基于Cortex-A8的车牌识别系统技术方案

本发明专利技术属于车牌识别技术领域，且公开了基于Cortex

【技术实现步骤摘要】
基于Cortex
‑
A8的车牌识别系统


[0001]本专利技术属于车牌识别
，具体是基于Cortex
‑
A8的车牌识别系统。

技术介绍

[0002]传统的路边停车检测系统中通常包括四个部分：数据采集层，数据处理层，传输层，应用层，数据采集层包括车辆检测器和摄像机，分别用于捕获车辆运动信息和汽车牌照图片信息；数据处理层将捕获的图片进行简单处理；传输层将汽车牌照图片信息上传，由应用层完成对汽车牌照图片中车位信息与车牌图像的识别与分析，但在数据传输过程中，由于嵌入式开发板的实际存储和运行空间限制，多采用LWIP协议，导致传输图片需要花费大量时间，降低了系统的实时性。

技术实现思路

[0003]本专利技术的目的是针对以上问题，本专利技术提供了基于Cortex
‑
A8的车牌识别系统，具有工作高效与实时性好的优点。
[0004]为实现上述目的，本专利技术提供如下技术方案：基于Cortex
‑
A8的车牌识别系统，包括数据采集模块、数据处理模块、数据传输模块与应用模块，所述数据采集模块包括有车辆检测器与摄像头；
[0005]车牌识别系统具体操作步骤：
[0006]第一步，车辆检测器预先获得汽车运动信息信号量，随后判断该信号量的类别，以此判断车位使用状况；
[0007]第二步，接着通过摄像头捕获汽车牌照图片，然后进行牌照图片的图像预处理；
[0008]第三步，根据第二步中图像预处理的结果进行车牌的定位，然后对图片中的信息进行字符分割与字符识别；
[0009]第四步，根据第三步中的识别结果将信号利用4G手段传输到服务器中，最终完成对汽车牌照图片中车位信息与车牌图像的识别与分析。
[0010]作为本专利技术的一种优选技术方案，所述数据采集模块、数据处理模块、数据传输模块与应用模块整体组合又分为软件部分与硬件部分，所述软件部分包括有捕获图像、图片预处理、车牌定位、字符分割和字符识别，所述硬件部分包括有视频车辆检测器与摄像头；
[0011]所述硬件部分装置的操作步骤如下：
[0012]1)预先通过视频车辆检测器设置虚拟线圈，通过对比灰度值变化判断车位使用情况，以此来捕获车牌照片；
[0013]2)随后将1)步骤中的图片信息反馈到嵌入式平台做二次处理，根据反馈的图片信息进行车牌识别；
[0014]3)最终再将2)步骤得出的结果通过4G手段完成信息的传输处理；
[0015]所述软件部分装置的操作步骤如下：
[0016]1)图片预处理，将摄像头捕获的图像经过高斯滤波处理，然后再将其背景提取，随
后实现图像二值化；
[0017]2)车牌定位，将1)步骤得出的结果进行噪点过滤，随后二次进行边缘检测；
[0018]3)字符分割，将2)步骤得出的结果进行字符转化，随后再按照顺序依次完成字符的水平切割与垂直切割；
[0019]4)字符识别，将3)步骤得出的结果进行提取HOG特征，随后再进行待遇测特征操作，另一方面字符识别中的字符训练集也在同步提取HOG特征，随后经过训练处理，之前待预测特征步骤与训练步骤一起汇集在字符分类模型中，二者比对处理随后得到分类结果。
[0020]作为本专利技术的一种优选技术方案，所述摄像头作为车辆检测器和照片采集工具且其选择ARM Cortex
‑
A8微处理器、主频选择800MHz、RAM选择512MB、 Flash选择1GB、内核选择Linux3.14版本、输入额定电压为12V、输入范围为DC9V
‑
15V、额定功率为20W、该所述摄像头电源具备反接保护。
[0021]作为本专利技术的一种优选技术方案，所述硬件部分包括有射频收发机、功率放大器、双工器且支持标准的LTE(Long Term Evolution，长期演进)协议。
[0022]作为本专利技术的一种优选技术方案，所述图像预处理步骤包括有高斯滤波、顶帽运算和Otsu算法。
[0023]A、高斯滤波
[0024]高斯滤波器是一种建立在高斯函数的基础上的线性滤波器，对整幅图像进行加权平均，每个像素点的值都由其本身和邻域的其他像素值经过加权平均后得到，高斯滤波器能够抑制图像中服从正态密度分布的高斯噪声，平滑图像，同时保留图像的总体灰度平均分布特征，
[0025]一个均值为0的二维高斯函数可以用公式(1)表示：
[0026][0027]高斯滤波的关键是高斯核，应用在图像处理领域中，可定义为二维图像内某像素点到像素领域内中心点之间欧式距离的单调函数，定义一个卷积窗口为(2n+1)
×
(2n+1)的高斯核模板，其作用范围为(2n+1)，高斯核中(x，y) 位置的像素值可以用公式(2)表示为：
[0028][0029]高斯核系数取决于σ的值，较大的σ会产生较宽的峰值，从而产生较大的模糊；为了保持高斯过滤器的性质，内核大小必须随着σ的增加而增加，系数随着距内核中心距离的增加而减小，边缘系数必须接近0，选择高斯核大小为 3
×
3，σ＝0.8，得到高斯核如图4展示。
[0030]B、顶帽运算
[0031]顶帽运算，通过得到原图像与开运算图像的差，突出了比原图轮廓周围的区域更明亮的区域，往往用来分离比邻近点亮一些的斑块；
[0032]首先用公式(3)对图像进行腐蚀运算，通过图像的边界收缩，用于消除小且无意义的目标；
[0033]接着，用公式(4)对腐蚀后的图片进行膨胀运算，填补目标区域中某些空洞以及消除包含在目标B区域中的小颗粒噪点；
[0034]然后，通过公式(5)计算原图像与膨胀运算结果的差值，完成顶帽运算；
[0035][0036][0037]tophat(i，j)＝f(i，j)
‑
open(i，j)
ꢀꢀꢀ
(5)
[0038]C、Otsu算法
[0039]第一步，图片二值化处理
[0040]遍历图片中的阈值T，通过公式(6)，(7)，(8)，(9)计算方差g，当方差取最大值时得到二值化阈值T，对图像进行二值化处理；
[0041]对于一张像素点总数为rows
×
cols的图片，假设阈值T，分割图像获得前景像素点个数为N0，背景像素点个数为N1，得到前景像素点占整幅图片的比例ω0，背景像素点占整幅图片的比例ω1，可以用公式(6)和公式(7) 表示为：
[0042][0043][0044]前景的平均像素值为μ0，背景的平均像素值为μ1，则整幅图片的平均像素值μ.可以用公式(8)表示为：
[0045]μ＝ω0×
μ0+ω1×
μ1ꢀꢀꢀ
(8)
[0046]可以得到前景平均像素值μ0和前景平均像素值μ1的方差g.可以用公式 (9)表示为：
[0047]g＝ω0×
(μ0‑
μ)2+ω1×
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于Cortex
‑
A8的车牌识别系统，包括数据采集模块、数据处理模块、数据传输模块与应用模块，其特征在于：所述数据采集模块包括有车辆检测器与摄像头；车牌识别系统具体操作步骤：第一步，车辆检测器预先获得汽车运动信息信号量，随后判断该信号量的类别，以此判断车位使用状况；第二步，接着通过摄像头捕获汽车牌照图片，然后进行牌照图片的图像预处理；第三步，根据第二步中图像预处理的结果进行车牌的定位，然后对图片中的信息进行字符分割与字符识别；第四步，根据第三步中的识别结果将信号利用4G手段传输到服务器中，最终完成对汽车牌照图片中车位信息与车牌图像的识别与分析。2.根据权利要求1所述的基于Cortex
‑
A8的车牌识别系统，其特征在于：所述数据采集模块、数据处理模块、数据传输模块与应用模块整体组合又分为软件部分与硬件部分，所述软件部分包括有捕获图像、图片预处理、车牌定位、字符分割和字符识别，所述硬件部分包括有视频车辆检测器与摄像头；所述硬件部分装置的操作步骤如下：1)预先通过视频车辆检测器设置虚拟线圈，通过对比灰度值变化判断车位使用情况，以此来捕获车牌照片；2)随后将1)步骤中的图片信息反馈到嵌入式平台做二次处理，根据反馈的图片信息进行车牌识别；3)最终再将2)步骤得出的结果通过4G手段完成信息的传输处理；所述软件部分装置的操作步骤如下：1)图片预处理，将摄像头捕获的图像经过高斯滤波处理，然后再将其背景...

【专利技术属性】
技术研发人员：马维华，王汝心，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：