基于FPGA的车牌识别系统

《基于FPGA的车牌识别系统》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于FPGA车牌识别系统指导老师：翟建芳小组成员：邹玉龙苟旭博于洋李少华项目背景随着经济与生活水平的提高，车辆的数目日益增多，对车辆的自动化管理显得日益重要。总体上看，对车辆的管理，已经成为国家交通运输的重要内容。传统的车辆管理系统是在对图像进行采集后进行存储，之后传送至计算机内进行人工识别。如果单靠人工进行管理，浪费了大量的精力与物力。很显然，传输图像有许多多余，而且这种工作对于人类来说很枯燥与无价值。项目产品特点本系统采用FPGA来做车牌自动识别，能在以下几个方面应用并体现出优越性：停车场乱停车辆

2、：在交通不是繁忙地段可以传输文字。车辆的追踪：可以根据该车辆在数据库的信息，查出该车出现过位置节约存储空间节约人力资源体积小，可靠性高理论基础模式识别、数字图像处理、数字信号处理以及概率统计理论基础，通过FPGA的灵活编程实现自己计算方法。通过功能仿真、综合后仿真和时序仿真后，确保编写出的模块正确性，就可以把编写好的各个功能模块下载到FPGA内部或者片外的配置器件中。硬件平台FPGA(现场可编程逻辑阵列)本系统采用Xilinx公司SPARTAN-3E和Virtex-5进行测试，Virtex中嵌入了Po

3、werPC处理器，在SPARTAN-3E上使用Microblaze软核系统开发，在Virtex-5中实现软件硬件化。开发流程FPGA系统开发流程可分为软件与硬件，从硬件寄存器操作和算法程序代码编写两方面进行开发。软件平台*)XilinxISE：仿真，对算法、关键路径、流水线、有限状态机等优化，软核与EDK的应用。*)Synplify：综合下载到FPGA*)Modelsim：功能仿真*)XilinxAccelDSP:数字信号处理工具*)Xilinxplatformstudio(XPS):在集成环境GUI

4、中创建完成嵌入式设计*)Xilinxsoftwaredevelopmentkit(SDK):对XPS的一些补充，包括中断定时器控制等*)可编程网表构造(platformgenerator):以及验证测试软件系统功能确定图像数据传送到FPGA上，通过算法实现将车牌上字符显示在LCD上研发预期成果系统指标性能：以O（n）=1s实现识别功能。成本：spartan-3e(700元)virtex-5(10290元)；开发人员费用（0元）；模式识别、数字图像处理视频（0元）；相关FPGA书籍以及网络资源（0元）；

5、功耗：本身传输字符小容量并且使用交流电。功耗因素影响较弱。可靠性：达到60%识别率，车牌倾斜角度不超过10度内，可以成功识别。系统阶段产品时间阶段分析阶段一：理论调研对车牌涉及的图像、算法、模式识别、FPGA、总线协议知识进行调研作为理论基础。阶段二：分割字符将图像数据输入FPGA中，基于常用的垂直投影算法，使用变换的分割阈值，经过迭代循环，达到字符分割。阶段三：识别车牌上的字符由字母，数字，汉字构成。由模式识别中的聚类来看一共是26+10+34个聚类中心，对采集来的数据进行滤波等处理后进行聚类结构匹

6、配，由于已知是70个聚类，所以采用K均值聚类法来进行分类决策算法：在FPGA上使用软核对其进行K均值迭代计算，将样本与已经有的聚类通过最小距离进行匹配。这里K中聚类的数目、初始值、模块集合分布会影响算法速度，如果可以优化出能快速选中相邻的聚类，可以大大的提高实时要求。阶段四：定位车牌的提取，采用多个特征（颜色分量，灰度图，形状大小）进行对车牌的定位提取出车牌图像，FPGA上并行处理后给出决策判定。阶段五（*）：传输通过通信协议进行对经过处理的图像数据与PC的互联。关键技术分析字符分割：将背景中有意义的

7、单个字符提取出来，为识别打下基础。字符分割技术有许多比如：车牌区域纹理特征、数学形态学、Hough变换都能分割字符。本系统字符分割流程：二值化->搜索字符边界->执行分割由于字符块在竖直方向上的投影必然在字符间取得局部最小，因此字符正确分割位置应该在上述局部最小值附近，所以采用垂直投影方法实现。这里是基于车牌已经定位情况。明确白色灰度值255，黑色灰度值0。分割流程：二值化->搜索字符边界->执行分割*)二值化：将灰度图像选取一个适当的阈值变为黑白图像，可以根据需求设置不同的阈值以便进行分割。*)寻找

8、字符边框：竖直扫描图像出现灰度值连续超过某个定值，确定上下边界；横向扫描图像出现灰度值连续超过某个定值，确定左右边界。也可以采用Hough变换（原坐标系下对应的线在参数左边系下呈现成点）求得。*)字符分割：垂直投影就是竖直边界内扫描，小于某个定值即进行分割。字符识别：由于涉及模式识别、图像处理、人工智能、计算机等学科，识别方法多种多样。主要识别方法有：统计识别、结构识别、神经网络字符识别、模板匹配字符识别。由于图像环境复杂，统计和结构识别两种传统方法并不