基于DM642的车牌识别系统

喻丽春, 刘金清, 刘　引

(1.福州外语外贸学院 信息系, 福建 福州 350202;　2.福建师范大学 光电与信息工程学院, 福建 福州 350007)

基于DM642的车牌识别系统

喻丽春1, 刘金清2, 刘引2

(1.福州外语外贸学院 信息系, 福建 福州 350202;2.福建师范大学 光电与信息工程学院, 福建 福州 350007)

摘要:为了提高智能交通系统的管理效率，给出一种基于芯片DM642的车牌识别系统。系统采用基于DM642的硬件平台，由车辆信息采集模块、DSP处理模块、监视器和PC系统4大模块组成。对采集图像进行灰度化、灰度增强和滤波降噪的预处理；利用基于字符竖向纹理特征的定位方法实现车牌定位；再经几何变换，完成字符分割；对分割图像进行字符分类并做归一化处理，通过模式匹配得出识别结果。实验选取3组不同特点的车牌图像，结果显示，所给系统的正确识别率可达93.5%～95.4%。

关键词:DM642；车牌定位；字符分割；字符识别

车牌自动识别系统在城市智能交通管理系统中发挥着重要作用。车牌识别技术主要有两种模式：一是以射频识别(RadioFrequencyIdentification,RFID)为基础的无接触式智能卡识别[1]，一是基于图像的车牌智能识别[2-4]。以RFID为基础的车牌识别方式，识别准确度高，运行可靠，但设备价格较为昂贵，硬件较为复杂，每辆车需安装车上单元，实施成本较高。基于图像的车牌识别技术，无需要安装车上单元，价格优势明显，实施简单，另外，随着图像识别技术的改进[5-8]，识别速度已经可以较好地满足实际应用。

基于图像识别的车牌识别系统一般在个人电脑(PersonalComputer，PC)上实现[2-3]，这类车牌识别系统对工作环境要求高，应用范围有限，而且产品依赖于操作系统稳定性，可靠性很难保证。

数字信号处理(DigitalSignalProcessing，DSP)芯片的内部采用程序和数据分开的哈佛结构，具有专门的硬件乘法器，广泛采用流水线操作，提供特殊的DSP指令，可以用来快速的实现各种数字信号处理算法。在德州仪器 (TexasInstruments，TI)公司推出的C6000系列DSP中，DM642芯片速度快，处理功能强大，片内外设资源丰富，已经得到较为广泛的应用[9-12]。

本文拟提出一种基于DM642的车牌识别系统。系统硬件包括车辆信息采集、DSP处理、监视器和PC系统4个模块。通过对采集到的车辆信息图像进行预处理[7-8]，接着利用字符竖向纹理特征实现快速车牌定位，再通过几何变换实现字符分割，最后通过字符归一化和模式匹配得到最终识别结果。

1系统总体设计

1.1硬件设计

车牌自动识别系统采用基于DM642的硬件平台，结构如下图1所示。

图1　系统硬件结构

系统的硬件部分主要包括车辆信息采集、DSP处理、监视器和PC系统在4个模块。

(1) 车辆信息采集模块

通过具有电荷耦合元件(Charge-coupledDevice，CCD)的摄像机,采集路面上的车辆信息视频；通过飞利浦公司的SAA7115H解码芯片，将输入模拟视频信号转变成并行的BT.656图像码流，送至DM642视频口VP0。

(2)DSP处理模块

DM642将输入的信号再解码，得到YUV(4∶2∶2)格式的图像，并通过增强型直接内存存取(Enhanceddirectmemoryaccess,EDMA)传输到同步动态随机存取存储器(SynchronousDynamicRandomAccessMemory,SDRAM)中存储，通过车牌识别程序进行处理。将识别的文本结果及对应的JPEG压缩格式图片，通过网络发送到PC系统;将数字图像信号转换为模拟信号，输出到监视器。

(3) 监视器

接收来自SAA7105H编码芯片输出的模拟信号并实时显示，用来实时监控路面车况。

(4)PC系统

接收DSP系统的识别结果并保存，为智能交通监控系统提供基础原始数据。

1.2软件设计

DSP车牌识别系统的处理流程包括图像采集、图像预处理、车牌定位、字符分割和字符识别5个环节，如图2所示。

图2识别流程

(1) 图像采集

通过SAA7115H芯片将视频输入模块的模拟信号转换为数字图像信号，获取到车辆数字图像。

(2) 图像预处理

将输入的数字图像转换为RGB格式，为突出车牌位置，依次对图像进行灰度处理、图像增强和滤波降噪等处理操作，为车牌定位做准备。

(3) 车牌定位

根据车牌纹理特征识别，找到图像中车牌位置的正确区域，并通过裁剪，保留有效的车牌区域。

(4) 字符分割

在车牌定位后图像的基础上，对字符进行分割。

(5) 字符识别

对分割后的每个字符进行识别，将识别后的结果保存，并传递给后续应用。

2车牌识别算法设计

2.1图像采集与预处理

在摄像机对车牌图像进行动态采集的过程中，因受光照、天气和其他环境因素影响，车牌图像质量可能不高，故需对采集到的车牌图像进行预处理，以提高图片质量，突出显示车牌信息，为车牌的位置定位提供基础。

考虑现有的图像处理方法，先对彩色图像进行灰度化处理，再进行灰度增强，最后进行滤波处理，降低和消除图像中的噪声干扰。

(1) 图像转换和灰度化处理

芯片SAA7115H得到的图像是YUV色彩空间格式，要得到灰度图，需要先转换为RGB色彩空间，然后再进行灰度化处理。

由YUV色彩空间到RGB色彩空间的转换公式为[6]

RGB值到灰度值的转换公式为[7]

Hgray=0.3R+0.59G+0.11B。

(2) 灰度增强

图像对比度决定着一幅图像的主观质量，故考虑采用基于直方图均衡化的灰度增强算法[8]，调整图像灰度分布，达到改善图像对比度的目的。

统计原图像各种灰度级的像素数目nk(k=0,1,2,…,L-1),其中L为图像的灰度级总数;计算原直方图各灰度级rk的概率密度

其中n为图像像素的总和;计算累积分布函数

计算输出灰度级

Gk=int[(L-1)Sk+0.5]。

利用nk和rk的映射关系，修改原图像的灰度级，得到增强图像，使图像直方图分布均匀。

灰度增强处理前后的效果对比如图3所示。

图3　灰度增强效果对比

(3) 滤波降噪

车辆信息图像经常会受到各种干扰，如光照和污损，这在图像上表现为各种孤立像素点。在灰度图中，像素的灰度与空间相关，孤立像素点与附近像素点有较大差别。为监视噪点对后期处理的影响，需要对图像进行平滑和去噪处理。常用的滤波降噪方法有图像平均法、均值滤波和中值滤波。在此采用中值滤波，选择各像素的邻域像素中值作为输出，即将各像素点的灰度值设置为该点某邻域窗口内所有像素点灰度值的中值。中值滤波可以克服常见线性滤波器如最小均方滤波、方框滤波器或均值滤波等带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声非常有效，也常用于保护边缘信息。

取3×3的函数窗，计算以点[i,j]为中心的函数窗像素中值，即先按强度值大小排列像素点，再选择排序像素集的中间值作为点[i,j]的新值。

2.2车牌定位

车牌定位是车牌识别系统中较为关键的部分。标准车牌一般由汉字、英文字母和阿拉伯数字组成，其中汉字识别难度较高；标准车牌的底色和字符色彩多样，有些车牌底色和字符色彩对比不够强烈，增加了识别难度；许多车牌损坏严重，影响车牌识别系统的有效识别。不过，在车辆信息图像中，车牌部分和其他部分一般有较大区别，故可考虑对图像进行灰度处理后，扫描整张图片，查找车牌边缘，最终获取车牌位置。

常用的车牌定位方法有：基于彩色图像信息的定位方法，该方法计算量较大，不利于快速定位；基于人工神经网络的定位方法，该方法较为复杂，训练样本和时间不易确定；基于边缘检测的定位方法，该方法对车牌和边界的连贯性有一定要求，对复杂背景图像定位效果也不佳。此外，还有基于灰度图二值化的定位方法和基于模糊聚类的定位方法，这两种定位方法主要利用图像的灰度值信息，当图像背景信息较为复杂时，会影响定位结果。

基于车牌图像信息的特点，考虑到车牌的形状和尺寸，牌照底色与字符沿水平方向形成的垂直明暗间隔的纹理变化特征，提出基于字符竖向纹理特征的定位方法。

步骤1设定初始二值化阀值T，对图像进行二值化处理。

步骤2将图像向水平方向投影，得到水平投影值，车牌以下区域大部分是地面，灰度值较低，二值化后基本为0，而车牌以上区域边缘较为复杂，为了避免干扰，从下向上扫描投影值。为了快速搜索，搜索的像素单位步进值可以设置为5。

步骤3当搜索到的投影值大于某个门限值k时(k=13)，则判断找到车牌的下面边缘，记录水平值H1。这时减少搜索像素步进值为1，以实现更精确的搜索。

步骤4检查每行投影值是否大于13，如果像素值连续两个小于13，说明找到车牌的上面边缘，记录水平值H2。

步骤5计算出车牌高度H=H2-H1，同理根据垂直投影获取到车牌宽度W，若W值在 3.6H到4.4H之间，判断是车牌，结束搜索。否则不是车牌，继续搜索。

步骤6若搜索到最顶部区域，仍然未找到车牌，说明在图像二值化时，阈值T太高，将阈值T减小5，重新二值化图像，返回步骤1。

由于车牌定位要求定位时间较短。以上算法复杂度低，运行速度快，能够满足车牌快速准确定位的要求。

2.3字符分割

车牌定位后需要进行字符分割。因受实际摄像头获取车牌图像的角度、车牌自身变形和光照等影响，分割前需要进行必要的预处理。

(1) 几何变换

对车牌字符区域的字符底线，进行拟合，据此得出倾角θ，如图4所示。

图4　车牌坐标几何变换

对车牌坐标的Y方向进行变换。假设图中原来的点为(x，y)，变化后，新的图像点为(x′,y′)，则变化公式为

(2) 车牌边框去除

在车牌图像二值化后，截取图像水平长度1/3～2/3的部分进行水平投影，从中间向两边扫描投影值，获取字符区域的上下边界。同理，截取图像高度1/3～2/3的部分进行垂直投影，从中间向两边扫描投影值，获取字符区域的左右边界，由此找到字符区域的左右边界。最后实现车牌边框的彻底去除。

(3) 字符分割

字符分割一般采用垂直投影的方法，如图5所示。车牌的前景色是字符，背景色是单色颜色，故可对其进行二值化处理。去除噪声后，可以针对图像按照X分量，统计Y上的字符点数，得到字符缝隙的局部最小值，以此最小值对应的中线作为字符分割线。

图5　字符分割

2.4字符识别

标准车牌字符一般由7个字符组成，第1位是汉字(省或直辖市的简称)，第2位为字母，第3～7位为字母或数字。针对车牌字符特征，可使用3个分类器来对车牌进行识别。由于在拍摄过程中，字体的位置和大小不一，因此需要先对字符进行归一化处理。

在对车牌图像分割后，再对字符进行分类，第一个字符为汉字，后面的字符为字母和数字。算法分别对汉字字符和字母数字字符进行归一化，算法流程如图6所示。

针对汉字字符，归一化后直接进行模式匹配识别，得到识别结果。对字母字符和数字字符，在归一化后可以进行细化并进行特征点提取，再根据特征识别算法进行识别。最后综合两个识别部分，得到最终车牌识别结果。

图6　字符识别算法

3实验分析

在代码调试器(CodeComposerStudio，CCS)中，对基于DM642的DSP进行仿真测试。选取3组不同特点的车牌图像作为实验数据，具体如表1所示。车牌识别测试结果如表2所示。

表1　实验样本

表2　车牌识别测试结果

在车牌图像识别过程中，较为重要的环节是车牌定位和字符识别。通过不同测试对象对比实验结果可知，所设计的系统对图像处理、定位和识别，均达到了较好的处理结果。测试结果显示，基于DM642的车牌识别系统可克服光照强弱和图像清晰度不同给车牌图像带来的识别困难问题，具有一定的鲁棒性。

4结语

车牌识别系统是智能交通系统中的关键子系统，主要包括车牌区域定位，字符分割和字符识别。仿真实验结果表明，以DM642芯片为基础所搭建的车牌识别系统，能较好地完成车牌识别功能，识别率较高，相对基于RFID智能卡的车牌识别系统，结构更为简单。

参考文献

[1]薛慧,董琦.ETC中基于RFID的双标签汽车牌照自动识别系统研究[J/OL].价值工程,2012,31(28):221-222[2016-02-28].http://dx.chinadoi.cn/10.3969/j.issn.1006-4311.2012.28.107.

[2]许立晨,叶超,刘琪.基于MATLAB的车牌号码识别系统设计[J/OL].价值工程,2015,34(18):181-183[2016-02-28].http://dx.chinadoi.cn/10.14018/j.cnki.cn13-1085/n.2015.18.071.

[3]董春雨,王夏黎,刘炜琪,等.一种基于视频流的多车牌定位方法[J/OL].计算机系统应用,2014,23(9):230-235[2016-02-28].http://dx.chinadoi.cn/10.3969/j.issn.1003-3254.2014.09.045.

[4]黄社阳,刘智勇,阮太元.基于HSV颜色空间和SVM的车牌提取算法[J/OL].计算机系统应用,2014,23(8):150-153[2016-02-28].http://dx.chinadoi.cn/10.3969/j.issn.1003-3254.2014.08.027.

[5]张浩鹏,王宗义.基于灰度方差和边缘密度的车牌定位算法[J].仪器仪表学报,2011(5):1095-1102.

[6]杨超,杨振,胡维平.车牌识别系统中反色判断及二值化算法[J/OL].计算机工程与设计,2016,37(2):534-539[2016-02-28].http://dx.chinadoi.cn/10.16208/j.issn1000-7024.2016.02.047.

[7]冈萨雷斯.数字图像处理[M].2版.北京:电子工业出版社,2003:119-155.

[8]杨杰.数字图像处理及Matlab实现[M].北京:电子工业出版社,2008:147-170.

[9]张美多,郭宝龙.车牌识别系统关键技术研究[J/OL].计算机工程,2007,33(16):186-188[2016-02-28].http://dx.chinadoi.cn/10.3969/j.issn.1000-3428.2007.16.065.

[10] 洪健,陈继荣.基于DSP+CPLD的车牌实时识别系统的设计[J/OL],计算机应用研究,2007,24(7):218-219[2016-02-28].http://dx.chinadoi.cn/10.3969/j.issn.1001-3695.2007.07.071.

[11] 高丽燕.基于DSP+FPGA的图像识别系统设计与实现[D].南京:南京理工大学,2006:43-62.

[12] 孙咏.基于ARM和DSP的嵌入式实时图像处理系统设计与研究[D].杭州:浙江大学,2005:19-43.

[责任编辑:瑞金]

VehicleplaterecognitionsystembasedonDM642

YULichun1,LIUJinqing2,LIUYin2

(1.DepartmentofInformationTechnology,FuzhouUniversityofInternationalStudiesandTrade,Fuzhou350202,China;2.CollegeofPhotonicandElectronicEngineering,FujianNormalUniversity,Fuzhou350007,China)

Abstract:In order to improve the management efficiency of the intelligent traffic system, a vehicle plate recognition system based on chip DM642 is presented, Designed on DM642 hardware platform, the system is composed of 4 modules: vehicle information collection module, DSP processing module, monitor module and PC system. The collected images are preprocessed with grayscaling, gray enhancement and noise-reducing filter, and the vehicle plate is positioned by a locating method based on the vertical texture characteristics of the characters. After a geometric transformation, the characters are segmented, and then classified and normalized. Finally, by pattern matching, the vehicle plate can be recognized. On three groups of license plate image with different characteristics, a experiment is done, and the results show that, the recognition rate of the proposed system is about 93.5% ～ 95.4%.

Keywords:DM642, license plate location, character segmentation, character recognition

doi:10.13682/j.issn.2095-6533.2016.03.010

收稿日期：2016-03-18

基金项目：国家自然科学基金资助项目(61179011) ; 福建省自然科学基金资助项目(2010J01327)

作者简介：喻丽春(1984-),女，硕士，讲师，从事数字图像处理研究。E-mail: 84246706@qq.com 刘金清(1965-),男，教授，从事图像处理与模式识别研究。E-mail: jqliu8208@fjnu.edu.cn

中图分类号：TP391

文献标识码：A

文章编号：2095-6533(2016)03-0064-05