基于ZigBee的車牌識別系統設計研究

徐文文 徐靜 王超

摘要：車輛車牌的識別在現代交通中至關重要，發展空間巨大，基于ZigBee和計算機視覺的車牌識別是智能交通領域應用的板塊之一，是實現交通管理智能化的關鍵一環。車牌自動識別系統主要包括預處理、車牌定位、字符分割、字符識別四個關鍵環節。基于此，在采集圖片后對圖片進行一系列預處理，再通過圖像處理技術進行數字和字母的識別。在識別階段，利用模板匹配的方法，通過識別算法來確定待測字符和模板字符中的相似程度，最終從車輛圖像中有效的識別車牌字符。此實驗對大量圖片進行測試，結果表明，基于ZigBee的車牌識別系統的車牌識別方法整體識別率約為90%，證明該方法是有效的、可行的。

關鍵詞：ZigBee；圖像識別；車牌處理

中文圖類號：TP391? 收稿日期：2024-04-20

DOI：1019999/jcnki1004-0226202406034

1 前言

車牌識別技術在現代城鎮道路和高速公路以及停車收費中起著重要作用，它不僅是計算機視覺和數字圖像處理的重要研究領域，更是實現道路管理科學化的關鍵所在。隨著國家經濟和城鎮道路的蓬勃發展，人們的平均收入不斷提高，而汽車作為一種消耗品，其先進、高效、準確的交通智能管理系統備受關注，汽車牌照識別技術的廣泛應用則為現代交通的智能管理開啟了一扇大門。在車牌識別領域，汽車識別技術展現出了強大的生命力，尤其是加上ZigBee技術以來，它能夠自動實現車輛ETC收費，如醫院及商城一些停車收費場所的計時收費功能，以及查處一些車輛行駛過程中闖紅燈及各種的違法違紀行為，通過車牌識別可以找到車主并進行思想教育及處罰，這樣就提高了效率，省時省力［1］。

本文提出了一種基于ZigBee無線傳輸技術的車牌識別系統。本系統的識別流程為：先定位車牌位置，然后對每一個字符進行特征提取和分類處理，后用模式識別技術把這些字符分離開，最終進行車牌字符的識別工作。本文所提出的識別算法可以在較低的計算復雜度下完成車輛牌照的快速、準確檢測和自動識別［2］。

2 相關技術簡介

a.無線傳輸技術。ZigBee技術作為一個可以使用在中短距離和低速度環境下使用的無線通信技術，完全符合本文的要求。在本文中，ZigBee扮演著至關重要的角色，首先使用一塊ZigBee板子進行攝像頭識別，將識別出的車牌顯示在屏幕上，然后進行計時收費，并通過板子將數據傳輸到另一塊ZigBee板子上，最終通過串口打印出車牌信息。

b.圖像預處理。圖像質量的好快直接影響車牌識別的精確度，因此在進行圖像分析前，需要進行圖像預處理。圖像預處理可以減少無關信息的干擾，增強有用信息的可檢測性和可靠性。本文采用二值化處理方法對車牌圖片進行預處理，二值化處理的基本原理在于利用圖像中目標圖像與背景圖像之間的灰度值差異，推導出一個特定的閾值或范圍，然后將圖像轉換為僅包含目標圖像和背景圖像的二值化圖像[3]。

c.車牌定位。車牌的定位是攝像頭對車牌區域的定位。在識別車牌時，找到車牌的位置是最重要的，也會直接影響后續操作的準確性。車輛牌照的定位問題涉及圖像分割和目標提取兩個關鍵環節。

d.字符分割。字符分割是指將一串連續的字符序列按照特定規則或標準劃分成若干個獨立的字符的過程。在車輛識別中，字符分割的重要過程為：首先確定車牌區域，然后將車牌圖像上的像素點的灰度值設置好后對字符進行進一步的分割。在處理過程中，獲取每個字符左側和右側的邊界線k，每個字符的邊界線均以垂直的藍色線條為標志。

e.字符識別。在上述處理后，一個完整的車牌號就被分成一個一個有字符組成的圖像。由于字符具有唯一性和穩定性，所以對其進行編碼處理就成為車牌識別系統的第一步。當上述過程都準確無誤后，就進入最復雜也是最難的一部分。字符識別技術是一項至關重要的核心技術，它利用圖像分析和模式識別技術，通過一系列數學運算，生成附加在圖像中的字符信息，以確保正確的字符識別結果［4］。

3 系統實現

本系統的主要工作流程如下：

a.STM32微控制器利用攝像頭實時捕捉圖像，并通過TFT液晶屏幕實時呈現相應的圖像。

b.STM32微控制器使用OV7670攝像頭，對車牌區域進行識別，并使其處于屏幕中的兩根藍線中間。

c.完成識別過程，完成預處理及字符的分割與識別。

d.兩個ZigBee模塊互傳信息。

e.一旦車輛入庫，蜂鳴器便會嘀一聲，表示已經開始計時。

f.如果再次識別到相同的車牌號，就表示車輛出庫。

31 硬件設計

本文系統硬件由STM32F103RCT6 單片機、無線通信模塊、ZigBee模塊、28寸TFT液晶屏顯示、OV7670、CH340串口等主要模塊共同組成［5］。圖1為硬件設計實物圖。

32 軟件設計

本文軟件設計流程如圖2所示。軟件設計主要采用C語言進行相關模塊代碼編程，主要包括車牌識別預處理、車牌定位、字符分割、字符匹配等模塊。

a.圖像預處理。使用OV7670攝像頭進行圖像采集；使用二值化方法把圖像從彩色變為灰度突變從而提高圖片亮度，方面后續的操作。

b.車牌定位。在識別車牌時，對車牌進行定位是至關重要的一步，在車牌區域內，其紋理結構和背景呈現出顯著的差異，車牌區域的縱向邊界更加密集，同時車牌字符和背景之間的對比度較高，導致車牌區域水平方向上的灰度變化頻率極高[6]。為了更好地檢測出圖像中的車牌區域，本文提出一種基于數學形態學方法來提取牌照區域邊緣的算法。通過運用這些特征以及必要的先驗知識，能夠更加準確地找到粗略的定位區域。

c.字符分割及匹配。首先將一個完整的車牌號分成一個一個由字符組成的圖像，然后找到需要識別的字符的獨有之處，通過對其拓撲結構或數據庫的分析，對其特征精準分類。最后待識別字庫與標準庫中相同或相似字進行比較來實現匹配。

4 系統調試

41 硬件調試

在接入電源后，STM32F103RCT6單片機、無線通信模塊、ZigBee模塊、TFT液晶屏顯示、OV7670攝像頭、CH340串口等硬件部件均能正常工作，實現其功能。使用攝像頭拍攝車牌圖像，STM32芯片對車牌進行預處理、定位、分割等操作后，顯示器顯示出相應車牌號，圖3為系統硬件測試示意圖。

42 軟件調試

軟件調試主要測試圖像預處理、字符分割、字符匹配模塊能否正常工作。

利用模板匹配算法對整幅圖像進行處理后，再與數據庫中各行數對應起來，從而實現了車輛牌照自動識別系統的自動定位功能。圖4為二值化識別示意圖，其中，左側的紅色標記點所代表的是各行的跳躍變化點的數量。

在找到車牌區域，將圖像上像素點的灰度值設置好后對字符進行進一步的分割。在處理過程中，獲取每個字符的左側和右側的邊界線k。圖5是字符分割示意圖。

5 結語

基于ZigBee的車牌識別，本實驗所設計的算法經過上百張的圖片測試之后，得到的結果是正確的。但是此算法只能識別光線較好情況下的圖像，因司機技術或其他原因導致車身傾斜以至于采集到的車輛圖不正，也有可能導致識別失敗。本算法在更為復雜的環境下需要更強的算法去實現，但此次所涉及的還達不到實際生活的需要。因此，這些不足以后都是需要去改進的，這樣才能使車牌識別系統更加完善，更加貼合現實生活。具體的展望方向如下：

a.通過實驗對車牌圖像識別環節進行優化，使其能夠適應更多復雜惡劣環境下的應用需求；使該系統所適用的范圍越來越廣，而不僅限于某些方面。

b.在挑選核心器件的過程中，盡可能簡化硬件電路，以便在調試過程中更加便捷高效，從而達到最佳的效果。

c.經過實際情況證明，本系統功能運行完好無誤。該設計降低了硬件成本，簡化了硬件結構，但仍需要進一步研究和改進，完善和更新本系統以便于更適實人們的生產生活。

參考文獻：

[1]牛志剛，張瑞全，高樹靜，等基于深度學習的端到端車牌檢測與識別[J]電子設計工程，2023，31（10）：147-151

[2]awale M A，William P，Pawar A B，et alImplementation of number plate detection system for vehicle registration using IOT and recognition using CNN[J] Measurement： Sensors，2023，27

[3]楊金鑫，顏湘炎，王子寧基于深度學習的復雜場景下車牌識別算法研究[J]智能計算機與應用，2023，13（3）：33-38

[4]寧娜文，盧梅，陳旋，等基于深度學習的車牌定位與字符識別[J]智能計算機與應用，2023，13（3）：88-92

[5]臺騁基于深度學習的車牌識別方法的設計[D]大連：大連海洋大學，2023

[6]Alharbi F，Zakariah M，Alshahrani R，et alIntelligent Transportation Using Wireless Sensor Networks Blockchain and License Plate Recognition[J] Sensors，2023，23（5）：91-99.

作者簡介：

徐文文，女，1994年生，碩士，研究方向為計算機應用技術。

基金項目：黃河交通學院精品在線開放課程《數據庫原理及應用》（HHJTXY-2023jpzx03）