一種智能車牌識別系統的制作方法
本發明涉及智能交通監控技術領域，特別是一種智能車牌識別系統。
背景技術：
車牌識別作為現代智能交通監控技術領域中的重要組成部分，在車輛管理方面扮演著重要的角色。車牌識別是以計算機視覺、圖像處理、模式識別等技術為基礎，對前端攝像機所拍攝的車輛圖像或者視頻序列進行分析，得到每一輛汽車唯一的車牌號碼，從而完成車牌識別的過程。
近年來，車牌識別技術發展迅速，大體上可分為直接法和間接法兩種。直接法是基于視頻圖像的車牌識別；間接法是基于rfid無線電頻率鑒別或基于條形碼識別。
間接法一般指通過識別安裝在汽車上的ic卡或條形碼中所存儲的車牌信息來識別車牌及相關信息。ic卡技術識別準確度高，運行穩定，能夠全天候作業，但是整套裝置價格昂貴，硬件設備比較復雜，不適用于異地作業；條碼識別技術識別速度快、準確度高、可靠性以及成本較低等優點，但對于掃描的要求很高。此外，ic卡與條形碼都需要制定出全國統一的標準，并且當下無法核對車、卡/條形碼是否相符，這給推廣造成了困難。
直接法是基于視頻圖像的車牌識別技術，從車牌識別信息處理先后順序來看，車牌識別技術主要包括：第一、車輛圖像的檢測和采集；第二、對采集的車牌靜態圖像進行識別。在實際技術應用中，采集車牌圖像攝像機多為長時不間斷工作制，尤其對于部分露天場合，攝像機長期處于變化的環境，這樣，對攝像機的環境適應性要求大大提高。
技術實現要素：
針對上述問題，本發明旨在提供一種智能車牌識別系統。
本發明的目的采用以下技術方案來實現：
一種智能車牌識別系統，包括圖像采集模塊、中央管理模塊、智能分析模塊、客戶模塊和數據庫模塊，所述圖像采集模塊用于實時采集進入視野的含有車牌的車輛圖像，并將采集到的車輛信息傳遞到中央管理模塊；所述中央管理模塊用于與圖像采集模塊、智能分析模塊和客戶模塊進行數據交互；所述智能分析模塊用于對車輛圖像進行車牌識別，輸出車牌識別結果；所述客戶模塊用于接收車牌識別結果并進行顯示；所述數據庫模塊與智能分析模塊連接，用于存儲車牌識別結果，根據所識別出的車牌信息對停車場車輛進行綜合、有效的信息管理。
本發明的有益效果為：采用一種新型的智能車牌識別系統對停車場進行管理，能夠有效地增強信息處理能力、降低成本、并且提高穩定性和擴展性。
附圖說明
利用附圖對本發明作進一步說明，但附圖中的實施例不構成對本發明的任何限制，對于本領域的普通技術人員，在不付出創造性勞動的前提下，還可以根據以下附圖獲得其它的附圖。
圖1本發明的框架結構圖；
圖2是本發明智能分析模塊的框架結構圖。
附圖標記：
圖像采集模塊1、中央管理模塊2、智能分析模塊3、客戶模塊4、數據庫模塊5、預處理單元30、二值化處理單元31、車牌定位單元32、車牌分割單元33、字符識別單元34和后處理單元35。
具體實施方式
結合以下應用場景對本發明作進一步描述。
參見圖1，本實施例的一種智能車牌識別系統，包括圖像采集模塊1、中央管理模塊2、智能分析模塊3、客戶模塊4和數據庫模塊5，其中：
所述圖像采集模塊1與中央處理器模塊2連接，用于實時采集進入視野的含有車牌的車輛圖像，并將采集到的車輛信息傳遞到中央管理模塊2；
所述中央管理模塊2分別與智能分析模塊3和客戶模塊4連接，用于與圖像采集模塊1、智能分析模塊3和客戶模塊4進行數據交互；
所述智能分析模塊3與中心管理模塊2和數據庫模塊5連接，用于對車輛圖像進行車牌識別，將輸出的車牌識別結果上傳到中央管理模塊2，并同時上傳至數據庫模塊5進行儲存；
所述客戶模塊4與中央管理模塊2連接，用于接收車牌識別結果并進行顯示；
所述數據庫模5塊與智能分析模塊3連接，用于存儲車牌識別結果，根據所識別出的車牌信息對停車場車輛進行綜合、有效的信息管理。
進一步地，所述圖像采集模塊1采用基于視頻的虛擬線圈觸發方式進行圖像采集，即預先設置視頻圖像幀中的虛擬線圈以及抓拍線的大小和位置，當車輛進入圖像采集模塊所拍攝場景中虛擬線圈時，觸發抓拍機制，對含有車牌的車輛圖像進行抓拍，然后將抓拍的車輛圖像傳遞給中央管理模塊2；所述圖像采集模塊使用具有補光效果以及超寬動態性能的高清槍式cmos接口攝像頭。
優選地，所述智能車牌識別系統還包括業務擴展模塊，其連接中央管理模塊2，用于根據用戶需求對數據庫模塊進行配置。
優選地，參見圖2，所述智能分析模塊3包括依次連接的預處理單元30、二值化處理單元31、車牌定位單元32、車牌分割單元33、字符識別單元34和后處理單元35，所述預處理單元30用于對接收的車輛圖像進行預處理；所述二值化處理單元31用于對預處理后的車輛圖像進行二值化處理；所述車牌定位單元32用于對車牌進行定位，輸出車牌定位區域；所述車牌分割單元33用于分割出車牌圖像；所述字符識別單元34用于對車牌圖像進行字符分割和字符識別處理，輸出車牌信息；所述后處理單元35用于將車牌信息發送回中央管理模塊2。
本發明上述實施例，采用一種新型的智能車牌識別系統對停車場進行管理，能夠有效地增強信息處理能力、降低成本、并且提高穩定性和擴展性。
優選地，所述預處理單元30，對接收的車輛圖像進行預處理，包括：
(1)為預處理單元30設定區域算子，定義區域算子為：
式中，rn(x,y)表示以像素點(x,y)為中心的不同區域內的像素點的集合，n＝1,2,…,7，i和j分別表示以像素點(x,y)為中心的指定區域內的不同像素點到像素點(x,y)的水平距離和垂直距離；
(2)獲取車輛圖像的灰度值，并使用自定義除噪聲函數對車輛圖像進行除噪聲處理，輸出預處理后的車輛圖像，自定義除噪聲函數為：
其中，
式中，f(x,y)表示像素點(x,y)的灰度值，rn(x,y)表示以像素點(x,y)為中心的不同區域內的像素點的集合，gn(x,y)表示區域rn(x,y)內像素點的灰度參考值，k表示集合[g1(x,y),g2(x,y),…,g7(x,y)]中的非零元素的數量，f(rn(x,y))表示區域rn(x,y)內像素點的灰度值集合，med[f(rn(x,y))]表示區域rn(x,y)內像素點的灰度值的中值，fn表示區域rn(x,y)內像素點的灰度值的方差，e表示設定的灰度方差閾值。
本優選實施例，使用上述的方法對車輛圖像進行預處理，能根據設定的閾值自動篩選出符合標準的區域算子，相比于傳統的中值濾波方法適用性更強而且提高了除噪聲性能，能更有針對性地去除車輛圖像在傳輸過程中產生的噪聲并保持住圖像的紋理細節，從而提高了車牌識別系統的精確度。
優選地，所述二值化處理單元31，對預處理后的車輛圖像進行二值化處理，包括：
(1)設定全局灰度閾值t1，用于消除預處理后的車輛圖像中個別灰度特異點，設定的全局閾值t1的取值為：
式中，t1表示設定的全局灰度閾值，sup(m)表示集合
(2)獲取基于每個像素點的局部灰度閾值，采用自定義局部灰度閾值獲取函數為：
其中，
式中，t3(x,y)表示像素點(x,y)的局部灰度閾值，t2(x+k,y+l)表示像素點(x+k,y+l)的灰度參考值，k和l分別表示像素點(x+k,y+l)到像素點(x,y)的水平距離和垂直距離，k,l∈[-w,w]，w表示設定的范圍因子，mid-w≤k,l≤w(t2(x+k,y+l))表示以像素點(x,y)為中心的大小為(2w+1)×(2w+1)的窗口中的像素點的灰度參考值的中值，max-w≤k,l≤w(f(x+k,y+l和min-w≤k,l≤wfx+k,y+l分別表示以像素點(x,y)為中心的大小為(2w+1)×(2w+1)的窗口中的像素點的灰度極大和極小值，f(x+k,y+l)表示像素點(x+k,y+l)的灰度值。
(3)根據全局灰度閾值和像素點局部灰度閾值，對預處理后的車輛圖像進行二值化處理，具體為：
如果f(x,y)>(1+a)×t1，則b(x,y)＝1；
如果f(x,y)<(1-a)×t1，則b(x,y)＝0；
如果(1-a)×t1<f(x,y)≤(1+a)×t1，
當max-w≤k,l≤w(f(x+k,y+l))-min-w≤k,l≤w(f(x+k,y+l))≥a×t1時，
當max-w≤k,l≤w(f(x+k,y+l))-min-w≤k,l≤w(f(x+k,y+l))<a×t1時，
式中，b(x,y)表示像素點(x,y)的二值化結果，f(x,y)表示像素點(x,y)的灰度值，t1表示全局灰度閾值，t3(x,y)表示像素點(x,y)的局部灰度閾值，a表示設定的全局灰度因子，a∈[0.2,0.4]，max-w≤k,l≤w(f(x+k,y+l))和min-w≤k,l≤w(f(x+k,y+l))分別表示以像素點(x,y)為中心的大小為(2w+1)×(2w+1)的窗口中的像素點的灰度極大和極小值，k和l分別表示像素點(x+k,y+l)到像素點(x,y)的水平距離和垂直距離，k,l∈[-w,w]，w表示設定的范圍因子；
(4)根據二值化處理結果輸出二值化車輛圖像：把二值化結果為1的像素點的灰度值設置為255，把二值化結果為0的像素點的灰度值設置為0。
本優選實施例，使用上述的方法對預處理后的車輛圖像進行二值化處理，通過引進全局灰度閾值和像素點局部灰度閾值，能夠根據車輛圖像自身的灰度特性來進行二值化處理，提高了二值化處理的適應性，有效地降低了因個別灰度特異點、偽影現象和光照不均帶來的不良影響，提高了二值化車輛圖像的質量，為之后的車牌識別奠定了基礎。
優選地，所述車牌分割單元33，根據所述車牌定位區域分割出車牌圖像，包括：
(1)采用加入了可變權系數的自適應水平集演化方法獲取車牌輪廓，具體為：
(11)在車牌定位區域ω中選取一個定義區域ω0，其中ω0∈ω，用c表示定義區域ω0的邊界曲線；
(12)初始化水平集函數
式中，
(13)設定可變灰度權系數v(x,y)，用于控制邊界曲線c在演化過程中可以根據圖像信息自適應地決定向內或者向外運動，設定的可變灰度權系數為：
v(x,y)＝c·sgn[i(x,y)-mean(i(x,y))]
式中，v(x,y)表示像素點(x,y)的可變灰度權系數，i(x,y)表示像素點(x,y)的灰度值，mean(i(x,y))表示車牌定位區域的平均灰度值，c表示設定的權系數因子，用于適應不同的邊緣需求；
(14)采用自定義演化函數對水平集函數進行演化，自定義演化函數為：
式中，
(15)檢查演化曲線是否達到穩定狀態，若演化還沒達到穩定，則重復步驟(14)；若演化已經達到穩定狀態，則停止演化并獲取演化后的邊界曲線c′作為車牌的輪廓曲線；
(2)根據車牌的輪廓曲線分割出準確的車牌圖像。
本優選實施例，使用上述的方法進行車牌圖像分割，采用加入了可變灰度權系數的自適應水平集演化方法，相比于傳統的水平集演化方法，免除了每一次演化后需要歸一化的步驟，能夠更快速地獲取車牌輪廓，提高了車牌圖像分割的效率，同時保證了車牌圖像分割的精確度，為后續的車牌識別奠定了基礎。
最后應當說明的是，以上實施例僅用以說明本發明的技術方案，而非對本發明保護范圍的限制，盡管參照較佳實施例對本發明作了詳細地說明，本領域的普通技術人員應當理解，可以對本發明的技術方案進行修改或者等同替換，而不脫離本發明技術方案的實質和范圍。
- 還沒有人留言評論。精彩留言會獲得點贊！