基于FPGA的车牌识别算法研究

刘伟　刘广文

摘 要：车牌自动识别系统在实现智能交通系统方面发挥着重要作用，整个系统包括车牌定位、字符分割和字符识别三部分。本设计先确定车牌在获取图像中的具体位置，从而把车辆牌照定位出来，进而对车牌用局部投影的方法进行字符分割，最后采用模板匹配法进行车牌字符的识别。本文提出的方法具有实时采集视频图像，车牌定位准确，分割及识别效率高的优点。

关键词：FPGA 车牌识别 局部投影 模板匹配

中图分类号：TP391.41 文献标识码：A 文章编号：1672-3791（2014）08（c）-0026-01

随着道路交通智能化的逐渐普及，我国的道路交通事业迅猛发展，传统的管理模式已经满足不了实际的需要，自动化、嵌入式和图像处理等技术在交通领域的广泛使用大大的提高了道路交通智能化的水平，对车辆牌照的识别技术在交通管理方面的重要性也日益凸显。由于每个机动车都有其唯一的汽车牌照，因此，通过获取到车牌信息就可以对驾车人进行有效的道路交通管理，车辆牌照识别系统的正确率识别率大小也就显的日趋重要。本文设计完全满足系统实时性的要求。

1 工作过程

车牌识别系统在智能交通系统中应用广泛，其中数字图像处理与字符识别是最重要的两门技术。系统总体框图如图1所示，其基本工作过程如下。

（1）当有车辆经过拍摄区域时，预先设置好的光电传感器被触发，并唤醒识别系统，使其处于工作状态。负责连接摄像头的光快门此时控制设置在车辆四周的高清相机同时对车辆进行抓拍，从而获取图像。

（2）抓拍到的图像经过视频卡输入计算机进行预处理，预处理过程主要包括图像转换、图像增强、中值滤波和水平校正等。

（3）检索模块负责搜索与检测牌照，并定位、分割出包含车牌字符信息的矩形区域。

（4）对车牌的七个字符进行二值化处理，并分割出单个字符，最后输入字符识别系统进行识别。

2 车牌识别算法设计

2.1 总体设计

整个识别系统包括定位和识别两大部分。最初的图像应具有较高的对比度和清晰度。只有这样才便于对车牌图像进行字符的分割和识别。但是受到图像采集部分工作于条件复杂的户外环境，加之车牌的光滑度、光照度、抓拍时CCD相机与车辆所成的角度和距离以及车辆行驶速度等诸多不确定因素的影响，图像可能有模糊、倾斜和污损等缺陷，因此需要对初始图像在识别前进行预处理。

2.2 图像采集与平滑处理

本文选择的是普通的蓝底白字类牌照，蓝色B通道对应的牌照区域为一亮的矩形，而在该区域中并没有呈现出字符。因为白色与蓝色在通道中并无区分，而在G、R通道或是灰度图像中情况却并不是如此。对白底黑字的牌照用R通道，绿底白字的牌照用G通道，牌照区域的位置就显而易见，也为后续做进一步处理提供了方便。

当图像受到严重噪声干扰时，可以通过低通滤波器来滤除噪声，但有时为了简便，在空域中也可以采用求邻域平均值的方法来削减噪声。然而，图像灰度在平滑处理的时候会发生很大变化，此时对字符边缘和轮廓等区域会变得模糊不清。为了消除模糊现象，我们预先设置好中心点像素值与其邻域平均值的差值，只有大于该阈值的点才能替换为邻域平均值，从而大大削弱图像模糊现象。

2.3 牌照定位与字符分割

牌照定位在车牌识别系统中是非常重要的一环，其主要目的是在图像经预处理后的图像中定位到牌照的具体位置。

本文采用垂直投影法进行分割，字符在垂直方向上的投影会在字符间或字符内的间隙取得局部最小值，且牌照的字符书写格式、尺寸限制及其他一些条件均应得到满足。分割出来的字符一般要进行进一步处理。本文只对车牌进行归一化处理来识别，接着进行后期的处理。

2.4 字符识别

模板匹配算法首先对待识别字符进行二值化处理，并将其尺寸大小进行缩放以便跟字符数据库中模板的大小保持一致，接着与所有的模板进行一一匹配，最终选出一个最佳匹配项。

3 算法验证和测试

在FPGA开发环境下使用Qsys系统互联，将各个IP与处理器进行有机互联，从而达到硬件与软件协同工作的目的。最终的车牌识别效果如图2所示。

4 结论

本文在FPGA集成开发环境Quartus II软件中分别对图像进行灰度化、二值化、定位、分割及识别等操作，最终显示出车牌字符。系统具有视频图像采集实时，定位分割准确和识别率高等优点。但从实验结果来看，车牌定位和字符识别的算法对于污染特别严重的车牌有待进一步的改进。

参考文献

[1] 冈萨雷斯.数字图像处理[M].2版.电子工业出版社，2007，8.

[2] 郁梅.基于视觉的车辆牌照检测[M].计算机应用研究，1999（5）：65-67.

[3] D.Crookes， K.Benkrid.An FPGA Implementation of Image Component Labelling[J].SPIE，Vol.3844，1999.endprint