基于神經網絡的車牌識別系統

呂品品

[摘 要]本文提出了一種基于單片機的車牌識別自動裝置的設計思路,給出了系統的設計方案,并詳細介紹了它的工作原理及其軟硬件設計,提出了一種字符分割的新方法,利用BP神經網絡原理對車牌中的漢字、字母及數字進行了分類識別,識別后由單片機控制將數據填入相應的信息管理系統。

[關鍵詞]單片機 車牌識別 BP算法

[中圖分類號]U47[文獻標識碼]A[文章編號]1007-9416(2009)11-0003-02

為了解決年審人工登記車牌號速度慢、效率低的問題,特開發此基于單片機的車牌自動識別系統,該系統通過掃描正在審查車輛的車牌,經過處理后可以直接把車牌號數據上傳到車輛管理信息系統中。采用該系統,可以加快車輛的審查速度。基于單片機的車牌自動識別系統其關鍵技術是對車牌號碼的讀入和識別。為了節約成本和減小體積,該系統用單片機來控制實現。本文將詳細介紹如何用單片機來控制讀入車牌號碼圖像和識別讀入圖像以及如何把識別出的字符傳給計算機。

1 系統工作原理

車牌號碼自動識別系統的原理框圖如圖1所示。一個典型的車牌識別系統主要包括車牌圖像采集、圖像預處理、特征提取、特征匹配和數據庫5個模塊。在本系統中,還加入了單片機控制部分。

系統主要工作過程如下:

當汽車通過檢測站時車體位置傳感器發出一個信號給圖像采集控制部分,它的控制攝像機采集一幅汽車圖像送入單片機進行預處理,然后將處理后的圖像傳給主機,由主機的圖像處理模塊從輸入的圖像中找到牌照的位置,對牌照進行字符切分,得到各個字符的點陣數據;再由字符識別模塊利用這些數據進行識別,然后把識別出的字符通過串口傳給單片機進行進一步的處理,最后由單片機控制寫入相應的信息管理系統。該系統的技術難點主要是在主機中如何實現牌照的定位、切分以及牌照字符的識別,還有單片機如何實現控制等。

2 系統主要構成

2.1 圖像采集控制以及圖像采集

將車體位置傳感器固定于某一位置,當有汽車經過時它就會發出一個信號給圖像采集控制部分,這時圖像采集控制系統發送一個控制信號給圖像采集模塊,則攝像機開始工作,采集一幅含有汽車牌照的圖像。

2.2 圖像預處理

為了加快系統的處理速度,有必要將部分圖像預處理過程做成硬件方式。就本系統而言,從汽車圖像中找出牌照位置是減少后級處理數據量的關鍵步驟,因而在系統中將牌照定位的部分做成硬件處理,主要利用數字圖像輸入板實現。數字圖像輸入板采用專用的多媒體芯片實現。這套芯片功能較強,可編程性好,使用方便,性能穩定,適于惡劣環境的視頻輸入。

視頻信號經過A/D轉換,數字解碼和彩色空間轉換后,成為24bits的RGB三分量數據流,然后發送到主機。對于RGB三分量數據流可以采用基于直方圖指數平滑的閾值分割法進行二值化,轉化為一幅二值化的黑白圖像,存入緩沖區中,并將轉化后的數據傳給PC機。

2.3 牌照定位

根據現在牌照的特點:我國汽車牌照的長度為45厘米,寬度為15厘米,共有8個字符(包括一個點符號)。通過上面操作過程,我們在PC機上可獲得一幅二值化的黑白圖像的數據。本文采用逐行掃描的辦法,由于車牌位于汽車的下部,且為避免汽車上的廣告和標語等的干擾,采用從上往下的逐行掃描策略,根據車牌上的文字筆劃變化的頻率,從左向右逐個象素掃描,當某行筆劃變化頻率在某特定寬度達到預先設置α時,記下該行號和該筆劃變化區域的起點和終點,再根據車牌的長寬比例特征預計車牌區域,當該區域具有相似特征的行達到設定范圍β時,則表示該區域即是車牌的所在區域。其中α和β需根據獲取的車牌圖像質量及車牌在圖像中的比例大小進行設置。

2.4 字符分割

在準確找到車牌的位置后,下一步就是把車牌上的字符串分割成一個個標準大小的字符塊。字符分割并不是真的把所要的字符塊從原圖像塊中分割下來,僅僅是把所要識別的字符的準確位置找到。對于該系統,共有8個字符,汽車牌照上出現的字符有3類,漢字字符只包括部隊,公安系統和全國各省省名的簡稱,另外還有26個英語字母和10個數字字符。一般民用牌照第一個字符是漢字,且是各省市的簡稱,如“京”、“津”、“滬”、“蘇”等,第二個字符是大寫英文字母,如“A”、“B”、“C”等,接著是一個點“·”,第四個字符可能是英文字母,也可能是阿拉伯數字,第五至第八個字符均為阿拉伯數字。如“魯C·12345”就是最典型的車牌號碼。對漢字我們把它分成18×9的塊,把字母和數字都分成5×5的方塊。具體方法是在第一步搜索中找到了字符塊左上角的起點(sx,sy),對固定的目標來說每個字符對起點都有固定的偏移量,其偏移量P[8]={0,18,23,24,29,34,39,44};這樣就可以把字符塊分成8塊。如第4個字符的起點坐標為(sx,sy+24)長寬為5×5。

2.5 字符識別

在對字符進行分割的時候我們已經把字符劃分成方塊,所以可以采用神經網絡的方法來對字符進行識別。對于并行識別的BP網絡,可以讓漢字、字母或數字分別送到各自的網絡分別識別,由于BP網絡的容錯能力強,對于文字的某些筆劃出現斷線或筆劃少了一部分,仍然能正確識別,這樣既提高了識別率,識別速度也有所改善。

2.5.1 BP算法簡介

典型的三層BP網絡結構如圖2所示,它包含輸入層、隱含層和輸出層,相鄰層節點全互連,同層節點之間不相連。BP算法的學習過程由正向傳播和反向傳播組成。正向傳播過程中,輸入模式從輸入層經過隱含層逐層處理,并傳向輸出層,每一層神經元的狀態僅影響下一層神經元的狀態。如果在輸出層不能得到期望的輸出,則轉入反向傳播,將誤差信號沿原來的連接通路返回,通過修改連接權與各神經元的閾值,使得誤差信號最小。

2.5.2 BP算法用于字符識別

經過車牌定位,分隔等操作已經將車牌中的漢字、字母和數字形成了灰度圖像且已經被提取出來,對于漢字采用18×9的網格,字符(字母或數字)是5×5的網格,其中黑色的網格用1表示,白色的網格用0表示。通過分割操作將字符輸入值確定后,就可以利用BP網絡進行訓練,從而得出識別的字符。

2.5.3 結果分析

經過大量實驗證明,網絡訓練目標誤差為0.01,學習率u取0.6,連接權的初始值在[0,0.2]之間隨機取值時網絡的判別精度較高。

對字符識別時,如果取輸入層節點25個,隱含層為15個,輸出層節點6個,則該BP網絡的學習速率與誤差限的關系是:當誤差限確定時,學習速率越大,學習次數越少,同時,網絡的訓練精度也隨之降低。

在學習速率給定的條件下,隱含層節點越多,所需學習的次數越少,BP網絡的記憶能力越強,但是,隱含層節點過多,會造成網絡因為振蕩而失去判別能力。

在本系統中,圖像采集控制和圖像采集部分通過單片機控制,然后對采集的圖像進行預處理;由于單片機的資源有限,且處理速度慢,因此牌照定位、字符分割、字符識別由PC機通過軟件實現。

2.6 通信模塊

此模塊主要實現單片機與PC機之間的通信。對已經通過上位機識別出的字符通過串口(RS-232)先發送給下位機,然后由下位機控制再傳入車輛信息管理系統,該系統可通過VC++編程實現。

3 結語

本文給出了基于單片機的車牌自動識別的設計方案,利用單片機控制對含有車牌的圖像進行一系列的操作,如讀入圖像、車牌定位及分割和車牌識別等,最后由單片機控制實現與主機的通信,從而實現了將識別出的信息自動填入信息系統的功能,既節約了成本又減小了該裝置的體積,使用方便靈活。采用該裝置登記車牌號方便快捷,而且該系統成本不高,具有一定實用價值。

[參考文獻]

[1] 吳捷.汽車號牌自動識別系統[J]. 貴州科學,1999.3.

[2] 周翟和,劉建業.紙幣號碼讀入識別系統的單片機實現[J].工業控制計算機,2002

[3] 萬國紅,王敏,王心漢等?；谏窠浘W絡的汽車牌照自動識別技術研究[J]. 計算機工程與應用,2002

[4] 韓力群.人工神經網絡理論、設計及應用[M].北京:化學工業出版社,2002.