原文传递
基于ZedBoard的车牌定位与字符识别系统设计与实现
| 论文题名： | 基于ZedBoard的车牌定位与字符识别系统设计与实现 |
| 关键词： | 交通管理;车牌定位;字符识别系统;功能模块 |
| 摘要： | 随着我国经济的飞速发展，智能交通系统ITS(Intelligent TransportationSystem)已是未来交通监管系统中的主要发展趋势。而车牌识别技术LPR(LicensePlate Recognition)是ITS核心技术之一，研究和开发车牌识别系统对我国交通管理领域的发展有重要的意义和应用价值。 通过查阅国内外相关文献可得，目前大部分车牌识别系统是基于PC机软件实现的，接口和功能固定，可升级性差，车牌识别技术还有进一步完善的空间，尤其在自适应性、识别速度和准确率等方面仍需要更深入的研究。因此，本文提出了基于ZedBoard开发板的车牌定位与字符识别系统，充分利用开发板上的双核ARM Cortex-A9处理器和FPGA，采用软硬件协同设计的方式实现系统的功能，极大的改善了识别速度，同时很好的满足了系统要求。 本文提出的车牌识别系统主要由车牌定位模块、字符分割模块和字符识别模块组成。通过对以上模块关键技术的研究，本文提出了行之有效的解决策略。首先在车牌定位方面，本文提出了颜色和纹理相结合的车牌定位方法。采用VerilogHDL硬件描述语言实现了车牌候选区的提取以及车牌水平倾斜角度和垂直倾斜角度的检测，极大的提高了定位速度和准确率。其次在车牌字符分割方面，本文对直接投影法做出了改进。通过图像预处理去除车牌边框和铆钉，然后通过改进后的投影算法实现字符切割，该算法能从根本上克服因字符粘连和字符断裂导致分割错误的缺点，有效提高了字符分割的准确率。最后在车牌字符识别方面，本文结合特征提取和BP神经网络算法，首先对字符图像进行预处理和归一化操作然后提取汉字字符的粗网格特征和外围特征，字母数字字符的粗网格特征和笔画密度特征，最后设计BP神经网络对字符进行识别。 此外，本文还实现了Linux操作系统以及OpenCV与QT函数库的跨平台移植，并编写了相关测试控制模块。经测试表明，本系统的定位准确率达到90％以上，识别的准确率能达到89％以上，系统的平均运行时间为2s左右，满足了系统性能要求，达到了预期设计目标。 |
| 作者： | 刁丽芳 |
| 专业： | 电路与系统 |
| 导师： | 李晶皎 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东北大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
