基于labview的车牌识别.ppt

指导教师 基于labview设计的关于汽车牌照的识别与检测 班级 测控一班学生 学号 随着21世纪经济全球化和信息时代的到来 计算机技术 通信技术和计算机网络技术迅猛发展 动化的信息处理能力和水平不断提高 并在人们社会活动和生活的各个领域得到广泛应用 高速度 高效率的生活节奏 使汽车普及成为必然趋势 智能交通系统 IntelligentTransportationSystem 简称ITS 是20世纪90年代兴起的新一代交通运输系统 它可以加强道路 车辆 驾驶员和管理人员的联系 实现道路交通管理自动化和车辆行驶的智能化 增强交通安全 减少交通堵塞 提高运输效率 减少环境污染 节约能源 提高经济活力 智能交通系统以车辆的自动检测作为信息的来源 因而对汽车牌照等相关信息的自动采集和处理的一门新的交通信息获取技术 车牌识别 LicensePlateRecognition LPR 技术逐渐发展起来 成为信息处理技术的一项重要研究课题 车牌识别LPR是智能交通系统 ITS 的一个重要组成部分 在社会生活 治安管理等方面有很大的作用 车牌识别技术的运用使得 大输入小输出 成为了可能 输入一幅很大存储量的图像 输出时仅仅是很小存储量的数字 这必然使得其在大量存储和管理数据库相连等方面有无可替代的优越性 系统的背景及意义 论文的结构和主要内容 第一部分labview与imaq概述第二部分车牌识别系统的基本识别过程第三部分系统应用方式第四部分致谢 labviewmatlab与imaq LabVIEW是美国国家仪器公司研制的一种基于图形化编程语言的开发系统 LabVIEW提供了丰富的数据采集 存储的库函数 为用户提供了实现仪器编程与数据采集的便捷途径 设计者无需写任何文格式的代码 而是使用图形化的符号来描述程序的功能IMAQVision工具包中含有300多种机器视觉和科学图象处理的函数库 在LabVIEW中增加了机器视觉和图象处理的功能 提供了大量的图象预处理 图象分割 图象理解函数库和图形化的工具模块 用户只要在流程图中用图标连接器将所需要的子VI连接起来 就可以完成对获得图像的预处理 理解 从而实现机器视觉 与用传统的语言进行图象处理系统的开发相比 大幅度地降低了难度和开发周期 Matlab是一种功能强 效率高 简单易学的数学软件 有可靠的数值计算和符号计算功能 强大的绘图功能 简单易学的语言体系以及为数众多的应用工具 系统工作原理 当车辆进入拍摄区域时 传感器检测到通车辆的信号 CCD摄像机被触发拍照 拍摄的照片通过图像采集卡将拍摄的图片传入计算机 在LabVIEW平台上 利用IMAQVision强大的图像处理功能 进行图像预处理 车牌定位处理 字符分割处理 字符识别处理 最终得到通过车的牌照号码 系统工作原理图如右图所示 系统工作流程 图像预处理程序对获取的车牌图像进行滤波 边界增强 灰度化等处理 以便进行后续的处理 车牌定位模块从处理后的图像中找到车牌区域的位置并进行标记 将车牌区域从复杂的背景中分割出来 它是车牌字符识别的前提 也是车牌识别的关键技术 字符分割是将已提取出的车牌区域分割成单个的字符 字符识别模块是车牌识别系统的核心模块之一 其算法的优劣直接影响到系统识别率的高低 在字符识别过程中 由于实际使用条件存在诸多干扰因素 这些对识别算法提出了很高的要求 识别流程图 图像预处理 预处理流程为 先选取一张图片 然后进行读取操作 重新定义图像大小然后进行灰度化 提取绿色分量 然后输出到下一帧 这一步骤可以大幅度地改进和完善车辆图像 尤其是车牌区域的图像清晰度 能够更好的识别图像 预处理流程为 先选取一张图片 然后进行读取操作 重新定义图像大小然后进行灰度化 提取绿色分量 然后输出到下一帧 这一步骤可以大幅度地改进和完善车辆图像 尤其是车牌区域的图像清晰度 能够更好的识别图像 预处理流程为 先选取一张图片 然后进行读取操作 重新定义图像大小然后进行灰度化 提取绿色分量 然后输出到下一帧 这一步骤可以大幅度地改进和完善车辆图像 尤其是车牌区域的图像清晰度 能够更好的识别图像 灰度化 彩色图像包含着大量的颜色信息 不但在存储上开销很大 而且在处理上也会降低系统的执行速度 由于图像的每个象素都具有三个不同的颜色分t 存在许多与识别无关的信息 不便于进一步的识别工作 因此在对图像进行识别等处理中经常将彩色图像转变为灰度图像 以加快处理速度 右图为灰度化的程序框图 车牌定位处理 车牌定位模块从处理后的图像中找到车牌区域的位置并进行标记 将车牌区域从复杂的背景中分割出来二值化图像能有效地将背景和目标区分开来 为了突出车牌图像特征 便于进行车牌识别 需要把车牌图像二值化 图像的二值化一般在图像灰度操作之后进行 通过搜索产生0和1间的跃变位置 快速准确地提取目标区域边界像素点 从而得到仅有0和1两个灰度值的黑白图像右图是经过二值化得到的图像 车牌定位处理和labview与matlab混合编程 图像经过二值化后 就可以进行车牌定位 通过对比原始图片 我们可以发现二值化后的图像已经很接近正确的车牌位置了 因此后期处理将通过这张图来找出车牌位置 LabVIEW集成了大量图形界面的模板 自身功能强大 在测试与测量 过程控制与处理 科学研究和分析等方面有广泛的应用 但是 在实际应用中 对于一些需要进行大量数据运算处理的复杂应用 LabVIEW并不能很好的满足系统对运算速度等方面的要求 Matlab是一种功能强 效率高 简单易学的数学软件 有可靠的数值计算和符号计算功能 强大的绘图功能 简单易学的语言体系以及为数众多的应用工具 用LabVIEW与Matlab之间的混合编程 在功能上互补 具有实用价值 车牌定位处理 右图为labview中的matlab脚本服务器右图是混合编程后的车牌图片 字符分割 为了从图象中提取出字符 可以使用阈值分割的方法 阈值化分割算法是图像分割中应用数量最多的一类 即是根据阈值将图像二值化 分析二值化图像特征 按特征分割图像 阈值处理是一种区域分割技术 依靠阈值范围分割目标图象和背景图象在IMAQVision中 由用户指定最大值和最小值 它们之间的值设为1 其它为0 自动阈值方式可自动生成不同阈值范围 适用于照明条件变化较大的情况右图是阈值分割后的图像 字符识别处理 目前用于车牌字符识别 OCR 中的算法主要有 基于模板匹配的OCR算法和基于人工神经网络的OCR算法 基于模板匹配的OCR的基本过程是 首先对待识别字符进行二值化并将其尺寸大小缩放为字符数据库中模板的大小 然后与所有的模板进行匹配 最后选最佳匹配作为结果用人工神经网络OCR进行字符识别主要有两种方法 一种方法是先对待识别字符进行特征提取 然后用所获得的特征来训练神经网络分类器 另一种方法则充分利用神经网络的特点 直接把待处理图像输入网络 由网络自动实现特征提取直至识别 模板匹配的主要特点是实现简单 当字符较规整时对字符图像的缺损 污迹干扰适应力强且识别率相当高 是车牌字符识别的主要方法 字符识别处理 在进行字符识别前 需要对要识别的字符进行训练 作一个标准的字符集 字符训练的目的是使随后的读程序能识别其它图象中的相同字符 在本系统中 使用OCRTrainingInterface完成字符的训练该接口主要完成训练和编辑字符两个过程 在训练字符时 通过相应的阈值分割 指定的感兴趣区域和调节字符间距等操作 完成单个字符的分割 纠正不正确的字符 通过编辑字符 完成字符集的制作 制作字符集后 用OCR函数创建的机器视觉程序来读字符 右图为字符训练和读取程序框图 字符识别处理 下图为字符识别的流程图 识别结果 如右图图GUI所示 系统界面主要分为四大部分 最左为所选车牌原图像 右上为车牌定位后的图像 右中为车牌分割后的车牌图像 右下为系统识别的车牌号码 软件演示 系统的技术指标 识别率自然交通流量的识别率 全牌正确识别总数 实际通过的车辆总数可识别车牌照的百分率 人工正确读取的车牌照总数 实际通过的车辆总数可识别全牌正确识别率 全牌正确识别的车牌照总数 人工读取的车牌照总数2 识别速度识别速度决定了一个车牌识别系统是否能够满足实时实际应用的要求 一个识别率很高的系统 如果需要几秒钟 甚至几分钟才能识别出结果 那么这个系统就会因为满足不了实际应用中的实时要求而毫无实用意义3 后台管理后台管理的功能包括 识别结果和车辆图像数据的可靠存储 有效的自动比对和查询技术 对于联网运行 还需要提供实时通信 网络安全 远程维护 动态数据交换 数据库自动更新 硬件参数设置 系统故障诊断 系统应用方式 监测报警超速违章处罚车辆出入管理自动放行高速公路收费管理计算车辆旅行时间牌照号码自动登记