基于ZedBoard的車牌定位與字符識別系統(tǒng)設計與實現(xiàn).pdf

1、隨著我國經(jīng)濟的飛速發(fā)展，智能交通系統(tǒng)ITS(Intelligent TransportationSystem)已是未來交通監(jiān)管系統(tǒng)中的主要發(fā)展趨勢。而車牌識別技術LPR(LicensePlate Recognition)是ITS核心技術之一，研究和開發(fā)車牌識別系統(tǒng)對我國交通管理領域的發(fā)展有重要的意義和應用價值。
　　通過查閱國內外相關文獻可得，目前大部分車牌識別系統(tǒng)是基于PC機軟件實現(xiàn)的，接口和功能固定，可升級性差，車牌識別技術還

2、有進一步完善的空間，尤其在自適應性、識別速度和準確率等方面仍需要更深入的研究。因此，本文提出了基于ZedBoard開發(fā)板的車牌定位與字符識別系統(tǒng)，充分利用開發(fā)板上的雙核ARM Cortex-A9處理器和FPGA，采用軟硬件協(xié)同設計的方式實現(xiàn)系統(tǒng)的功能，極大的改善了識別速度，同時很好的滿足了系統(tǒng)要求。
　　本文提出的車牌識別系統(tǒng)主要由車牌定位模塊、字符分割模塊和字符識別模塊組成。通過對以上模塊關鍵技術的研究，本文提出了行之有效的解決

3、策略。首先在車牌定位方面，本文提出了顏色和紋理相結合的車牌定位方法。采用VerilogHDL硬件描述語言實現(xiàn)了車牌候選區(qū)的提取以及車牌水平傾斜角度和垂直傾斜角度的檢測，極大的提高了定位速度和準確率。其次在車牌字符分割方面，本文對直接投影法做出了改進。通過圖像預處理去除車牌邊框和鉚釘，然后通過改進后的投影算法實現(xiàn)字符切割，該算法能從根本上克服因字符粘連和字符斷裂導致分割錯誤的缺點，有效提高了字符分割的準確率。最后在車牌字符識別方面，本文結

4、合特征提取和BP神經(jīng)網(wǎng)絡算法，首先對字符圖像進行預處理和歸一化操作然后提取漢字字符的粗網(wǎng)格特征和外圍特征，字母數(shù)字字符的粗網(wǎng)格特征和筆畫密度特征，最后設計BP神經(jīng)網(wǎng)絡對字符進行識別。
　　此外，本文還實現(xiàn)了Linux操作系統(tǒng)以及OpenCV與QT函數(shù)庫的跨平臺移植，并編寫了相關測試控制模塊。經(jīng)測試表明，本系統(tǒng)的定位準確率達到90％以上，識別的準確率能達到89％以上，系統(tǒng)的平均運行時間為2s左右，滿足了系統(tǒng)性能要求，達到了預期設計目