李艳军[1]2010年在《图像处理在车牌识别中的应用与研究》文中指出在我国各个城市都在大力发展城市智能交通控制系统,但截至目前,依然没有统一的实施规范。智能交通控制系统的发展,必然需要加强车辆的管理,而车牌识别系统是加强车辆管理最重要的手段,能对车辆跟踪,记录肇事车辆,采集交通状况数据等功能。随着城市公路隧道建设项目的日益增多,在隧道内建立起车牌识别系统将成为智能交通控制系统发展的必然。目前,我国城市公路隧道建设里的监控控制系统是根据公路隧道规范和建筑相关规范来实施的,其本身并没有一套完整的规范和标准。而在目前比较成熟的城市公路隧道监控系统方案中并不包括有车牌识别功能,但是根据车牌识别的作用和城市公路隧道监控对城市公路交通的重要地位,隧道内部实施车牌识别系统将成为必然。对隧道内的车牌识别系统进行研究,会有很大的应用性及可实施性。本文是根据城市公路隧道内车牌识别系统在智能交通控制中的空缺为出发点,以武汉市中山路隧道监控系统为平台,首先对车牌识别系统和城市公路隧道内的监控系统进行研究,通过对隧道监控系统硬件结构的分析,隧道内监控环境特征分析,总结出了城市公路隧道的监控环境特征,并针对以上特征提出了对应的监控策略；依据武汉市中山路隧道监控系统项目的经验,提出了一套适用于城市公路隧道监控的车牌识别系统；对诸多车牌定位文献进行研究,提出一种基于颜色特征的车牌定位方法,通过结果实验证明,该方法的准确率和时间效率都比较高,从而能够提高车牌识别系统的识别率和降低漏检率；在文章最后,通过对DSP芯片的特点及应用分析,提出一种基于DSP摄像机的车牌识别系统架构。通过分析可知,该架构要优于基于PC的系统架构,将会成为以后车牌识别产品发展的趋势。城市公路隧道内车牌识别系统的建立,对城市智能交通控制系统有着重要的意义。如何建立起功能更强、更稳健、更有效的隧道车牌识别系统,正是本文研究的重点。文章中提出的关于城市公路隧道内部如何建立车牌识别系统、车牌定位算法和DSP芯片嵌入的摄像机的思想,都具有较强的可实施性和重要的商业价值。
王红霞[2]2001年在《在车辆监控中应用基于DSP的车牌识别的研究》文中指出车辆监控系统是智能交通系统的重要组成部分，而车牌自动识别技术是实现车辆监控的一种重要途径。目前，此类监控技术已用于路桥电子收费系统中实现半自动收费，这种收费方式比较适合我国当前的发展情况。 本论文尝试将新一代数字信号处理器TMS320C6201作为核心器件用于车牌自动识别系统中，完成车辆图象处理、提取车牌信息。 本文首先介绍高速公路收费系统及监控方式，然后分析了车牌识别过程中所涉及的数字图象处理技术。之后，详细介绍新一代数字信号处理器TMS32066201相关功能模块及扩展方法，在此基础上提出基于DSP TMS320C6201的车牌识别系统方案，并论证了方案的核心部分。 论文最后对我们所做的工作进行总结。
陈正慧[3]2008年在《基于DSP的汽车牌照识别技术研究》文中进行了进一步梳理在信息化的时代背景下,随着经济的发展和道路交通事业的发展,以计算机图像处理技术,通信技术和信息管理技术为核心的智能化道路交通监控和管理系统在道路交通安全管理领域和小区的智能化管理得到了广泛的运用。车辆牌照的自动识别是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一,是实现交通管理智能化的重要环节。它的出现必将对交通管理带来深远的影响,为实现交通智能化带来便利。目前的牌照识别系统不仅实现价格的比较高、机动性能差,还存在着识别速度慢,识别率和稳定性差的问题,而且,因为整个系统都是在通用计算机上用软件实现,不利于软件知识产权的保护,技术经济指标较差。经过分析牌照识别算法的特点和DSP芯片以及DSP系统的特点。我们确定用DSP来实现牌照识别。用TMSC320DM642DSP实现一个嵌入式的汽车牌照识别系统。这款DSP芯片无论在性能上,成本上,机动性上还是知识产权保护上都有着巨大的优越性。本论文的工作分为两个部分。一个是基于Visual C++的汽车牌照识别算法研究,包括汽车牌照区域的定位与分割和汽车牌照识别系统的硬件规划两个部分。在识别算法研究过程中,采用了基于色彩的汽车牌照区域分割的汽车牌照定位方法,取得较好的识别效果。另外一个是牌照识别的DSP系统开发研究。通过该课题的开发,熟悉了DSP的结构及其开发流程,通过对现有的DM642评估板的硬件和驱动程序研究,对汽车牌照识别系统的硬件系统进行了初步的设计。本文对这两个部分的研究开发制作进行了详细的介绍。下面是具体的章节安排。第一章是绪论,介绍了车辆牌照识别的应用价值、存在问题,提出了用DSP实现牌照实时识别的课题,及本论文的主要内容。第二章阐述了本论文中使用的一些图像处理基本理论和方法。第叁章介绍了利用颜色作为汽车牌照区域定位和分割的方法和实现方法。第四章介绍了基于TMSC320DM642DSP的汽车牌照识别系统的硬件系统的设计方案,为整个系统的实现打下了坚实的基础。第五章介绍DSP信号处理系统,通过比较,得出用DSP实现牌照自动识别有着巨大得优越性,并简要叙述了DSP系统开发流程、系统设计以及算法标准。最后,在第五章中总结了本论文所做的主要工作,并对以后用DSP实现牌照识别的问题作了展望。
胡涛[4]2013年在《数学形态学字符分割算法在车牌识别系统中应用研究》文中指出车牌识别系统是智能交通系统研究领域中的一个重要课题。车牌识别是通过抓拍过往车辆的图像,从汽车图像中将感兴趣的车牌部分定位分割出来,并分析识别出车牌的信息。利用这些信息和数据库里车牌数据进行比较判断,可以很好的监测和管理车辆。车牌识别系统被广泛的用于高速公路收费管理系统、停车场收费管理系统、小区物业管理、公路布控管理系统等,为实施车辆单双号限行等交通管制措施提供了一种有力的技术保障,帮助缓解了城市交通的压力。因此,对车牌识别技术的研究不仅具有重要的现实意义,也具有广阔的市场和巨大的商业应用前景。车牌识别系统理论研究分车牌定位、字符分割、字符识别叁大部分,其中车牌字符分割部分是本论文研究的重点。数字图像处理技术是研究车牌识别系统中主要的理论依据,因此,论文概括的介绍了数字图像处理技术基本知识。对车牌图像的预处理、车牌定位、字符分割、字符识别等技术进行了简单的分析和概述。论文着重的研究了基于数学形态学的车牌字符分割算法。这是本文研究的重点。介绍了数学形态学理论,它是一门新兴的图像处理与分析学科,主要包括了膨胀、腐蚀、开运算、闭运算等技术部分。数学形态学具有对图像处理高效并且编程简单等优点,鉴于此,论文提出了基于水平垂直灰度开运算的车牌字符分割算法。通常定位后的车牌往往有一定的倾斜角度并且含有边框和铆钉,这些都会对字符的分割造成严重干扰。首先采用Hough变换检测车牌的倾斜角度,进行车牌的矫正,接着用水平垂直灰度开运算去除车牌的边框和铆钉,利用该算法能够在车牌定位不精确的情况下有效的去除车牌边框、铆钉及其它噪声,消除干扰突出字符。在此基础上运用传统的投影法以及车牌的先验知识进行字符间的分割,通过与边框去除不彻底的车牌字符分割比较,证明了用本论文的数学形态学算法有效的去除了车牌边框,提高了字符分割的效果。论文最后介绍了基于DM642DSP开发平台的车牌字符分割算法的实现。对TI DSP芯片和技术进行了概括的介绍,分析了开发板的图像采集和图像显示这两个硬件组成模块。对系统软件进行了设计,介绍了算法移入DSP和DSP程序优化等内容。
傅旭东[5]2013年在《基于视频的车载公交车专用道监控系统研制》文中认为随着社会经济的不断发展和人们生活水平的普遍提高，人们对于便利的交通环境要求日益增加，城市智能交通系统（ITS）更是把城市交通作为监控和管理的重点。为了解决交通拥挤、道路堵塞和交通污染等问题，许多城市设立了公交专道。公交车辆的专道行驶，是一种高效率、低能耗、低污染、低成本的公共交通形式，有效的提高城市公交运输效率。然而城市公交专道被非公交车辆占用现象时常发生。这种违规占用，使得城市公交专道没有发挥应有价值。因此，为确保公交车专道价值充分体现，研制一种有效的监控系统是十分重要的。目前，我国基本上采用的公交专道监控手段通常是在特殊路段设置固定摄像头捕获专道情况，并且辅以交警的现场人工执勤来监管占道事件，对于采集到的原始图像进行后台人工观看视频的方法进行违规车辆监控。这种监控方式使得监控区域有盲点，监控信息量大，后期的处理不方便，人力投入量较大。不符合现在城市智能交通系统高速发展的需求。本文所研制的基于视频的车载公交车专用道监控系统，致力于解决公交车专用道被占用现象，运用数字图像处理技术完成公交车的专用道监控算法研究，并以TI公司的DSP芯片TMS320DM642为核心处理器设计构建车载公交车专用道监控系统的硬件和软件平台，从而设计出一种满足公交车专道监控系统要求的嵌入式实时监控系统，同时可以通过网络连接，传输检测到的结果数据和图像，为车载公交车专用道监控系统与智能交通提供一种低成本、高效率的解决方案。本文的主要工作有：（1）采用数字图像处理技术，包括图像的预处理、二值化、数学形态学滤波等算法，结合霍夫变换完成车道识别、提取任务；（2）对车道线内区域（ROI）车辆进行检测，根据处理后图像在车道内疑似车辆物体进行判断，完成车辆车型识别及违规车辆车牌定位；（3）通过无线网络GPRS将检测提取的数据进行发送回监控主机，完成检测结果的实时处理，并对重要的结果和视频进行本地存储；（4）完成了公交车专用道监控系统的软硬件设计及以DM642为核心的PCB电路板制作。
张晓勇[6]2007年在《基于DSP的汽车牌照识别技术研究》文中指出随着经济的发展和道路交通事业的发展，以计算机图像处理技术，通信技术和信息管理技术为核心的智能化道路交通监控和管理系统在道路交通安全管理领域和小区的智能化管理得到了广泛的运用。车辆牌照的自动识别是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一，是实现交通管理智能化的重要环节。目前的牌照识别系统不仅实现价格的比较高、机动性能差，还存在着识别速度慢，识别率和稳定性差的问题，而且，因为整个系统都是基于通用计算机地软件，不利于软件知识产权的保护。经过分析牌照识别算法的特点和DSP芯片以及DSP系统的特点。我们确定用DSP实现牌照识别。无论在性能上，成本上，机动性上还是知识产权保护上都有着巨大的优越性。本论文的工作分为两个部分。一个是基于Visual C++的汽车牌照识别算法研究，包括汽车牌照区域的定位和牌照字符的识别两个部分。在识别算法研究过程中，采用了BP神经网络的识别算法，并取得较好的识别效果。另外一个是牌照识别的DSP系统开发研究。通过该课题的开发，熟悉了DSP的结构及其开发流程，通过对现有的DM642评估板的硬件和驱动程序研究，编写了该系统的应用程序。通过试验试，验证了该系统的功能。本文对这两个部分的研究开发制作进行了详细的介绍。下面是具体的章节安排。第一章是绪论，介绍了车辆牌照识别的应用价值、存在问题，提出了用DSP实现牌照实时识别的课题，及本论文的主要内容。第二章阐述了本论文中使用的一些图像处理基本理论和方法。第叁章介绍了牌照识别中牌照位置的寻找方法。第四章介绍了牌照字符的切割和BP神经网络的识别算法。第五章介绍DSP信号处理系统，通过比较，得出用DSP实现牌照自动识别有着巨大得优越性，并简要叙述了DSP系统开发流程、系统设计以及算法标准。第六章介绍了专门用于牌照识别的DSP系统的研究开发，包括硬件接口和软件驱动以及牌照识别的软件移植。最后，在第七章总结了本论文所做的主要工作，并对以后用DSP实现牌照识别的问题作了展望。
崔杰[7]2016年在《基于DSP的智能停车场管理系统开发》文中认为随着交通事业的发展以及汽车保有量的增加,城市停车问题日益突出,人们经常会为了找有空余车位的停车场而浪费大量的时间,不仅增加了个人消耗,也增大了环境污染。本文设计了一种基于DSP实时车位统计的智能停车场管理系统,通过将车位信息汇总于数据服务中心,实现车位联网。其中DSP采用TI公司TMS320DM642处理器,负责停车场车位及车辆身份信息的获取。同时,本文也设计了数据服务中心的数据管理软件用于管理停车场信息,两者通过TCP/IP协议进行通信。此外,还设计了车位查询Web应用程序,使人们可以用网页浏览器获取停车场车位信息。针对停车场车位信息的获取,本系统通过统计车辆出入实现车位剩余数量的预测。车辆出入检测与传统的地感线圈、微波、超声波检测不同,通过DM642和TVP5150获取停车场出入口视频信息,并在视频特定区域设置虚拟线圈,采用一种改进的单高斯模型检测运动目标,结合多种车辆图像特征,实现车辆出入检测。同时触发DM642驱动UHF RFID读卡器获取车辆上UHF电子标签中的车辆身份信息,并将数据打包,上传至数据服务中心。针对数据服务中心的停车场数据管理,本系统的停车场数据持久化解决方案采用Microsoft公司的SQL Server数据库管理系统。通过VS2008+MFC开发停车场数据管理软件,软件功能包括对停车场数据的采集、显示、存储、查询等操作以及对停车场视频车辆检测参数的设置,实现对停车场的远程管理。车位查询Web应用程序采用SpringMVC框架开发,通过JDBC连接SQL Server数据库,查询数据库中的车位信息。以此实现车位在线查询。实验证明,本系统自动化程度较高,在降低成本的同时,可以大大提高停车场的利用率,减少资源浪费,创造更高的效益并一定程度上解决了停车难的问题。
吴凌峰[8]2006年在《基于DSP芯片的车牌识别系统》文中研究表明本文介绍了一个以TI公司的TMS320DM642为核心芯片的DSP车牌识别系统设计、实现和优化。该系统首先通过摄像机拍摄车辆的视频,输入视频信号到DSP板卡;然后从输入的视频信号中捕捉图像,识别图像中的车牌的类型、颜色和号码,并将识别所用的图像进行JPEG压缩;最好通过网络把识别结果以及识别所用的图像传到PC机,以XML文件的形式将保存。 该系统主要分为叁个部分:摄像机、DSP系统和PC端软件。文章主要介绍了DSP系统中DSP车牌识别软件的实现和优化。由于DSP系统与普通PC机的不同,文章中详细说明了为了提高运行的速度,对DSP车牌识别软件进行的各种优化。这些优化主要包括,提高并行性、减少运算和使用TI提供的经过优化的库等等。经过这些优化,使DSP车牌识别系统能在不到0.4秒完成一个车牌的识别及其他处理,满足了实际应用的要求。文章中还介绍了这个系统的PC端软件是怎样获得识别结果,并保存以及提供给用户浏览管理的。 最后,文章还提到,在下一步工作中要在系统中加入补光设备,以适应各种恶劣的环境。
曾锐利[9]2007年在《多信息融合的城市交通监控系统若干关键技术研究》文中提出城市交通监控系统是智能交通系统的重要组成部分之一,传统的交通监控模式已越来越不适应日益增加的城市车辆的需要。本课题将基于电磁感应技术的车辆检测器、射频识别技术以及数字图像处理技术应用于城市交通监控系统中,通过融合处理多种传感器信息,对城市交通实施智能化监控。本文对交通监控中的图像处理、信息融合以及智能控制等关键技术进行了研究。论文的主要研究内容包括:提出了基于帧间颜色梯度的背景建模方法。针对交通视频的特点,将交通画面分区,根据帧间子区域的颜色梯度来检测背景区域,综合子区域背景图像建立背景模型;根据建立的背景模型,采用背景图像差分法提取运动目标,在以自动阈值法进行二值化处理后,利用形态学滤波器进行滤波,并根据颜色特征检测目标的阴影。实验表明该背景建模方法能满足交通监控环境的要求。提出了对目标采取先分类、后跟踪的方法提取车辆的运动轨迹,并判断其违章情况。根据面积和形状复杂度两个特征,以模糊聚类算法对目标进行分类;根据城市交通监控的特点建立约束条件,对分类出的车辆目标,以距离、平均灰度差以及面积差叁个特征值建立距离测度函数,通过搜索全局最优匹配的方法来确定相邻帧中车辆目标的对应关系,对车辆目标的轨迹进行跟踪。实验表明,利用这些特征可以对目标进行有效分类和跟踪。提出融合全景和近景摄像机信息进行自动车牌识别。利用全景和近景摄像机同步拍摄交通视频,以近景摄像机的画面识别车牌;利用改进的彩色Sobel梯度算子对图像进行边缘检测,以改进的形态学滤波器处理二值图像;针对车牌候选区域,利用多个特征值作为输入量建立模糊神经网络对车牌进行精确定位;然后对车牌区域进行二值化处理以及矫正,按字符的长宽比分割字符,以模板匹配法识别字符,并对一些相似字符进行多次移位匹配,取最佳匹配结果为识别结果。提出将射频识别技术应用于城市交通监控系统,并对车辆信息以及数据管理方式进行了规划,论述了对多种信息进行融合处理,可以解决一些传统交通管理模式下的难题,在实验中对部分功能进行了仿真测试。采用模糊控制算法,对单十字路口的交通信号优化配时进行仿真分析,提出以空闲时间和车辆延误数来综合评价控制策略,根据评价结果自动调整输入模糊集论域,以适应不同交通状况的配时需要。仿真实验表明调控效果明显。
周亮[10]2007年在《基于神经网络的车牌识别算法研究》文中认为随着城市交通管理现代化水平的提高，建立在车辆牌照识别基础上的交通信号自适应控制系统、智能交通监控系统、GPS车辆管理及导航系统、停车场自动收费系统、智能化交通管理系统应用而生。由于汽车牌照是机动车辆管理的主要标志符号之一，因此对车辆牌照识别系统的研究就尤为重要，该研究的核心是提高车牌识别率，这就需要识别算法能够对环境光照条件，拍摄位置和车辆行驶速度等因素的影响有较大的鲁棒性，并能够满足实时性的要求。本文设计的主要研究内容包括：运用仿真软件对后台图像进行高速，准确的处理。主要工作是对牌照的定位、分割和牌照的字符识别算法方面进行了深入地研究。在牌照的定位之前，本文首先运用不同于当下传统的方法，而是结合当前比较热门的神经网络来对图像进行预处理，得到了比较突出的牌照信息。然后结合牌照自身的一些固有特征，用形态学的方法进行了车牌区域的准确定位；对定位得到的车牌，再次结合牌照内部细节特征，对车牌进行投影，从而得到了车牌较为完整的分割；最后在车牌字符识别阶段，以现今比较流行的神经网络为理论基础，有效的设计出一个改进的神经网络识别算法。仿真结果表明采用本文提出的从车牌定位、分割到最后字符识别的算法能够有效地提高车牌识别率。本文研究内容的创新性体现在以下叁个方面：(1)车牌定位阶段，采用一个改进的自适应PCNN神经网络对图像进行预处理可以得到一个细节丰富，边缘完整的二值图像，随后基于牌照固有特征，结合一种新的形态学方法，可以得到多个车牌候选区域；(2)车牌字符分割阶段，为了满足算法实时性的要求，对畸变车牌进行预处理时，采用字符的行特征来描述本文的倾斜校正算法，之后，基于改进的投影特征图对字符图像分割；(3)字符识别阶段，为了提高算法的识别率，采用改进的BP神经网络。仿真结果表明，通过对算法进行一系列的创新和改进，可以使识别算法的速度加快，识别率得到提高，效果比较理想。
参考文献：
[1]. 图像处理在车牌识别中的应用与研究[D]. 李艳军. 武汉理工大学. 2010
[2]. 在车辆监控中应用基于DSP的车牌识别的研究[D]. 王红霞. 大连海事大学. 2001
[3]. 基于DSP的汽车牌照识别技术研究[D]. 陈正慧. 贵州大学. 2008
[4]. 数学形态学字符分割算法在车牌识别系统中应用研究[D]. 胡涛. 安徽工程大学. 2013
[5]. 基于视频的车载公交车专用道监控系统研制[D]. 傅旭东. 合肥工业大学. 2013
[6]. 基于DSP的汽车牌照识别技术研究[D]. 张晓勇. 贵州大学. 2007
[7]. 基于DSP的智能停车场管理系统开发[D]. 崔杰. 南京理工大学. 2016
[8]. 基于DSP芯片的车牌识别系统[D]. 吴凌峰. 浙江大学. 2006
[9]. 多信息融合的城市交通监控系统若干关键技术研究[D]. 曾锐利. 天津大学. 2007
[10]. 基于神经网络的车牌识别算法研究[D]. 周亮. 青岛科技大学. 2007