论文部分内容阅读
随着社会和科技技术的发展,人们在日常生活中对图像信息需求也日益增大,图像采集技术得到了飞速发展。同时在智能交通系统中为了解决交通系统中交通阻塞、道路停车、交通事故等问题使得车牌识别技术也得到快速发展。该技术在高速公路路口收费系统,公共停车场收费系统中应用广泛,主要是在获取车牌图像的基础上,分步骤对车牌图像进行预处理、车牌定位、车牌分割、字符识别的处理来完成车牌识别。本文采用TI OMAP系列的OMAP-L138 EVM作为开发平台。该开发平台具有高性能,低功耗,高集成度等特性广泛应用在多媒体应用开发中。同时OMAP-L138处理器是基于ARM+DSP的双核架构,通过TI提供的Codec Engine软件框架实现双核之间无缝连接。ARM主要负责上层应用程序和任务的调度,DSP负责实时性较强、计算量大的任务。通过双核架构使得各系统独立控制,从而提高了代码执行效率,大大降低了功耗。本平台下主要采用了USB接口的UVC摄像头作为图像采集设备,实现了在V4L2框架下图像的捕获,同时完成了捕获图像的JPEG压缩编码。本文实现了在已获取车牌牌照基础上通过JPEG解码获取车牌RGB数据然后进行图像灰度化、图像二值化、图像的去噪处理和图像的边缘检测等图像算法处理来实现车牌定位。接着采用垂直投影的方法完成对字符分割,再将分割字符采用重心归一化的方法进行归一化处理。最后分析基于模板匹配和基于BP神经网络匹配的字符识别算法完成了车牌识别算法的研究。实验表明BP神经网络识别算法识别率更准确,时间性能更优。在算法实现的基础上根据TI xDAIS标准所提供的规则和指南将车牌识别算法封装为算法库函数,可以通过Codec Engine框架调用,实现了车牌识别算法在DSP端的运行,进一步优化了算法的时间性能,也降低了该算法在其他平台下移植的难度。