论文部分内容阅读
【摘要】运用图像处理技术和单片机技术,介绍了一种基于单片机的车辆超高自动检测系统,系统的运行实现了在一般情况下不停车的车辆超高检测。
【关键词】自动检测;单片机;车辆超高
1.前言
车辆超限是交通管理中存在的重要问题,随着交管部门对车辆超限管理力度的增大,车辆超限现象得到较好的遏制,而传统的检测手段多见于车辆迫停处理,车辆占道影响了交通通畅。随着科学技术的快速发展,使车辆超高自动检测与记录技术成为可能,在一定程度上提高了交管部门的工作效率。
2.系统设计
系统硬件设计基于单片机开发板,图1为该车辆超高自动检测系统的硬件框图。当车辆经过车辆高度检测系统时,通过红外感应和单片机的运行,判定车辆高度是否超限,在超出限制高度的情况下,对车牌进行抓拍,并通过单片机与后台pc的数据传输功能将图片存储至固定路径,进而通过图像处理平台识别车牌并记录,以便工作人员随时查阅。而对于严重超高车辆,发出警报通知交管人员以便进行拦截。图2为系统的软件主要控制流程,通过软硬件的结合实现该系统的超高检测、显示及数据记录等功能。
图1 硬件结构大样图
3.车牌识别
车牌识别的实现由后台PC担任,它包括车辆检测、图像采集、图像预处理、车牌定位、字符分割、字符识别等单元。这里使用MATLAB软件平台来实现,当车辆触发图像采集单元,系统获取当前视频图像,牌照识别单元对图像进行处理,定位出牌照位置,再将牌照中的字符分割出来进行识别,然后组成牌照号码输出。
3.1 车牌二值子图的获取
输入的彩色图像包含颜色信息,占用了较多的存储空间,且处理时会降低系统的执行速度,因此对图像进行识别等处理时,常将彩色图像转换为灰度图像,以加快处理速度,进而提取背景图像、增强处理、图像二值化、边缘检测、滤波等处理。然而自然环境下,汽车图像背景复杂,光照不均匀,在自然背景中准确地确定牌照区域是整个图像识别过程中的关键。首先对采集到的图像进行大范围搜索,找到符合汽车牌照特征的若干区域作为候选区,然后对这些侯选区域做进一步分析、评判,最后选定一个最佳区域作为牌照区域,将其从图像中分割出来,同时要考虑车牌倾斜问题。算法流程如下:
首先,对二值图像进行区域提取,计算并比较区域特征参数,提取车牌区域。其次,计算包含所标记区域的最小宽和高,并根据先前知识,提取并显示更接近的车牌二子值图。最后,通过计算车牌旋转角度解决车牌倾斜问题。由于车牌倾斜导致投影效果峰谷不明显,需车牌矫正处理。采取线性拟合方法,计算出车牌上边或下边图像值为1的点拟合直线与水平X轴的夹角。用MATLAB函数的旋转车牌图象函数Imrotate,计算车牌旋转角度和经旋转、二值化后的车牌二值子图(如图3、4所示)。
图2 软件控制流程
图3 原始图
3.2 字符分割与识别
完成牌照区域的定位后,再将牌照区域分割为单个字符。一般采用垂直投影法。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值,并且该位置应满足牌照的字符书写格式、字符、尺寸限制等条件。利用垂直投影法实现复杂环境下汽车图像中的字符分割效果较好。通过分析计算字符的水平投影和垂直投影,可获得车牌字符高度、字符顶行与尾行、字符宽度、每个字符的中心位置,以方便提取分割字符。然后计算车牌垂直投影,去掉车牌垂直边框。获取车牌及字符平均宽度。最后计算车牌每个字符的中心位置和最大字符宽度,进而输出分割字符。通过MATLAB程序算法分割出来的字符,如图5所示。通过数据库的建立以及样本与数据库中图片差计算误差,找到误差最小的图片依次识别,最终输出识别结果,如图6所示。
图4 Roberts算子边缘检测图
图5 分割出来的字符
图6 分割出来的字符
4.结语
从MATLAB编程运行结果看,这里采用的图像识别算法对车牌的定位识别是很有效的。通过对多个车牌进行试验,正确率高,与采用C++语言相比,工作量和开发周期都减少了很多。且该系统具有对车辆超高检测不停车等优点,这有利于减少在公路上拦截车辆造成的交通阻塞问题,提高了道路交通流量和经济效益。但实际应用中,牌照识别的识别率与牌照质量及图像拍摄质量密切相关,同时也会受到其他因素,需不断完善识别系统及其算法。
参考文献
[1]刘智勇,梁义涛.基于双通信模式的分布式车辆超限监控系统设计研究[J].河南科学,2010,28(5):596-599.
[2]张引.彩色汽车图像牌照定位方法[J].中国图像图形学报,2001,6(2):374-377.
[3]李文举,张旗.基于边缘颜色对车牌定位方法研究[J].计算机学报,2009,27(4):204-208.
[4]左奇.交通图像检测与处理方法研究[D].西安:西北工业大学,2003.
[5]吴波.基于数字图像处理的车牌定位与字符分隔[D].大连:大连理工大学,2008.
[6]Bill.Green.Implement the Canny Edge Detection Algorithm.IEEE/ASME,2005,699-704.
基金项目:西藏自治区大学生创新性实验训练计划项目(项目编号:2012CX018)。
作者简介:
楚彭子(1990—),男,大学本科,研究方向:交通工程。
李青霞(1991—),女,大学本科,研究方向:工商管理。
曹大命(1990—),男,大学本科,研究方向:通信工程。
平措塔杰(1993—),男,藏族,大学本科,研究方向:交通工程。
【关键词】自动检测;单片机;车辆超高
1.前言
车辆超限是交通管理中存在的重要问题,随着交管部门对车辆超限管理力度的增大,车辆超限现象得到较好的遏制,而传统的检测手段多见于车辆迫停处理,车辆占道影响了交通通畅。随着科学技术的快速发展,使车辆超高自动检测与记录技术成为可能,在一定程度上提高了交管部门的工作效率。
2.系统设计
系统硬件设计基于单片机开发板,图1为该车辆超高自动检测系统的硬件框图。当车辆经过车辆高度检测系统时,通过红外感应和单片机的运行,判定车辆高度是否超限,在超出限制高度的情况下,对车牌进行抓拍,并通过单片机与后台pc的数据传输功能将图片存储至固定路径,进而通过图像处理平台识别车牌并记录,以便工作人员随时查阅。而对于严重超高车辆,发出警报通知交管人员以便进行拦截。图2为系统的软件主要控制流程,通过软硬件的结合实现该系统的超高检测、显示及数据记录等功能。
图1 硬件结构大样图
3.车牌识别
车牌识别的实现由后台PC担任,它包括车辆检测、图像采集、图像预处理、车牌定位、字符分割、字符识别等单元。这里使用MATLAB软件平台来实现,当车辆触发图像采集单元,系统获取当前视频图像,牌照识别单元对图像进行处理,定位出牌照位置,再将牌照中的字符分割出来进行识别,然后组成牌照号码输出。
3.1 车牌二值子图的获取
输入的彩色图像包含颜色信息,占用了较多的存储空间,且处理时会降低系统的执行速度,因此对图像进行识别等处理时,常将彩色图像转换为灰度图像,以加快处理速度,进而提取背景图像、增强处理、图像二值化、边缘检测、滤波等处理。然而自然环境下,汽车图像背景复杂,光照不均匀,在自然背景中准确地确定牌照区域是整个图像识别过程中的关键。首先对采集到的图像进行大范围搜索,找到符合汽车牌照特征的若干区域作为候选区,然后对这些侯选区域做进一步分析、评判,最后选定一个最佳区域作为牌照区域,将其从图像中分割出来,同时要考虑车牌倾斜问题。算法流程如下:
首先,对二值图像进行区域提取,计算并比较区域特征参数,提取车牌区域。其次,计算包含所标记区域的最小宽和高,并根据先前知识,提取并显示更接近的车牌二子值图。最后,通过计算车牌旋转角度解决车牌倾斜问题。由于车牌倾斜导致投影效果峰谷不明显,需车牌矫正处理。采取线性拟合方法,计算出车牌上边或下边图像值为1的点拟合直线与水平X轴的夹角。用MATLAB函数的旋转车牌图象函数Imrotate,计算车牌旋转角度和经旋转、二值化后的车牌二值子图(如图3、4所示)。
图2 软件控制流程
图3 原始图
3.2 字符分割与识别
完成牌照区域的定位后,再将牌照区域分割为单个字符。一般采用垂直投影法。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值,并且该位置应满足牌照的字符书写格式、字符、尺寸限制等条件。利用垂直投影法实现复杂环境下汽车图像中的字符分割效果较好。通过分析计算字符的水平投影和垂直投影,可获得车牌字符高度、字符顶行与尾行、字符宽度、每个字符的中心位置,以方便提取分割字符。然后计算车牌垂直投影,去掉车牌垂直边框。获取车牌及字符平均宽度。最后计算车牌每个字符的中心位置和最大字符宽度,进而输出分割字符。通过MATLAB程序算法分割出来的字符,如图5所示。通过数据库的建立以及样本与数据库中图片差计算误差,找到误差最小的图片依次识别,最终输出识别结果,如图6所示。
图4 Roberts算子边缘检测图
图5 分割出来的字符
图6 分割出来的字符
4.结语
从MATLAB编程运行结果看,这里采用的图像识别算法对车牌的定位识别是很有效的。通过对多个车牌进行试验,正确率高,与采用C++语言相比,工作量和开发周期都减少了很多。且该系统具有对车辆超高检测不停车等优点,这有利于减少在公路上拦截车辆造成的交通阻塞问题,提高了道路交通流量和经济效益。但实际应用中,牌照识别的识别率与牌照质量及图像拍摄质量密切相关,同时也会受到其他因素,需不断完善识别系统及其算法。
参考文献
[1]刘智勇,梁义涛.基于双通信模式的分布式车辆超限监控系统设计研究[J].河南科学,2010,28(5):596-599.
[2]张引.彩色汽车图像牌照定位方法[J].中国图像图形学报,2001,6(2):374-377.
[3]李文举,张旗.基于边缘颜色对车牌定位方法研究[J].计算机学报,2009,27(4):204-208.
[4]左奇.交通图像检测与处理方法研究[D].西安:西北工业大学,2003.
[5]吴波.基于数字图像处理的车牌定位与字符分隔[D].大连:大连理工大学,2008.
[6]Bill.Green.Implement the Canny Edge Detection Algorithm.IEEE/ASME,2005,699-704.
基金项目:西藏自治区大学生创新性实验训练计划项目(项目编号:2012CX018)。
作者简介:
楚彭子(1990—),男,大学本科,研究方向:交通工程。
李青霞(1991—),女,大学本科,研究方向:工商管理。
曹大命(1990—),男,大学本科,研究方向:通信工程。
平措塔杰(1993—),男,藏族,大学本科,研究方向:交通工程。