请问各位:一年前买的车牌架可以用吗?小于两个边,大于两个边5毫米;下面有车厂标志;只有两个螺丝。有用吗?

嵌入式汽车自动识别系统

工程等

(研究目标、研究背景和现状、工作进度和方案等。)

BR/>;见附录。

1,项目的先进性:

随着数字信息技术和网络技术的飞速发展,在后PC时代,嵌入式处理器的性能、高性能处理器已经能够满足自评估复杂算法等复杂应用,嵌入式应用必然会进入各个领域。另一方面,随着中国经济的快速发展和北京奥运会的举办,“智能交通”将成为一个不争的热门话题。由于交通行业的特殊性,其设备的技术参数和使用条件的苛刻要求,嵌入式智能交通设备是必然趋势。由于嵌入式自动车辆识别系统是智能交通管理系统的重要组成部分,所以这是一个完美的结合。嵌入式技术和车辆识别技术,包括嵌入式车牌识别、嵌入式车标识别和自动颜色识别,力争一次性锁车。

它具有以下优点:

1,独立性高:采用嵌入式技术,只通过通信接口与应用系统连接的独立性。

2、功能齐全:识别的车牌、logo、颜色与现有系统一次性针对性强,功能强大。

3.可塑性:可与前端信号触发装置上游端的内置无线网络和各种串行接口相结合,使下游产品系统的功能和应用范围得到了极大的扩展。

4.维护方便:

2、可操作性和可实现性:

目前车牌识别和车辆识别,你等待技术的成熟和完善,相关信息更容易获取。现有的嵌入式技术已经成熟,所以从技术难度上来说,比其他前沿科学更容易实现主题。包括设备和材料在内的课题也比较容易获得,成本适中。

3、创新:

现有的车牌识别设备通常使用计算机处理数据,有的甚至需要几台计算机的配合,占用大量的空间和资源。即使偶尔完成嵌入式系统,其功能也是有限的车牌识别或汽车识别。嵌入式车牌识别、车辆识别和自动颜色识别的系统和创造性的结合是一次性的解决方案。臃肿的设备系统集成困难,稳定性差,维护困难,是功能性问题。

4、可能出现的问题:

目前主要问题是嵌入式集成和无线传输距离。理想情况下,我们设想大部分计算机用于处理数据,可以开发一个便携式无线数据传输系统,自动识别系统。但是,由于我们时间、精力、金钱的限制,“可携带”程度是最大的问题。另外,速度和景深的图像识别问题是我们可能会面临的问题。

预期结果

特定形式的成果,如专利、发表的论文、实物生产技术(包括软件程序),可以是各种形式的成果。

我们期待我们的实验结果。

首先,我们计划建立一个完整的嵌入式系统技术,这关系到有形的结果。

其次,我们分析市场形势,市场前景非常看好。嵌入式车辆识别系统可以申请专利并在市场上生产。

第三个方面,车的颜色,车牌,车辆的主体组合,是确定合适的算法,所以在系统完成的过程中是必然的,算法的设计完成,这是论文发表的部分成果的表现形式。

因为我们计划完成系统,我们需要完成硬件和软件系统。从观点来看,软件和算法成果的很大一部分可以在报纸上发表并投入生产,可以获得专利的硬件成果来体现,毫无疑问,我们的研究成果不会仅仅是软件的一部分或者仅仅是硬件部分的主题,这是一个很大的优势。

实验环境所需的预算内容、预算金额和预计执行时间。

CCD摄像头前端图像采集,购买摄像头或摄像机3000 07.12至08.2。

辅助光源特殊环境的光添加1500 07.5438+0208.2月。

图像采集卡的模拟信号数字化250007.438+0208.2个月。

& gt嵌入式系统的硬件设施,图像处理400008.3 08.438+00至08.38+02?08.10

DVR视频信息存储器2500

显示设备输出的图像识别结果为1500 08.1209.2个月。

无线收发器或有线传输设备信息传输250 009 2?09.3

将机器零件组装成2000原型的最后阶段

合计:19500元

大学认同观

专家委员会的评价意见

学校审批意见

附:主题的现状、背景和意义,

来自1885自从世界上第一辆汽车诞生以来,汽车就给我们的日常工作和生活带来了巨大的影响。一百多年来,汽车及其成本低、操作方便的优点逐渐被大众所接受。中国每年都有几十万个家庭加入了车主的行列。其次,快速发展和便利的生活方式引发了一系列问题:每年汽车被盗,交通事故时有发生...毫无疑问,汽车需要规范化管理。现在,我们的汽车管理是由人来完成的。很容易想象,面对日益壮大的车队车手册,你无能为力。因此,智能交通将成为未来交通管理发展的必然趋势。

你不能确定交通智能会自动识别自己。早在20世纪90年代,汽车标志就引起了全世界的关注,人们开始研究与自动识别卡相关的问题——汽车牌照的自动识别。几年后,另一个重要的身份象征——汽车——车标识别也成为热门话题。车牌识别的一般方法:计算机图像处理技术对车牌进行分析,自动提取车牌信息,确定车牌号码。基于车标识别的边缘直方图和模板匹配混合算法的相关系数。离线算法的识别率已经达到了很高的水平,目前车牌车标图案的理论已经比较成熟,正在向集成化和智能化发展。

智能交通管理系统,车辆标识相当于v c++基类的“状态”,其他子模块在智能交通管理系统中汽车标识的基础上继承和发展。所以我们认为汽车识别需要更高的集成度,最好嵌入到其他系统和高度集成的模块中,比如微控制器和CPLD。现阶段汽车识别多由计算机完成。

此外,由于基类的自动识别和定位,使用“只能锁定汽车”和“可以快速确定现阶段哪些汽车会有一定的要求。车辆识别,但仅仅依靠简单的车牌识别。市场的主题是单一的车牌或车辆识别系统,这两种系统的结合非常少见。这些单一的系统显然很难达到真正识别被锁汽车身份的目的。

结合智能交通管理系统的要求、车辆识别的现状和两种发展趋势,课题组选择了嵌入式自动车辆识别系统这一身份创新实验项目。计划在智能交通管理系统中完成车辆识别的嵌入式处理,并将数字信息转移到其他模块,但用嵌入式计算机处理车号识别,这将大大提高智能交通管理系统的集成度,降低成本。不同于单一的识别系统,车辆识别系统是为车牌识别而设计的,车辆识别不是组合的,是以车辆颜色识别为补充的。同时确认,并输出确定锁车的方法,力求万无一失。这极大地方便了系统的各种领域的使用。

在公安交通管理领域,可以应用于嵌入式自动识别系统、交通控制系统、嵌入式产品中使用的转速表,以及其他测量超载的交通设施,可以完成一系列的管理;连接到终端计算机处理系统传输处理后的数字信息,而不是图像信息,这大大节省了终端计算机的处理时间和存储空间,提高了响应速度和处理效率,有效地解决了交通控制领域的人力短缺问题。

在园区车辆管理中,自动识别系统嵌入了出港车辆的身份,因此它可以检查与园区所有者注册的车辆是否连接到资源池。在园区门口安装车牌自动识别系统,自动识别车辆进出,然后核对数据库中的数据和数据库中的车牌数据,判断是否属于停车场,再进行处理,这样会大大提高园区的汽车安全系数。使用该系统的成本远低于计算机处理系统的成本。

停车场管理和嵌入式自动车牌识别系统可以在智能化管理的过程中完成。该系统安装在停车场入口处,自动识别停车场内的车辆。处理后的数据将通过计算机终端输入数据库,确定是否由计算机终端组合,购买(或租用)机动车停车位进行相应处理。

总之,我们有理由相信,我们计划完成的嵌入式自动车牌识别系统,可以在未来的智能交通管理系统中发挥决定性的作用,值得研究和探讨。

BR/>;

附录二:工程方案设想

车辆识别系统包括车牌识别、车辆颜色和车辆主体识别。该系统将使用嵌入式系统来完成识别。因为我们这部分内容,这个想法不是很成熟。

对于副车牌识别和车身颜色,我们的作品和节目中都嵌入了车标图案识别。

:车牌识别

1,整体结构

车牌自动识别系统主要分为三个模块:(1)触发器:前端设备数据的入口测速系统。(2)图像处理部分:分为图像采集、车牌定位、字符分割和字符识别四个部分。(3)无线传输系统将处理后的数据发送给后端应用系统,如交通违章管理系统、停车系统、安防系统等。

2、算法部分

①结束CCD摄像机之前:

原始图像采集

CCD摄像机和辅助照明设备获得的图像质量将直接影响后端处理和识别的效果。要得到更清晰的图像,你需要考虑很多影响图像质量的因素,包括:选择相机和图像采集卡,用相机位置标定车速,车队的出入单元,天气和光线的距离,效果光,相机的曝光。

决定车辆是否进入观察区域。

利用灰度图像差分法判断监控目标区域是否进入第一幅视频图像,然后比较两幅图像中对应像素点灰度值的变化次数,如果有变化。

图像差只能通过监控现场测量物体,至于是不是运输车辆还有待观察。噪点完了之后图像差,行人和自行车比汽车占,尺度滤镜设计滤除更小的物体和噪点。

②车牌定位和预处理

左侧车牌定位算法。车牌定位的基础,但也需要车牌号码的基本预处理。

铆钉倾斜矫直和边界去除。

我,车牌字符倾斜校正

在某些车牌中,很难直接分割车牌字符,是无效的,需要更正。首先,我们计算车牌倾斜的速度,并旋转车牌倾斜校正。

二。牌照架和铆钉的拆卸

先验知识:标准车牌,字符间距为12 mm,2和3字符间距为34 mm,中间点宽度为10 mm的2和3字符间距为12mm..车牌边界线内侧一般有四个铆钉,前两个字或前六个字都有不同程度的粘连。如果不拆下铆钉,会使2和6中的字符难以识别。在后面的

车牌图像二值化,图像只有黑白二值文件。白色像素(灰度值255),黑色像素(灰度值0)0。这里,牌照图像以黑白模式逐行扫描。当扫描线的车牌图像中的白色像素的宽度大于阈值(第一条合格线)时,去除边缘的车牌字符,并且去除该线以上或以下的所有线。

③车牌字符分割

图片中显示的车牌算法

字符分割。

我们有限的知识

不详细描述这些算法。

④字符识别方法.../& gt;性格;角色;字母

识别汽车

品牌识别

核心部分。

车辆

权限字符是已知的。

包括六种非分组算法。

列入

没错。

我们对基于神经网络的字符识别算法更感兴趣。接下来,我们介绍两个相对简单和通用的算法和一个基于神经网络的字符识别算法。

一、模板匹配车牌字符识别

中国车牌字符模板分为汉字、英文字母和数字模板,构建统计方法并保存在数据库中。使用模板匹配字符模板和标准化车牌字符匹配来识别字符。

二、车牌字符识别与功能匹配

车牌识别方法有很多个性特征,大致可以分为结构特征、像素分布特征和其他特征。

在这里,我们打算重点突破神经网络方法,因为人工神经网络技术的大规模并行分布式处理能力、高鲁棒性和自学习联想功能的非线性描述适用于具体步骤如下:

此外,我们将尝试组合各种算法,以避免非线性时变大系统的仿真和在线控制。弱点,如:遗传算法和人工神经网络的结合,遗传算法的并行计算,可以快速利用全局搜索,神经网络可以克服速度慢、容易陷入局部干燥的固有缺点。

我们还是大二的专业基础课,光知道最新的图像处理算法是不够的。我们将选择最佳方案并在实际操作中结合我们的系统功能,提出改进建议。/a & gt;

第二部分:车的颜色和logo。

①体色识别

颜色特征的大小取决于图像本身、方向、角度等微小而强大的优势,在基于内容的图像检索技术和智能交通系统,以及大量I-system行业(如造纸、纺织、印刷等)中有着非常重要的应用。).长期以来,由于各种原因,提出了大量的颜色空间模型,主要可以分为三类:第一类是基于人类视觉系统(H VS),包括RGB、H SI颜色空间和M UNSELL颜色空间;第二类是基于具体应用的色彩空间,包括电视系统、摄影行业使用的YUV和YIQ,柯达印刷系统使用的YCC和CMY(K)色彩空间;第三类是CIE颜色空间(CIE XYZ,CIE Lab,CIE LUV等。).这些色彩空间的优缺点及其在各自领域的重要作用。

RGB颜色空间,RGB打算用我们的系统。颜色空间广泛应用于计算机相关领域,比如常见的CRT显示器,RGB颜色空间中的颜色值,每?r、g、b通道的值的组合?按照惯例,相应的通道值通过图像采集卡或CCD传感器中的光感受器,以及其他类似的设备,通道值在哪里?入射光及其对应的光敏函数值和表达式:R =

G =

B =

其中S(A),G(A)和R(A)的频谱,B(A)是具有R,G和B的灵敏度函数的传感器,从上面的公式可以看出,颜色空间是在计算机中计算的,因此它取决于设备,并且与特定捕获设备的感光功能相关联。但是,因为它是一个容易获得的RGB值,通常可以用来表示其他颜色空间,所以转换后的RGB值是什么呢?其他颜色空间值的RGB颜色空间标准色差定义为:

)

对不同颜色有主观感受的人,为了体验颜色识别子系统中的色差和色差公式,可以更好地表达:

我们打算设计的体色识别系统主要包括以下四个步骤。

1。体色识别区域的选择

为了准确地识别域名?体色的选择和确定。面对前面实验中汽车靠近排气的风扇部分。

2。颜色直方图计算

计算所选区域的颜色出现次数。在实际应用中,由于其他元件值?颜色空间模型可以是RGB值的简单计算,颜色直方图的计算只针对RGB颜色空间模型。

3。色差计算

根据各颜色空间模型的色差计算公式,计算色差的颜色模板。

4、颜色识别

根据样本颜色和标准颜色的颜色空间模型的结果,在相应的分量中选择在先前步骤中计算的像差作为识别结果的最低值。

②.不要识别汽车。

不可否认,自动车牌和车辆主体的实时识别对于准确识别系统和车辆类型至关重要。提出的车牌定位算法可以分为两类:基于黑白图像的车牌定位算法和基于彩色图像的车牌定位算法。黑白图像可以分为多种类型,如基于自适应能量滤波的车牌定位算法、基于二进小波变换和形态学处理投影的车牌定位算法和基于遗传算法的车牌定位算法。

车牌定位算法各有利弊,但在某种程度上是车标定位的标杆。

车标的定位和识别在国内外都是一个比较新的领域。相似车标固有的特殊性:目标、大小和灯光效果、背景不统一,不同车企车标的形状和大小不一致,难以准确定位和识别。

车牌定位分为车标识别,其主要步骤如下:

(1)根据车牌的纹理特征,在多分辨率分析的基础上快速获得车牌区域;

(2)前置定位:OTSU二值化图像二值化算法,根据前方区域?更高的能量越来越集中,然后用二值投影结合车牌位置信息快速定位前方;

(3)轴线定位:在前区,按轴对称定位前轴;

(4)汽车标准的粗定位:基于定位前汽车标志车牌的先验知识,获得汽车标志的经验搜索矩形;

(5)第一步(4)基于车标的定位精度,利用纹理特征的汽车标准对车辆主体进行精确定位。晚会由两个步骤组成:车标区域在垂直方向具有高能量和相对集中的特点,车标识别系统的重要组成部分机动车识别系统,车牌识别,还包括两个公司定位识别的形态滤波和自适应汽车时间定位问题;用于车标精确定位的改进模板匹配算法。关键技术。图为该车的logo图案。

在其他系统中,典型的目标识别系统包括在线和离线训练期间的识别过程的结构示意图。在训练过程中,对汽车标准样本人工采集的图像进行大规模的归一化和标准化处理,例如在处理之前,以获得汽车标志的标准模板库和模板提取。汽车标志标准模板库的模板不仅可以定位汽车标志,还可以用于特征提取。在定位过程中,除了需要导入的图像外,还要输入带有车牌位置信息的车辆。由于各种汽车标准都没有一个稳定的纹理特征,与尺寸和形状相同,所以特征匹配或者直接用模板定位车标是非常困难的。因此,需要充分利用先验信息,基于图像处理技术和模板匹配的车牌定位、对称粗定位和精确定位。车标定位后的车标识别问题转化为2D形状识别问题,可以通过模板匹配来实现。然而,实际的图像采集经常受到光线、噪声和局部遮挡的影响,这形成了类似的问题。传统的模板匹配方法很难达到满意的识别效果,因此通常需要一种合适的特征提取和识别方法来辅助车标识别,提高识别率。

第三部分:嵌入式BR />在悠久的历史和普遍性的基础上,嵌入式系统应该定义为:“嵌入在一个对象系统中的专用计算机系统。”“嵌入式”、“私有”和“计算机系统”是嵌入式系统的三个基本要素。目标系统嵌入在主机系统的嵌入式系统中。核心

嵌入式系统是一种嵌入式微处理器,它有四个优点:

(1)具有很强的支持实时多任务的能力,可以进行多任务处理,将中断响应时间缩短到最小,从而使得实时操作系统的内部代码和执行时间;

(2)强大的内存保护功能。

(3)可扩展的处理器架构,可以快速扩展以满足高性能嵌入式微处理器的应用;

(4)嵌入式微处理器的功耗很低,尤其是在依靠电池供电的嵌入式系统中,尤其是在便携式无线和移动计算和通信设备中,功耗只能是μW甚至水平,这在能源日益稀缺和昂贵的时代无疑是具有诱惑力的。

此外,嵌入式实时操作系统提高了系统的可靠性。这些都值得做一个嵌入式车牌识别系统。

通常,车牌和车标识别算法考虑了大量的计算,但同时,要满足实时性的要求。因此,我们将采用32位ARM嵌入式微处理器为核心单元,时序控制单元CPLD,基于ARM9sS3C241C的嵌入式图像采集处理系统,嵌入式Linux操作系统,充分利用ARM的设备、能力和低功耗的特点,实现并行数据总线/USB数据接口图像访问、快速图像处理、图像信息压缩本地存储和基于IP的小尺寸数据传输。该系统允许整个系统简化电路并降低资源强度。构成

系统设计了整个系统的U SB图像采集子系统、ARM处理子系统和网络数据传输子系统。摄像头采集的实时视频数据通过USB传输到ARM处理板,ARM处理板内嵌Linux操作系统。快速成像算法处理图像序列并采取适当的措施。根据处理结果,网络传输子系统可以对数据进行处理,上传到监控中心进行进一步的后续处理。系统结构如图所示。

ARM的图像处理子系统采用S3C 2410处理器,满足所需图像处理速度的USB图像访问可以保证图像传输速度,并扩展64M SD RAM和64M flash存储器。大容量RAM可存储多幅图像,便于图像分析处理和无线网络接口的数据网络管理。

当然,以上只是我们的初步设想,是在大规模实验中论证和优化的!

附录三:时间表

1。15天左右买一些基本的实验用品。

2。腾出时间学习必要的知识。

3。在7个月左右完成程序,解决软件问题。

从硬件方面来说,完成公司生产的样机需要一年左右的时间。

5。

6。