基于DM642的嵌入式車(chē)牌識(shí)別系統(tǒng)設(shè)計(jì).pdf

1、智能交通系統(tǒng)(Intelligent Transportation System,簡(jiǎn)稱(chēng)ITS)是交通管理發(fā)展的主要方向,而車(chē)牌識(shí)別(License Plate Recognition LPR)技術(shù)是智能交通系統(tǒng)的關(guān)鍵技術(shù)之一。車(chē)牌識(shí)別系統(tǒng)分為車(chē)牌定位、字符分割和字符識(shí)別三個(gè)部分。為了提高車(chē)牌識(shí)別系統(tǒng)的實(shí)時(shí)性和準(zhǔn)確率,本文提出了基于DM642的嵌入式車(chē)牌識(shí)別系統(tǒng)的開(kāi)發(fā)設(shè)計(jì)思路,將高性能的DSP芯片DM642與車(chē)牌識(shí)別算法相結(jié)合,提高了車(chē)牌

2、識(shí)別系統(tǒng)的性能。
　　 同時(shí),本文對(duì)車(chē)牌識(shí)別算法進(jìn)行了研究。車(chē)牌定位方面,提出了基于分區(qū)域密度掃描和形態(tài)學(xué)相結(jié)合的定位方法。分區(qū)域密度掃描是先將圖像劃分成幾個(gè)區(qū)域,利用車(chē)牌區(qū)域獨(dú)有的字符密度特征,對(duì)各區(qū)域進(jìn)行掃描,刪除一些干擾區(qū)域。分區(qū)域密度掃描之后,再進(jìn)行形態(tài)學(xué)處理,定位車(chē)牌,其準(zhǔn)確率要比基于邊緣檢測(cè)和形態(tài)學(xué)處理的定位方法的準(zhǔn)確率高很多。在字符分割中,本文改進(jìn)了迭代法和車(chē)牌的傾斜校正方法。將迭代二值算法中固定的權(quán)值0.5修改為

3、自適應(yīng)權(quán)重,二值效果很好；車(chē)牌傾斜校正采用幾何方法,根據(jù)車(chē)牌前端和后端的水平投影的位置差計(jì)算傾斜角度,實(shí)現(xiàn)了傾斜車(chē)牌的校正；字符識(shí)別時(shí),本文先進(jìn)行字符的粗分類(lèi),再進(jìn)行模板匹配。減輕了計(jì)算量,提高了識(shí)別率。
　　 最后,本文將車(chē)牌識(shí)別算法移植到DM642平臺(tái),通過(guò)充分對(duì)比VC++平臺(tái)和CCS開(kāi)發(fā)環(huán)境的不同,實(shí)現(xiàn)對(duì)算法的移植。
　　 總之,本文基于DM642的嵌入式車(chē)牌識(shí)別系統(tǒng),很好的實(shí)現(xiàn)了車(chē)牌識(shí)別的性能,在識(shí)別率和識(shí)別速度