基于ZedBoard的車牌定位與字符識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著我國(guó)經(jīng)濟(jì)的飛速發(fā)展，智能交通系統(tǒng)ITS(Intelligent TransportationSystem)已是未來(lái)交通監(jiān)管系統(tǒng)中的主要發(fā)展趨勢(shì)。而車牌識(shí)別技術(shù)LPR(LicensePlate Recognition)是ITS核心技術(shù)之一，研究和開(kāi)發(fā)車牌識(shí)別系統(tǒng)對(duì)我國(guó)交通管理領(lǐng)域的發(fā)展有重要的意義和應(yīng)用價(jià)值。
　　通過(guò)查閱國(guó)內(nèi)外相關(guān)文獻(xiàn)可得，目前大部分車牌識(shí)別系統(tǒng)是基于PC機(jī)軟件實(shí)現(xiàn)的，接口和功能固定，可升級(jí)性差，車牌識(shí)別技術(shù)還

2、有進(jìn)一步完善的空間，尤其在自適應(yīng)性、識(shí)別速度和準(zhǔn)確率等方面仍需要更深入的研究。因此，本文提出了基于ZedBoard開(kāi)發(fā)板的車牌定位與字符識(shí)別系統(tǒng)，充分利用開(kāi)發(fā)板上的雙核ARM Cortex-A9處理器和FPGA，采用軟硬件協(xié)同設(shè)計(jì)的方式實(shí)現(xiàn)系統(tǒng)的功能，極大的改善了識(shí)別速度，同時(shí)很好的滿足了系統(tǒng)要求。
　　本文提出的車牌識(shí)別系統(tǒng)主要由車牌定位模塊、字符分割模塊和字符識(shí)別模塊組成。通過(guò)對(duì)以上模塊關(guān)鍵技術(shù)的研究，本文提出了行之有效的解決

3、策略。首先在車牌定位方面，本文提出了顏色和紋理相結(jié)合的車牌定位方法。采用VerilogHDL硬件描述語(yǔ)言實(shí)現(xiàn)了車牌候選區(qū)的提取以及車牌水平傾斜角度和垂直傾斜角度的檢測(cè)，極大的提高了定位速度和準(zhǔn)確率。其次在車牌字符分割方面，本文對(duì)直接投影法做出了改進(jìn)。通過(guò)圖像預(yù)處理去除車牌邊框和鉚釘，然后通過(guò)改進(jìn)后的投影算法實(shí)現(xiàn)字符切割，該算法能從根本上克服因字符粘連和字符斷裂導(dǎo)致分割錯(cuò)誤的缺點(diǎn)，有效提高了字符分割的準(zhǔn)確率。最后在車牌字符識(shí)別方面，本文結(jié)

4、合特征提取和BP神經(jīng)網(wǎng)絡(luò)算法，首先對(duì)字符圖像進(jìn)行預(yù)處理和歸一化操作然后提取漢字字符的粗網(wǎng)格特征和外圍特征，字母數(shù)字字符的粗網(wǎng)格特征和筆畫密度特征，最后設(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)對(duì)字符進(jìn)行識(shí)別。
　　此外，本文還實(shí)現(xiàn)了Linux操作系統(tǒng)以及OpenCV與QT函數(shù)庫(kù)的跨平臺(tái)移植，并編寫了相關(guān)測(cè)試控制模塊。經(jīng)測(cè)試表明，本系統(tǒng)的定位準(zhǔn)確率達(dá)到90％以上，識(shí)別的準(zhǔn)確率能達(dá)到89％以上，系統(tǒng)的平均運(yùn)行時(shí)間為2s左右，滿足了系統(tǒng)性能要求，達(dá)到了預(yù)期設(shè)計(jì)目