基于ARM平臺(tái)的車(chē)牌識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

姚俊文

針對(duì)車(chē)輛出入庫(kù)管理中存在的問(wèn)題，提出了基于ARM嵌入式平臺(tái)的車(chē)牌識(shí)別系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)方案，論述了從車(chē)輛圖像抓取、圖像預(yù)處理、車(chē)牌區(qū)域識(shí)別、文字分割、文字識(shí)別等過(guò)程中所涉及的理論和技術(shù)問(wèn)題，提出了基于POSIX規(guī)范多進(jìn)程技術(shù)進(jìn)行系統(tǒng)整合的方案。

【關(guān)鍵詞】車(chē)牌識(shí)別嵌入式技術(shù) 文字識(shí)別

1 引言

隨著汽車(chē)的普及，停車(chē)難的問(wèn)題日益突出，高效的車(chē)庫(kù)管理成為解決這一問(wèn)題的關(guān)鍵環(huán)節(jié)之一。傳統(tǒng)的RFID車(chē)庫(kù)道閘控制系統(tǒng)存在使用不便、控制不精確等缺點(diǎn)，車(chē)主進(jìn)出時(shí)必須將車(chē)準(zhǔn)確地?？吭谧x卡器前，打開(kāi)車(chē)窗手動(dòng)刷卡，尤其在雨雪天氣使用更加不便；無(wú)法控制重復(fù)刷卡、一卡多車(chē)進(jìn)出車(chē)庫(kù)的情況，造成車(chē)庫(kù)管理上的困難；另外由于采用集中數(shù)據(jù)存儲(chǔ)和控制，在實(shí)際中還存在道閘反應(yīng)速度慢以及因?yàn)榫€路原因造成控制失效的情況。而已有的基于車(chē)牌識(shí)別的控制系統(tǒng)采用分布圖像采集、集中進(jìn)行識(shí)別和控制的方式，系統(tǒng)設(shè)備、安裝、維護(hù)成本都比較高，阻礙了其廣泛應(yīng)用。

本項(xiàng)目以嵌入式計(jì)算機(jī)技術(shù)為基礎(chǔ)，綜合圖像處理、模式識(shí)別等技術(shù)，將圖像采集、車(chē)牌識(shí)別、道閘控制集成在獨(dú)立的系統(tǒng)中，完成復(fù)雜環(huán)境下汽車(chē)車(chē)牌的智能識(shí)別和車(chē)庫(kù)道閘的自動(dòng)控制，實(shí)現(xiàn)更加方便、快捷和完善的車(chē)輛進(jìn)出場(chǎng)管理。

2 系統(tǒng)架構(gòu)

2.1 系統(tǒng)總體架構(gòu)設(shè)計(jì)

完整的道閘控制系統(tǒng)包括車(chē)輛檢測(cè)、車(chē)輛拍照、車(chē)牌定位、車(chē)牌識(shí)別、車(chē)牌號(hào)碼管理、道閘控制等模塊，本系統(tǒng)基于嵌入式Linux構(gòu)建，系統(tǒng)總體結(jié)構(gòu)如圖1所示。

2.2 硬件平臺(tái)設(shè)計(jì)

系統(tǒng)基于ARM體系結(jié)構(gòu)，CPU采用Samsung公司的S3C6410X嵌入式微處理器，S3C6410X具有低成本、低功耗、高性能的品質(zhì)。系統(tǒng)配置了64MB SDRAM運(yùn)行內(nèi)存，以64MB Nand Flash作為存儲(chǔ)Bootloader、操作系統(tǒng)和應(yīng)用程序的外存，系統(tǒng)具有2個(gè)USB從設(shè)備接口和1個(gè)USB主設(shè)備接口，集成LCD控制器，為方便系統(tǒng)開(kāi)發(fā)攝像頭采用了spca5xx/gspca兼容USB攝像頭，簡(jiǎn)化了軟件平臺(tái)的配置。

2.3 軟件系統(tǒng)設(shè)計(jì)

使用檢測(cè)像素突變的方法檢測(cè)出車(chē)牌的邊緣進(jìn)行車(chē)牌定位，利用垂直、水平投影得到車(chē)牌區(qū)域，并對(duì)其進(jìn)行旋轉(zhuǎn)矯正，得到精確的車(chē)牌區(qū)域。之后對(duì)車(chē)牌區(qū)域進(jìn)行圖像預(yù)處理，包括灰度化、二值化、去噪等操作，然后根據(jù)車(chē)牌尺寸、車(chē)牌中字符的分布特點(diǎn)等先驗(yàn)知識(shí)對(duì)車(chē)牌中的字符進(jìn)行分割，最后與字符模板進(jìn)行比較，確定最相近的字符，完成車(chē)牌的識(shí)別。

3 系統(tǒng)實(shí)現(xiàn)

3.1 圖像采集

本系統(tǒng)采用的Linux 2.4內(nèi)核沒(méi)有集成spca5xx攝像頭驅(qū)動(dòng)，需要到相應(yīng)的網(wǎng)站[1]下載、編譯后加入到系統(tǒng)內(nèi)核，同時(shí)需要在內(nèi)核配置選中便能對(duì)V4L（Video for Linux）的支持。

V4L是Linux系統(tǒng)中關(guān)于視頻設(shè)備的內(nèi)核驅(qū)動(dòng)[2]，該驅(qū)動(dòng)的功能是為視頻設(shè)備應(yīng)用程序開(kāi)發(fā)和應(yīng)用提供一系列的接口函數(shù)，然后配合適當(dāng)?shù)囊曨l采集設(shè)備和相應(yīng)的驅(qū)動(dòng)程序，實(shí)現(xiàn)對(duì)影像的采集等操作。

基于V4L進(jìn)行圖像采集時(shí)，程序基本流程如下：

（1）打開(kāi)視頻設(shè)備；

（2）讀取設(shè)備信息；

（3）更改設(shè)備當(dāng)前設(shè)置；

（4）視頻采集，采用直接從設(shè)備讀取圖像數(shù)據(jù)，并通過(guò)共享內(nèi)存將數(shù)據(jù)傳送給圖像處理進(jìn)程；

（5）關(guān)閉視頻設(shè)備。

3.2 車(chē)牌定位

系統(tǒng)采用基于掃描行的車(chē)牌定位算法[3]，基于車(chē)牌的幾何特征和灰度特性進(jìn)行車(chē)牌定位。，即可根據(jù)此特性即灰度特性將圖像二值化，統(tǒng)計(jì)每行跳變點(diǎn)次數(shù)，根據(jù)跳變點(diǎn)次數(shù)和車(chē)牌幾何特征實(shí)施定位，具體算法步驟可表示為如下：

（1）圖像灰度化，增大中車(chē)牌區(qū)域字符和背景的差異；

（2）水平邊緣檢測(cè)，車(chē)牌區(qū)域是由一串字符組成的，其紋理豐富，而其他部分灰度分布較為均勻，因此利用邊緣檢測(cè)可以排除大量非車(chē)牌區(qū)域[4]；

（3）圖像二值化，采用局部閾值二值化邊緣圖像；

（4）粗定位，根據(jù)車(chē)牌區(qū)域字符筆劃的寬度，字符之間的間隔、整串字符的總長(zhǎng)度等特征進(jìn)行車(chē)牌初步定位；

（5）精確定位。識(shí)別滿足車(chē)牌區(qū)域掃描線特征的區(qū)域，并進(jìn)一步對(duì)區(qū)域左右兩端進(jìn)行裁剪，完成車(chē)牌精確定位。

3.3 字符分割

目前常用的字符分割方法有基于垂直投影的字符分割[5]、基于連通域的字符分割[6]、基于模板匹配的字符分割[7]和基于聚類(lèi)分析的字符分割[8]，本文采用了基于連通域的字符分割算法，該方法不受車(chē)牌傾斜的影響、環(huán)境適應(yīng)性好、字符分割精度高、抗干擾性強(qiáng)， 同時(shí)減少了像素重復(fù)標(biāo)記和歸并標(biāo)記的大量運(yùn)算， 能快速、準(zhǔn)確地分割車(chē)牌字符。其處理過(guò)程包括去除離散噪聲、設(shè)定連通域標(biāo)記、連通域掃描、分割字符和字符歸一化，詳見(jiàn)參考文獻(xiàn)[6]。

3.4 車(chē)牌文字識(shí)別

與常規(guī)文字識(shí)別相比，車(chē)牌文字識(shí)別的突出特點(diǎn)是字符集小、字符形狀規(guī)范，因此針對(duì)車(chē)牌進(jìn)行文字識(shí)別可行性很高。

車(chē)牌上的文字分為3類(lèi)，第1類(lèi)為漢字，包括省、自治區(qū)、直轄市簡(jiǎn)稱(chēng)、軍隊(duì)用漢字和車(chē)牌分類(lèi)用漢字，共計(jì)68個(gè)漢字；第2類(lèi)為26個(gè)大字英文字母；第3類(lèi)為10個(gè)阿拉伯?dāng)?shù)字。通過(guò)對(duì)模板匹配法[9]、BP神經(jīng)網(wǎng)絡(luò)法[10]、支持向量機(jī)法[11]進(jìn)行實(shí)驗(yàn)對(duì)比，3種方法對(duì)字母和數(shù)字識(shí)別的準(zhǔn)確率均在90%以上，而對(duì)漢字的識(shí)別，支持向量機(jī)方法識(shí)別率最高，為92.3%，因此本系統(tǒng)采用多類(lèi)分類(lèi)支持向量機(jī)進(jìn)行車(chē)牌文字識(shí)別。

3.5 系統(tǒng)整合

為提高運(yùn)行效率，系統(tǒng)采用了基于POSIX規(guī)范的多進(jìn)程編程技術(shù)，系統(tǒng)運(yùn)行時(shí)由車(chē)輛偵測(cè)、圖像捕捉、字符識(shí)別、道閘控制4個(gè)進(jìn)程組成，進(jìn)程間通過(guò)共享內(nèi)存、信號(hào)等機(jī)制實(shí)現(xiàn)數(shù)據(jù)傳輸和同步。

4個(gè)進(jìn)程均創(chuàng)建為POSIX守護(hù)進(jìn)程，車(chē)輛偵測(cè)進(jìn)程第隔2秒由SIGALRM信號(hào)喚醒，檢測(cè)是否有車(chē)輛通過(guò)，如果檢測(cè)到車(chē)輛，向圖像捕捉進(jìn)程發(fā)送SIGINT信號(hào)后再次進(jìn)入休眠狀態(tài)；圖像捕捉進(jìn)程被喚醒后進(jìn)行拍照和預(yù)處理，將車(chē)牌圖像存儲(chǔ)在共享內(nèi)存中并向字符識(shí)別進(jìn)程發(fā)送SIGINT信號(hào)，然后進(jìn)入休眠狀態(tài)；字符識(shí)別進(jìn)程被喚醒后從共享內(nèi)存中讀取車(chē)牌圖像進(jìn)行識(shí)別，然后通過(guò)阻塞式管道將識(shí)別出的車(chē)牌號(hào)碼發(fā)給道閘控制進(jìn)程，自身進(jìn)入休眠狀態(tài)；當(dāng)管道中有數(shù)據(jù)時(shí)，道閘控制進(jìn)程解除阻塞狀態(tài)，從管道中讀取車(chē)牌號(hào)碼，根據(jù)從數(shù)據(jù)庫(kù)檢索數(shù)據(jù)結(jié)果進(jìn)行道閘控制。

4 結(jié)論

本文提出的基于嵌入式系統(tǒng)的車(chē)牌識(shí)別方案，具有系統(tǒng)成本低、部署方便等優(yōu)點(diǎn)，系統(tǒng)實(shí)現(xiàn)過(guò)程中對(duì)車(chē)輛圖像的獲取、圖像預(yù)處理、車(chē)牌定位、車(chē)牌分割、文字識(shí)別等各方面進(jìn)行了有益的探索，取得了具有較高實(shí)際意義的結(jié)論。系統(tǒng)仍然存在一些問(wèn)題需要進(jìn)一步研究，包括圖像抓取時(shí)補(bǔ)光的控制、對(duì)污損車(chē)牌去噪處理、多系統(tǒng)之間的數(shù)據(jù)共享和管理問(wèn)題等，需要在后續(xù)研究中繼續(xù)完善。

參考文獻(xiàn)

[1]http：//mxhaard.free.fr/spca50x/embedded/KernelPatch/usb-2.4.31LE06.patch.tar.gz

[2]趙方鵬， 楊建華， 趙忠，等.基于嵌入式Linux的網(wǎng)絡(luò)視頻監(jiān)控系統(tǒng)[J].測(cè)控技術(shù)，2007，26（05）：55-57.

[3]石貴民.基于掃描線的新型車(chē)牌定位方法研究[J].科學(xué)技術(shù)與工程，2014，14（08）：1671-1815.

[4]魏娜，王振臣，張聰?shù)?一種新型車(chē)牌定位算法的研究[J].激光與紅外，2012，42（08）：936-939.

[5]Abderaouf Z，Nadjia B，Saliha O K.License plate character segmentation based on horizontal projection and connected component analysis.In：2014 World Symposium on Computer Applications & Research （WSCAR），IEEE，2014，1-5.

[6]甘玲，林小晶.基于連通域提取的車(chē)牌字符分割算法[J].計(jì)算機(jī)仿真，2011，28（04）：336-339.

[7]Miao L.License plate character segmentation algorithm based on variablelength template matching. In：Proceeding of 2012 IEEE 11th International Conference on Signal Processing （ICSP），2012，947-951.

[8]陳黎，黃心漢，王敏，李煒.基于聚類(lèi)分析的車(chē)牌字符分割方法[J].計(jì)算機(jī)工程與應(yīng)用，2002（06），221-256.

[9]吳煒，楊曉敏，劉大宇等.一種基于模糊模板匹配的車(chē)牌漢字識(shí)別方法[J].微型機(jī)與應(yīng)用，2005（11）：57-59.

[10]DaRocha G.A.，Manod S.J..Character recognition in car license plates based on principal components and neural processing[J].Pattem Reocngition，2006，39（02）：26-31.

[11]趙秀娟.基于支持向量機(jī)的車(chē)輛自動(dòng)分類(lèi)方法[J].公路交通科技，2003（10）：108-110.

作者單位

天津職業(yè)技術(shù)師范大學(xué)信息技術(shù)工程學(xué)院 天津市 300222