統(tǒng)基于FPGA平臺(tái)，具有并行運(yùn)算能力強(qiáng)、接口邏輯豐富等特性，為構(gòu)建實(shí)時(shí)、便攜的車牌字符識(shí)別系統(tǒng)提供了一種有效、可行的解決方案。

1 系統(tǒng)概述

本系統(tǒng)主要采用Altera公司的DE2開(kāi)發(fā)板為實(shí)驗(yàn)平臺(tái)，根據(jù)該系統(tǒng)實(shí)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(duì)車牌進(jìn)行識(shí)別，最后識(shí)別結(jié)果在LED上顯示。

FPGA（Field-Programmable Gate Array），即現(xiàn)場(chǎng)可編程門陣列，它是在PAL、GAL、CPLD等可編程器件的基礎(chǔ)上進(jìn)一步發(fā)展的產(chǎn)物。它是作為專用集成電路（ASIC）領(lǐng)域中的一種半定制電路而出現(xiàn)的，既解決了定制電路的不足，又克服了原有可編程器件門電路數(shù)有限的缺點(diǎn)。FPGA采用了邏輯單元陣列LCA（Logic Cell Array）這樣一個(gè)概念，內(nèi)部包括可配置邏輯模塊CLB（Configurable Logic Block）、輸出輸入模塊IOB（Input Output Block）和內(nèi)部連線（Interconnect）三個(gè)部分

2 車牌預(yù)處理

2.1 粗定位和灰度化

車牌定位是整個(gè)系統(tǒng)的關(guān)鍵問(wèn)題之一，它直接影響了后續(xù)的分割以及識(shí)別的準(zhǔn)確率?？紤]到整個(gè)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(jí)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(lái)。

我國(guó)現(xiàn)有的車輛主要有藍(lán)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(guò)對(duì)顏色通道的分析來(lái)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(shí)候，除了要考慮主色的下限參數(shù)以外還要考慮另外二個(gè)通道的上限參數(shù)。經(jīng)過(guò)反復(fù)的試驗(yàn)對(duì)比后得出經(jīng)驗(yàn)參數(shù)值為：以藍(lán)底白字的車牌為例，在RGB 三個(gè)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(dòng)剔除車牌位置之外的其他圖像部分，完成粗定位。

2.2 中值濾波處理

中值濾波法是一種非線性平滑技術(shù)，它將每一象素點(diǎn)的灰度值設(shè)置為該點(diǎn)某鄰域窗口內(nèi)的所有象素點(diǎn)灰度值的中值。

粗定位后的車牌首先進(jìn)行灰度化處理以減小數(shù)據(jù)量利于實(shí)時(shí)處理。其次為了抑制車牌圖像在采集時(shí)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(duì)灰度化后的車牌圖像進(jìn)行中值濾波處理。

在FPGA中實(shí)現(xiàn)中值濾波，出于實(shí)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。考慮到FPGA強(qiáng)大的并行處理數(shù)據(jù)能力，此處設(shè)計(jì)一種對(duì)3×3鄰域中九個(gè)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(gè)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(guò)3級(jí)的比較，即3個(gè)時(shí)鐘周期的延時(shí)就可以找出中值。圖2-2為本文在FPGA中設(shè)計(jì)實(shí)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?yàn)檐嚺贫ㄎ缓妥址指疃际腔谲嚺茀^(qū)域的二值化結(jié)果進(jìn)行，所以二值化的效果直接影響到車牌識(shí)別的效果。由于要從待檢測(cè)的車牌圖像區(qū)域截取圖像的背景不會(huì)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(guò)直方圖的雙峰法的方法來(lái)求取閾值，對(duì)車牌圖像進(jìn)行二值化處理。

一幅圖像包括目標(biāo)物體、背景還有噪聲，要想從多值的數(shù)字圖像中直接提取出目標(biāo)物體，最常用的方法就是設(shè)定一個(gè)閾值T,用T將圖像的數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群。這是研究灰度變換的最特殊的方法，稱為圖像的二值化（BINARIZATION）。圖像的二值化，就是將圖像上的像素點(diǎn)的灰度值設(shè)置為0或255,也就是將整個(gè)圖像呈現(xiàn)出明顯的只有黑和白的視覺(jué)效果。

3 車牌檢測(cè)

在對(duì)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(jìn)行分割等后續(xù)處理，考慮到NIOS II軟核中資源豐富的特點(diǎn)，本文通過(guò)增加輸入輸出口的數(shù)量來(lái)提升數(shù)據(jù)傳入的速度，從而滿足系統(tǒng)的實(shí)時(shí)性處理要求。根據(jù)數(shù)據(jù)傳輸需求，本文設(shè)計(jì)通過(guò)22 個(gè)32bit 的輸入輸出口來(lái)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(duì)最終識(shí)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(guò)車牌的彩色特性對(duì)車牌進(jìn)行預(yù)定位后，再根據(jù)車牌號(hào)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(shí)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(shuō)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(cè)車牌的最低點(diǎn)，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(cè)車牌的最高點(diǎn)。若最高點(diǎn)與最低點(diǎn)之差大于15,則認(rèn)為目標(biāo)已檢測(cè)到，否則繼續(xù)進(jìn)行掃描；如果未檢測(cè)到符合上述條件的目標(biāo)，則自動(dòng)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(diǎn)坐標(biāo)。

3.2 基于垂直灰度法的字符分割

在對(duì)車牌進(jìn)行定位后，考慮到車牌字符的排放特點(diǎn)與字符間的微小間隙，采用垂直灰度法進(jìn)行車牌字符的分割。主要思想是設(shè)定一個(gè)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(zhǎng)度是否滿足字符的長(zhǎng)度，滿足字符長(zhǎng)度的則記錄為有效字符，不滿足將剔除繼續(xù)掃描下一個(gè)知道掃描完整行為止。

3.3 模板匹配

我國(guó)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(shí)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(yùn)算能力考慮，采用模板匹配方法進(jìn)行字符識(shí)別。即將待識(shí)別的車牌字符矩陣與庫(kù)內(nèi)的標(biāo)準(zhǔn)字符矩陣（標(biāo)準(zhǔn)模版）對(duì)比，相似度最大的則認(rèn)為一致。

首先將標(biāo)準(zhǔn)模板入庫(kù)，按國(guó)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(méi)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(kù)。把每一張"標(biāo)準(zhǔn)車牌"分割出來(lái)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(kù)，根據(jù)實(shí)驗(yàn)情況，模板越大識(shí)別率越高，但同時(shí)會(huì)帶來(lái)運(yùn)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(shí)別字符歸一化以后，依次與標(biāo)準(zhǔn)庫(kù)中的模板進(jìn)行匹配，即矩陣對(duì)應(yīng)位依次做差，分別計(jì)算總的相同像素個(gè)數(shù)，則有最大相同數(shù)目的那一組數(shù)認(rèn)為是相似度最大，則用此時(shí)的標(biāo)準(zhǔn)模板所對(duì)應(yīng)的數(shù)字或字母作為最終識(shí)別的結(jié)果。

在PAL 制式的CCD 攝像頭、Altera DE2 開(kāi)發(fā)板和普通VGA 顯示器的實(shí)驗(yàn)環(huán)境下，隨機(jī)選取20 張車牌進(jìn)行檢測(cè)，在不同的光照條件下，正確檢測(cè)出的字符率達(dá)到了90%以上，在光照較好的情況下，識(shí)別率達(dá)到94%以上，且平均識(shí)別時(shí)間不到0.1 秒，完全滿足實(shí)時(shí)性的需求。實(shí)驗(yàn)結(jié)果表明，采用FPGA 可以很好的完成對(duì)車牌實(shí)時(shí)檢測(cè)的任務(wù)，且具有體積小、功耗低、速度快等明顯的優(yōu)點(diǎn)。

4 結(jié)論

本文在利用FPGA 采集車牌圖像的基礎(chǔ)上，實(shí)現(xiàn)了一種利用字符歸一化和模板匹配的簡(jiǎn)單快速的車牌字符識(shí)別系統(tǒng)，并在SOPC 中實(shí)現(xiàn)。系統(tǒng)具有視頻圖像采集實(shí)時(shí)，車牌定位分割準(zhǔn)確和識(shí)別誤差低等特點(diǎn)。這種基于SOPC 技術(shù)的片上系統(tǒng)設(shè)計(jì)方法具有硬件設(shè)計(jì)靈活，可擴(kuò)展性強(qiáng)等優(yōu)點(diǎn)，它彌補(bǔ)了傳統(tǒng)PC 機(jī)系統(tǒng)和DSP 系統(tǒng)設(shè)計(jì)的不足，有效地降低了系統(tǒng)軟硬件設(shè)計(jì)的難度，縮短了開(kāi)發(fā)周期，并提高了設(shè)計(jì)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(shí)用價(jià)值和應(yīng)用前景。