基于Blackfin561的嵌入式車(chē)牌識別系統

1.3.5 字符識別

字符識別采用的是離散型Hopfield神經(jīng)網(wǎng)絡(luò )。其是一種循環(huán)神經(jīng)網(wǎng)絡(luò )，網(wǎng)絡(luò )的輸出會(huì )反饋到輸入端，產(chǎn)生不斷變化的狀態(tài)。如果網(wǎng)絡(luò )是一個(gè)能收斂的穩定網(wǎng)絡(luò )，則這一反饋與迭代的計算過(guò)程所產(chǎn)生的變化會(huì )越來(lái)越小。一旦達到了穩定平衡狀態(tài)，網(wǎng)絡(luò )便會(huì )輸出一個(gè)穩定的恒值，關(guān)鍵在于確定其在穩定條件下的權系數。

首先對車(chē)牌的標準字符進(jìn)行離散化，變成16×32的二值圖像，即有512個(gè)神經(jīng)元。這樣網(wǎng)絡(luò )可記憶的樣本數最多為512×0.15=76.8個(gè)。根據車(chē)牌的特點(diǎn)，要建立兩個(gè)網(wǎng)絡(luò )：一個(gè)是車(chē)牌漢字的網(wǎng)絡(luò )，包括36個(gè)漢字;一個(gè)是數字與字母的網(wǎng)絡(luò )，包括36個(gè)元素。

可看到兩個(gè)網(wǎng)絡(luò )均不會(huì )產(chǎn)生偽樣本。通過(guò)Matlab對標準字符數據進(jìn)行仿真，得到網(wǎng)絡(luò )穩定的權系數，然后將參數提取出來(lái)供DSP計算使用。

在DSP中將分割后的字符圖像進(jìn)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(wǎng)絡(luò )中根據公式(1)進(jìn)行計算。其中，Wij和θi是通過(guò)Matlab仿真得到的權系數，x為圖像數據。通過(guò)循環(huán)迭代計算，由式(2)，當網(wǎng)絡(luò )的能量函數達到穩定時(shí)，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(wǎng)絡(luò )有聯(lián)想記憶的功能，故抗干擾性較強、對有噪聲、筆畫(huà)斷開(kāi)、筆畫(huà)粘連等現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(guò)DM9000發(fā)送到PC機進(jìn)行后續處理。

2 結束語(yǔ)

車(chē)牌識別系統的關(guān)鍵技術(shù)是車(chē)牌定位、字符分割與字符識別。本文結合硬件平臺對3個(gè)重要部分進(jìn)行了程序實(shí)現。通過(guò)實(shí)驗證明以Blanc fin561雙核DSP為核心的嵌入式系統配合Hopfield神經(jīng)網(wǎng)絡(luò )能較好地完成車(chē)牌識別工作，并可使速度與識別率得到全面提高?；谇度胧降恼w結構也使得系統的擴充工作變得簡(jiǎn)單，有較高的實(shí)際應用價(jià)值。