基于Codec Engine下车牌定位方法研究

李克腾，武二永，张 桦

(杭州电子科技大学计算机学院，浙江杭州310018)

0 引言

车牌识别是现代交通系统中关键环节，而车牌定位又是车牌识别中关键步骤。目前，国内大多数车牌识别基于PC机开发，它具有体积大、功耗高、成本高等缺点［1］。嵌入式系统基本克服了上述问题。基于此，TI公司推出了Davinci系列ARM+DSP双核处理器，使得ARM端可集中处理诸如图像采集、通信及存储等功能，而DSP端则主要完成复杂图像处理算法。但ARM和DSP之间协同通信较为繁琐，给系统运行稳定性带来潜在隐患。为此，TI公司为客户定制一套名为“Codec Engine”的通信机制，使得用户不必关心DSP端具体实现过程，只需在ARM端Linux下进行编译、链接图像处理代码并在代码中直接调用即可。

1 Codec Engine算法植入架构

如图1所示，Codec Engine是连接ARM和DSP的桥梁，是介于应用层和信号处理层之间的通信接口模块。对DSP端而言，需将图像处理算法集成到符合Codec Engine规范的IALG［3］接口函数中，ARM端Linux程序可直接调用该接口函数，其函数名、参数值则通过 VISA(Video、Image、Speech、Audio)API［4］传递到DSP端，DSP/BIOS操作系统通过Codec Engine直接查找并调用该函数。用户只需封装图像处理算法到IALG接口函数中，并在Linux端修改相关编译配置文件，直接完成移植工作，从而大大简化了集成工作的复杂程度，无需关注ARM端应用程序和DSP端图像处理模块的通信工作。ARM端通过VISA标准API接口函数初始化Codec Engine、调用用户进程完成对应函数功能。

IALG接口的参数传递类型及数量一般要符合XDIAS(一个eXpressDSP兼容的算法即是一个实现IALG抽象接口的模块)规范，输入输出参数通常封装到XDM_BufDesc结构体中［3］。对于用户而言，在DSP端将图像处理算法往往包含到DSP端的Codecs函数库中，由Codec Engine负责管理，用户无需干预。

图1 Codec Engine软件构架图

2 车牌定位方法

车牌定位的目的是从图像中抠出车牌区域。常用的方法是基于车牌字符区域边缘较多且集中这一特征，在垂直和水平方向统计边缘累积图而获得。首先通过Sobel算子对灰度图像进行边缘提取［5］，然后利用垂直投影获得N个备选切割带，再对每个切割带做水平投影，获得Mi个备选车牌区域，i=1，…，N，最后通过车牌诸如长/宽比等的先验知识，启发式筛选出最有可能车牌。

2.1 投影分割车牌

对于可能出现车牌切割带，往往在水平方向具有较多的边缘。因此，直接对边缘图像在y方向进行垂直投影，再依峰值大小迭代寻找N个点，然后根据经验参数cy获得备选切割带。假设边缘图像为g(i，j)，图像宽度为w，高度为h，则垂直投影函数为:

假设第k个峰值为:

然后根据经验切割带因子cy获得上下边界yuk，ylk，cy取0.55:k

然后将该切割带作为备选，同时将j属于(yuk，ylk)内的py(j)赋值为零，迭代进行筛选出N个切割带。然后对每个切割带进行水平方向(x方向)投影，投影后如图3所示(第二幅图横轴为x轴，纵轴为y轴):

基于车牌边框在水平方向存在较大梯度跳跃，对px(i)进行梯度变换:

对px'(i)查找最大正、负梯度边界xpm，xnm:

此后将px'(i)，i属于(xpm，xnm)中赋为零，然后循环得到M个车牌区域。

2.2 启发式筛选车牌

经过垂直和水平投影，获得N×M个备选车牌区域。但对于标准制式车牌［6］，其高度、长宽比、水平投影峰值和面积等因素往往有一定规则。设计筛选因子为a1，a2，a3和a4，分别代表高度、字符边缘最大强度、字符边缘密集度和宽/高比例［7］，如表1所示。代价函数C，最小的即为最终遴选车牌。

表1 筛选因子

3 实验研究

算法实验平台为合众达公司的DVS-6446开发平台，通过读取实验室200幅车牌图像作为测试依据，分辨率为640×480，对处理后车牌区域进行归一化。车牌定位算法编写完成后，定义为void Plate-Locate(unsigned char* pImg，usigned char* pPlate)，其中pImg是原始灰度图像指针，pPlate为返回的车牌图像区域指针。

参考Codec Engine的示例代码videnc_copy工程，算法移植步骤包括:

(1)修改配置文件。具体为修改package.bld配置文件，将PlateLocate.c文件加入到编译文件列表中;

(2)封装算法到符合IALG接口函数中。将PlateLocate函数嵌入到XDAS_Int32 VIDENCCOPY_TI_process(…，XDM_BufDesc*inBufs，XDM_BufDesc*outBufs，…)接口函数中，即将main函数替换为PlateLocate函数，同时参数传递定义为。

inBufs－＞numBufs=1;inBufs－＞bufSizes=w*h;//w和h分别代表原始图像高度和宽度

inBufs［0］=pImg;outBufs－＞numBufs=1;outBufs－＞ bufSizes=w0*h0;//w0，h0 分别代表车牌图像宽度和高度outBufs［0］=pPlate;

(3)编译、链接DSP Server，运行./codec_engine01_01_11/examples/codecs/makefile以检查 XDIAS语法规则;运行./codec_engine01_01_11/examples/server/makefile已编译生成DSP server可执行库all.x64p文件;

(4)ARM端以encodedecode工程为参考，调用VIDENC_process(…)函数，测试结果。

实验结果如图2－4所示，未经优化，识别耗时9151ms，识别正确率为83.5%。

图2 灰度变换

图3 sobel边缘处理

图4 定位的车牌

4 结束语

该文提出了一种基于TI达芬奇DM6446 Codec Engine软件构架下车牌定位算法的研究，首先采用基于边缘检测的投影法进行车牌定位得到多个候选车牌，其次采用了基于启发式筛选的候选车牌算法，以提高车牌定位准确率，最后把车牌定位函数移植到Codec Engine软件构架下运行。实验结果表明在Codec Engine运行的车牌定位算法能够很好对输入的图像进行处理，能够很好的定位出车牌的位置，但运行耗时相对较大，在优化方面有待进一步地改进。

［1］ 张引，潘云鹤.彩色汽车图像牌照定位新方法［J］.中国图像图形学报，2001，6(4):374－377.

［2］ 卓均飞，胡煜.基于边缘检测和投影法的车牌定位算法研究［J］.科技通报，2009，26(3):439－441.

［3］ Texas Instruments，Codec Engine Application Developer's Guide［R］.Texas，TI:2006.

［4］ Texas Instruments，TMS320DM6446 Digital Media System on-Chip［R］.Texas，TI:2007.

［5］ 阮秋琦，阮字智.数字图像处理［M］.北京:电子工业出版社，2005:216－226.

［6］ 吴炜，杨晓敏.一种边缘检测与扫描线相结合的车牌定位算法［J］.电子技术应用，2005，(2):43－46.

［7］ Hans A，Ron J.High performance license plate recognition system［J］.IEEE Transaction on Pattern Analysis and Machine Intelligence，1998，7(9):132 －137.