隨著科技與經濟的發(fā)展，汽車數(shù)量也逐漸增多，交通管理問題日漸嚴峻。如何建立一個科學有效的交通管理系統(tǒng)是交通管理的重點。智能交通系統(tǒng)（TTS）隨著科技的興起，是未來交通管理發(fā)展的必然趨勢，也是電子信息技術的一個前沿課題。車牌識別系統(tǒng)（License Plate Recognition System，LPRS）是智能交通系統(tǒng)的重要組成部分，在自動化管理、信息統(tǒng)計、車輛跟蹤等方面均具有重要意義。雖然國外在LPRS上已取得了較好的效果，而國內因起步較晚，目前仍需要對眾多的相關技術進行深入的研究與實現(xiàn)。

基于Blackfin561的LPRS替代了人工識別車牌的角色，這可節(jié)省大量人力物力。本文討論的LPRS可用于高速收費站口及小區(qū)門口，以實現(xiàn)車流量統(tǒng)計和車輛跟蹤等功能。

1 系統(tǒng)的總體設計與架構

嵌入式車牌識別系統(tǒng)是一個能夠完成車牌識別與信息處理的獨立系統(tǒng)，整個系統(tǒng)包括視頻采集模塊，圖像處理模塊與通訊模塊。系統(tǒng)的軟件設計包括道路圖像的采集、圖像預處理、車牌定位、字符分割，字符識別和結果發(fā)送6大部分。

1.1 基于DSP的嵌入式車牌識別系統(tǒng)

由于DSP強大的數(shù)據(jù)處理能力，使得它在嵌入式圖像處理領域占據(jù)了重要地位，尤其是雙核DSP，更是在視頻處理應用中上升勢頭迅猛。基于DSP的嵌入式車牌識別系統(tǒng)一般采用主機與DSP分布式處理結構，其優(yōu)點是價格低、可靠性好、便于升級。系統(tǒng)的一般結構主要分圖像采集、DSP處理和PC機數(shù)據(jù)管理3部分，其系統(tǒng)結構如圖1所示。

圖像采集模塊包括視頻的輸入部分與圖像的提取部分，其功能是通過CCD攝像頭采集亮度信號，輸出模擬的復合視頻電信號，并通過視頻解碼芯片解碼出所需的數(shù)字圖像信號。DSP處理模塊主要由DSP處理器及其外圍電路，外部存儲器以及與主機的接口電路組成。其中外部存儲器用來存儲圖像的大量數(shù)據(jù)，供DSP處理器調用。與主機的通訊接口常用的有UART、PCI、USB和以太網等。由于系統(tǒng)通常要考慮其自身的擴展性、終端與主機的遠距離通信、布線的難易程度等因素，故以太網應用較為普遍，但缺點就是在無集成以太網功能的DSP上，需外加芯片，提高了系統(tǒng)的成本。PC機數(shù)據(jù)管理模塊因系統(tǒng)應用的目的不同而異，主要包括人機交互界面和數(shù)據(jù)庫與相應的處理機制。

1.2 系統(tǒng)硬件構架

基于Blanckfin561的車牌識別硬件平臺架構如圖2所示，主要包括ADI公司的Blackfin561處理器，ADV7183A視頻解碼芯片、Flash、SDR AM以及DM9000。Blackfin561通過I2C總線對ADV7183A進行復位及初始化與工作模式的配置。視頻信號由Blackfin561的并行外部接口（PPI）采集，并存儲到外部SDRAM，Blackfin561對圖像數(shù)據(jù)進行計算，輸出的識別結果通過DM9000傳輸?shù)?a target="_blank">上位機進行后續(xù)處理。

1.3 系統(tǒng)軟件設計

車牌識別系統(tǒng)的軟件流程如圖3所示，主要包括圖像采集、圖像預處理、車牌定位、字符分割和與上位機通訊等模塊。

1.3.1 圖像采集

系統(tǒng)加電后，DSP通過I2C總線對ADV7183A的寄存器進行配置，對攝像頭采集到的模擬視頻信號進行解碼，輸出YCrCb為4：2：2格式的數(shù)字視頻信號。由于算法只處理亮度信號，故通過二維DMA采取間隔2 Byte采1Byte的方法，只提取Y通道的亮度信號存入到SDRAM中，同時在SDRAM中采用乒乓存儲機制存儲連續(xù)的兩幀圖像，使系統(tǒng)能夠達到實時處理的要求。

1.3.2 圖像預處理

由于采集到的圖像會因為天氣、車牌整潔度和光線等因素造成圖像被噪聲污染，導致圖像質量下降，這會給后續(xù)的識別工作帶來麻煩。因此，需對采集到的原始圖像進行必要的預處理，以提高圖像的信噪比，并使灰度值和對比度達到理想狀態(tài)。由于去噪點的算法會不同程度地使圖像邊緣變模糊，不利于后續(xù)車牌的定位，故將去噪工作放到車牌定位之后。這里預處理主要是通過直方圖均衡法調整圖像的灰度范圍與對比度，達到圖像增強的目的。處理前后的對比效果如圖4和圖5所示。

1.3.3 車牌定位

根據(jù)道路與攝像頭的相對位置，車速范圍以及道路寬度信息等，可預先判定車牌在攝像頭坐標系中出現(xiàn)的范圍，這便可以大幅減小運算量。在預定車牌檢測區(qū)域內，通過大率法對圖像進行二值化，然后進行形態(tài)學運算中的開運算與閉運算，得到如圖6所示的圖像。對圖像進行豎直投影，尋找白色像素點最多的一行，之后以這一行為中心向兩邊尋找邊界，找出車牌的上下邊。對縱坐標在上下邊范圍內的圖像進行水平投影，尋找連續(xù)的白色區(qū)域，以確定左右邊界。兩次尋找邊界時均要結合車牌大小的先驗尺寸知識來確定車牌的區(qū)域，若不符合尺寸要求則排除此次找出的區(qū)域并重新尋找。

1.3.4 字符分割

根據(jù)車牌的邊界信息提取出車牌區(qū)域的原始亮度數(shù)據(jù)，對車牌區(qū)域再用大率法進行二值化。這樣可消除圖像其他部分對車牌灰度范圍的影響。然后對二值化后的圖像進行水平投影，根據(jù)車牌字符的寬度來對車牌字符進行分割。再對每個分割出的字符進行豎直投影，并依據(jù)車牌字符高度尺寸來去掉上下的黑邊，得到待識別的字符圖像，如圖7所示。

1.3.5 字符識別

字符識別采用的是離散型Hopfield神經網絡。其是一種循環(huán)神經網絡，網絡的輸出會反饋到輸入端，產生不斷變化的狀態(tài)。如果網絡是一個能收斂的穩(wěn)定網絡，則這一反饋與迭代的計算過程所產生的變化會越來越小。一旦達到了穩(wěn)定平衡狀態(tài)，網絡便會輸出一個穩(wěn)定的恒值，關鍵在于確定其在穩(wěn)定條件下的權系數(shù)。

首先對車牌的標準字符進行離散化，變成16×32的二值圖像，即有512個神經元。這樣網絡可記憶的樣本數(shù)最多為512×0.15=76.8個。根據(jù)車牌的特點，要建立兩個網絡：一個是車牌漢字的網絡，包括36個漢字;一個是數(shù)字與字母的網絡，包括36個元素。

可看到兩個網絡均不會產生偽樣本。通過Matlab對標準字符數(shù)據(jù)進行仿真，得到網絡穩(wěn)定的權系數(shù)，然后將參數(shù)提取出來供DSP計算使用。

在DSP中將分割后的字符圖像進行歸一化處理，使字符圖像與標準圖像大小一致，然后輸入到網絡中根據(jù)公式（1）進行計算。其中，Wij和θi是通過Matlab仿真得到的權系數(shù)，x為圖像數(shù)據(jù)。通過循環(huán)迭代計算，由式（2），當網絡的能量函數(shù)達到穩(wěn)定時，就得到了識別出的字符，將識別出的字符與標準字符相減，且差值累加，其差值累加最小的字符便是識別出的結果。由于Hopfield網絡有聯(lián)想記憶的功能，故抗干擾性較強、對有噪聲、筆畫斷開、筆畫粘連等現(xiàn)象均有良好的識別效果，如圖8所示。

1.3.6 與上位機通訊

識別結束后，將識別結果以ASCII的形式通過DM9000發(fā)送到PC機進行后續(xù)處理。

2 結束語

車牌識別系統(tǒng)的關鍵技術是車牌定位、字符分割與字符識別。本文結合硬件平臺對3個重要部分進行了程序實現(xiàn)。通過實驗證明以Blanc fin561雙核DSP為核心的嵌入式系統(tǒng)配合Hopfield神經網絡能較好地完成車牌識別工作，并可使速度與識別率得到全面提高。基于嵌入式的整體結構也使得系統(tǒng)的擴充工作變得簡單，有較高的實際應用價值。