基于Blackfin561的嵌入式車(chē)牌識別系統

摘要 介紹了一種基于雙核DSP Blackfin561的嵌入式車(chē)牌識別系統。討論了系統的硬件結構和軟件實(shí)現流程，以及基于Hpofield神經(jīng)網(wǎng)絡(luò )進(jìn)行車(chē)牌識別的方法及過(guò)程。首先對視頻圖像進(jìn)行解碼，以獲取圖像的亮度信號;然后通過(guò)圖像處理方法對圖像進(jìn)行調整、定位、分割等處理;最終運用Hopfield神經(jīng)網(wǎng)絡(luò )識別出車(chē)牌上的字符信息。

隨著(zhù)科技與經(jīng)濟的發(fā)展，汽車(chē)數量也逐漸增多，交通管理問(wèn)題日漸嚴峻。如何建立一個(gè)科學(xué)有效的交通管理系統是交通管理的重點(diǎn)。智能交通系統(TTS)隨著(zhù)科技的興起，是未來(lái)交通管理發(fā)展的必然趨勢，也是電子信息技術(shù)的一個(gè)前沿課題。車(chē)牌識別系統(License Plate Recognition System，LPRS)是智能交通系統的重要組成部分，在自動(dòng)化管理、信息統計、車(chē)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(guān)技術(shù)進(jìn)行深入的研究與實(shí)現。

基于Blackfin561的LPRS替代了人工識別車(chē)牌的角色，這可節省大量人力物力。本文討論的LPRS可用于高速收費站口及小區門(mén)口，以實(shí)現車(chē)流量統計和車(chē)輛跟蹤等功能。

1 系統的總體設計與架構

嵌入式車(chē)牌識別系統是一個(gè)能夠完成車(chē)牌識別與信息處理的獨立系統，整個(gè)系統包括視頻采集模塊，圖像處理模塊與通訊模塊。系統的軟件設計包括道路圖像的采集、圖像預處理、車(chē)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(chē)牌識別系統

由于DSP強大的數據處理能力，使得它在嵌入式圖像處理領(lǐng)域占據了重要地位，尤其是雙核DSP，更是在視頻處理應用中上升勢頭迅猛?；贒SP的嵌入式車(chē)牌識別系統一般采用主機與DSP分布式處理結構，其優(yōu)點(diǎn)是價(jià)格低、可靠性好、便于升級。系統的一般結構主要分圖像采集、DSP處理和PC機數據管理3部分，其系統結構如圖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(guò)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(guò)視頻解碼芯片解碼出所需的數字圖像信號。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(lái)存儲圖像的大量數據，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(wǎng)等。由于系統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(xiàn)的難易程度等因素，故以太網(wǎng)應用較為普遍，但缺點(diǎn)就是在無(wú)集成以太網(wǎng)功能的DSP上，需外加芯片，提高了系統的成本。PC機數據管理模塊因系統應用的目的不同而異，主要包括人機交互界面和數據庫與相應的處理機制。

1.2 系統硬件構架

基于Blanckfin561的車(chē)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(guò)I2C總線(xiàn)對ADV7183A進(jìn)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對圖像數據進(jìn)行計算，輸出的識別結果通過(guò)DM9000傳輸到上位機進(jìn)行后續處理。

1.3 系統軟件設計

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

1.3.1 圖像采集

系統加電后，DSP通過(guò)I2C總線(xiàn)對ADV7183A的寄存器進(jìn)行配置，對攝像頭采集到的模擬視頻信號進(jìn)行解碼，輸出YCrCb為4：2：2格式的數字視頻信號。由于算法只處理亮度信號，故通過(guò)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(shí)在SDRAM中采用乒乓存儲機制存儲連續的兩幀圖像，使系統能夠達到實(shí)時(shí)處理的要求。

1.3.2 圖像預處理

由于采集到的圖像會(huì )因為天氣、車(chē)牌整潔度和光線(xiàn)等因素造成圖像被噪聲污染，導致圖像質(zhì)量下降，這會(huì )給后續的識別工作帶來(lái)麻煩。因此，需對采集到的原始圖像進(jìn)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(diǎn)的算法會(huì )不同程度地使圖像邊緣變模糊，不利于后續車(chē)牌的定位，故將去噪工作放到車(chē)牌定位之后。這里預處理主要是通過(guò)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(chē)牌定位

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

1.3.4 字符分割

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