基于單片機的小區(qū)車牌識別系統(tǒng)的設計

陳晶 馮旭東 潘琦 周嘉明

摘要：隨著經(jīng)濟的發(fā)展，各國對汽車的需求逐漸增加，城市的交通狀況也變得擁堵，愈發(fā)受到人民的關注。如何高效地對交通進行管理以及對車輛進行監(jiān)管，已成為人們?nèi)遮呹P注的問題。解決這類問題需要建立智能化的交通系統(tǒng)，汽車車牌識別系統(tǒng)是智能交通系統(tǒng)的一個重要組成部分，在交通的控制、管理中有著重要用途。該設計以STM32F103RCT6單片機作為核心元器件，用于車牌自動識別系統(tǒng)中完成車牌圖像的識別與采集、數(shù)字圖像的預處理、提取車牌號信息并將進入小區(qū)車輛的信息顯示于液晶顯示屏上。

關鍵詞：STM32單片機；OV7670攝像頭；TFT液晶顯示屏

中圖分類號：TP3? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2023）36-0016-03

開放科學（資源服務）標識碼（OSID）

０ 引言

隨著經(jīng)濟的快速發(fā)展，人民生活水平的提高，汽車數(shù)量也在不斷增長，車禍的發(fā)生也在逐漸增加。為此，要想減少車禍降低交通事故的發(fā)生，有效地管理車輛在道路中的運行，緩解交通壓力，就需要研制一種全自動、全方位、通用、準確的智能交通系統(tǒng)。汽車車牌是車輛的“身份證”，是在公眾場合中識別車輛身份的唯一證明，因此可以根據(jù)汽車車牌號的獨立性，針對車輛不同行駛狀況設計一套車牌識別系統(tǒng)。

傳統(tǒng)的汽車車牌識別系統(tǒng)依靠PC進行識別，所有的關鍵算法都是由計算機完成，不僅對圖像識別算法和內(nèi)存要求高，而且以計算機為主要識別對象的系統(tǒng)造價昂貴、體積巨大，不易大規(guī)模地進行裝配和攜帶。MCU的發(fā)展速度越來越快，甚至超越了PC機，最大優(yōu)勢在于它不需要操作系統(tǒng)，穩(wěn)定性高、成本低、體積小?；谏鲜鰞?yōu)勢，本文選用了基于STM32單片機的車牌識別系統(tǒng)。

1 國內(nèi)外研究現(xiàn)狀

20世紀70年代，英國率先研制出車牌識別技術，并將其用于汽車失竊跟蹤，且取得了一些成果。80年代，國外學者將傳統(tǒng)的圖像處理技術應用于特定場景中的車牌識別。90年代，越來越多的學者參與到這個領域，大量的汽車車牌識別算法應運而生。2010年，Kanayama等人[1]發(fā)現(xiàn)了汽車車牌與周圍環(huán)境之間的顏色差異，在此基礎上，運用Sobel算子來邊緣性檢測，并利用一定的長寬比對圖像進行分割。2016年，Safaei等人[2]提出一種新的三維貝葉斯特征估計方法，該方法以貝葉斯特性為基礎，具有很高的識別準確率。21世紀，人工智能和深度學習成為計算機技術發(fā)展趨勢，神經(jīng)網(wǎng)絡也在車牌識別中逐步應用。

相對國外，我國車牌檢驗的研究工作起步較晚，且我國的道路交通方式也更為復雜。顧李云[3]利用高斯和中值濾波對圖像進行預處理，改善了在光線較差的情況下對圖像進行處理，且與Sobel算子比較，利用濾波變換對圖像進行了較完整的提取?；趥鹘y(tǒng)的汽車車牌識別方法和深度學習的汽車車牌識別技術也被越來越多的學者所采用，尤鳴宇等人[4]在2019年提出了基于神經(jīng)網(wǎng)絡的車牌識別算法，利用級聯(lián)卷積神經(jīng)網(wǎng)絡進行車牌定位，但由于 CNN在定位過程中的滑窗操作使得系統(tǒng)工作效率低，難以用于實時檢測。2020年王寧[5]基于Faster R-CNN 在RPN階段引入角度和分支結構以生成適合車牌的候選區(qū)域，并提出了一種上下文融合網(wǎng)絡增強車牌的特征表示。2020年彭鵬[6]利用Tensorflow開發(fā)平臺對汽車車牌進行了建模，并將其輸入嵌入式系統(tǒng)中，以完成對車牌的實時檢測和識別。周世杰[7]于2020年提出了一種基于卷積神經(jīng)網(wǎng)絡結構來檢測汽車車牌，在當前大規(guī)模場景中，由于汽車所占比重較大，使得車牌檢測與識別變得更加困難，因此該方法可以有效地提高檢測的準確度。

2 系統(tǒng)結構框架及設計

基于單片機的小區(qū)車牌識別系統(tǒng)總體框架圖以STM32作為系統(tǒng)核心，主要由單片機電路設計、蜂鳴器電路設計、OV7670電路設計、TFT顯示屏電路設計、按鍵電路設計等組成，如圖1所示。

3 小區(qū)車牌識別系統(tǒng)硬件電路設計

3.1 STM32單片機最小系統(tǒng)電路設計

單片機最小系統(tǒng)電路設計由最少的電路元器件構成，可以保證微處理器的正常工作。系統(tǒng)接通電源后，可以通過單片機進行正常的復位、下載程序。STM32微處理器最小系統(tǒng)由復位和時鐘兩部分電路組成。

3.2 OV7670攝像頭電路設計

OV7670圖像傳感器用于攝像頭的識別和讀取車牌信息，將VCC、GND引腳分別連接至單片機的3.3V與GND，然后將D0-D7連接至單片機的PAO-PA7，最后將各個引腳與單片機的PC0-PC7相連接，此攝像頭便于將攝像頭所讀取的有效信息能夠及時傳送給單片機處理。攝像頭的電路原理圖如圖2所示：

3.3 濾波電路設計

在電路設計中選用100uf的極性電容，接在電源的正負極，用于濾除電源電路中的低頻參量，讓電源電壓更平穩(wěn)地運行。如圖3為濾波電路原理圖。

3.4 系統(tǒng)整體電路圖

本次設計通過焊接組合的方式將各個模塊相連，通過將TFT液晶顯示屏、OVO7670攝像頭、STM32F103RCT6單片機與PCB板焊接相連，以下是關于整個設計的系統(tǒng)硬件原理圖，如圖4所示。

4 小區(qū)車牌識別系統(tǒng)軟件設計

4.1 攝像頭模塊子程序設計

攝像頭通電，然后進行初始化設置，OV7670攝像頭開始工作，本次選用帶FIFO芯片的攝像頭。為便于數(shù)據(jù)的采集，本文選用FIFO作為數(shù)據(jù)緩沖。通過C語言開發(fā)環(huán)境編程代碼，整個流程如下：

在0V7670攝像頭向FIFO中寫數(shù)據(jù)，將其分為5個步驟。

1）0V7670攝像頭同步接入單片機的外部終端，等待同步信號出現(xiàn)；

2）復位激活FIFO寫指針運作；

3）FIFO寫使能開啟運行；

4）等待第二個同步信息出現(xiàn)；

5）禁止FIFO寫使能工作。

4.2 TFT液晶顯示屏子程序設計

TFT液晶顯示器通電后，進行初始化的設置、內(nèi)部存儲及屏幕清零設定。初始化完成后，TFT液晶顯示屏與STM32單片機是雙向通信，單片機可以控制顯示器的亮度及顯示內(nèi)容，將攝像頭中所讀取的畫面經(jīng)過單片機內(nèi)部的處理，在液晶顯示器顯示出來，完成對車牌號碼的信息提取。

設計的初始化函數(shù)LCD-lint，開啟AFIO、GPIO以及FSMC時鐘使能，GPIO初始化其函數(shù)為GPIO-lint以及對FSMC進行初始化設置，其函數(shù)為FSM等設置。將RW、CS、RD、WR全部設置推免輸出。

5 實物調(diào)試與分析

通過CH340串口燒寫模塊實現(xiàn)對單片機程序的燒寫，燒寫速度快、效率高，編程穩(wěn)定，可以通過USB接口供電。本設計硬件元器件主要有OV7670攝像頭、STM32F103RCT6單片機、TFT液晶顯示屏、PCB板等四部分構成，通過焊接組合的方法將實物硬件焊接在PCB板上，給實物通電后，顯示圖像的識別界面，LED燈閃爍表明單片機能夠正常工作，當車牌識別成功后蜂鳴器就會提醒，將識別到的信息傳送給單片機并暫時保存起來，經(jīng)過一系列處理后將車牌信息顯示在顯示器上，顯示器自動跳轉到收費界面，顯示車牌信息、進入時間、所繳費用，如圖6所示。

按下K2按鍵，進入收費界面，該界面顯示車牌信息、進入時間、所繳費用；按下K1按鍵，返回繼續(xù)圖像的識別、采集，其中電源插口設計為USB接口形式，便于插接。圖7是基于單片機的小區(qū)車牌識別系統(tǒng)車牌信息顯示圖。

6 結論

本次設計基于單片機的小區(qū)車牌識別系統(tǒng)，當出入小區(qū)的小車到達指定位置時觸發(fā)傳感器，通過0V7670攝像頭采集車牌定位，將收到的信息實時傳送給單片機，單片機經(jīng)過預處理，將信號指令發(fā)送給顯示屏，顯示屏顯示該小車的車牌信息。

小區(qū)車牌識別系統(tǒng)應用廣泛，在停車場、學校、小區(qū)車庫等都有其身影。系統(tǒng)經(jīng)過優(yōu)化后更加先進，功能多樣、價格實惠，能滿足各個場景下的使用需求，在智能化管理方面可以大幅降低人工成本，更加精準地完成車牌識別及收費功能，在當代智能化社會具有很大潛力。

參考文獻：

[1] KANAYAMA K，F(xiàn)UJIKAWA Y，F(xiàn)UJIMOTO K.Development and application of vehicle-license number recognition system using real-time image processing[J].Systems and Computers in Japan，1991，22（1）：49-58.

[2] SAFAEI A，TANG H L，SANEI S.Real-time search-free multiple license plate recognition via likelihood estimation of saliency[J].Computers & Electrical Engineering，2016（56）：15-29.

[3] 顧李云.基于圖像處理的車牌識別算法的研究與設計[D].南京：南京郵電大學，2018.

[4] 尤鳴宇，韓煊.基于樣本擴充的小樣本車牌識別[J].南京師大學報（自然科學版），2019，42（03）：1-10.

[5] 王寧.非受限場景下的車牌識別系統(tǒng)的研究與實現(xiàn)[D].南京：南京郵電大學，2020.

[6] 彭鵬.基于CNN卷積神經(jīng)網(wǎng)絡的車牌識別研究[D].濟南：山東大學，2020.

[7] 周世杰，李頂根.基于卷積神經(jīng)網(wǎng)絡的大場景下車牌識別[J].計算機工程與設計，2020，41（9）：2592-2596.

【通聯(lián)編輯：代影】