基于DSP芯片嵌入式系統(tǒng)的車(chē)牌識(shí)別技術(shù)的實(shí)現(xiàn).pdf

1、車(chē)牌識(shí)別系統(tǒng)（LPRS，License Plate Recognition System）是智能交通系統(tǒng)(ITS，Intelligent Transportation Systems)的一個(gè)非常重要的發(fā)展方向。隨著社會(huì)的發(fā)展和人民生活水平的提高，車(chē)輛的數(shù)目不斷增加，交通狀況日趨惡化，給社會(huì)和環(huán)境到來(lái)了巨大的壓力。日益擁堵的城市交通需要更先進(jìn)、更有效的交通管理、控制。利用車(chē)牌識(shí)別技術(shù)來(lái)提高管理水平、交通效率和進(jìn)行安全的智能交通管理已經(jīng)成為

2、一個(gè)重要的研究?jī)?nèi)容。
　　 本文介紹了一種以TI公司的TMS320DM642為核心芯片，以及視頻解碼芯片TVP5150PBS、視頻編碼器SAA7121H、I2C（Inter-Integrated Circuit）總線、時(shí)鐘電路、系統(tǒng)電源等搭構(gòu)硬件平臺(tái)的車(chē)牌識(shí)別系統(tǒng)設(shè)計(jì)、實(shí)現(xiàn)和優(yōu)化。
　　 運(yùn)用圖像處理技術(shù)對(duì)實(shí)驗(yàn)車(chē)牌圖像進(jìn)行了前期處理工作，包含如下幾步：圖像預(yù)處理（灰度化、圖像平滑、灰度拉伸）、車(chē)牌定位（邊緣檢測(cè)、粗定位、

3、精確定位）、傾斜校正、字符分割（圖像歸一化、粗分割、精確分割）。
　　 在字符識(shí)別上，我們采用了神經(jīng)網(wǎng)絡(luò)的字符識(shí)別技術(shù)，使用了字符的水平、垂直投影特征、粗網(wǎng)格特征和邊緣形狀特征的字符提取方法，利用一種排序前向掩蔽模型(Sequential Learning Ahead Masking，SLAM)對(duì)通用前饋神經(jīng)網(wǎng)絡(luò)(General Feed-Forward Network，GFFN)模型進(jìn)行訓(xùn)練，運(yùn)用通用前饋神經(jīng)網(wǎng)絡(luò)模型對(duì)字符特征