十一、研究计画中英文摘要.doc

PAGE I PAGE V 摘 要 自動化車牌辨識是一套專門辨識與記錄車輛牌照系統，其過程分兩階段，第一階段之車牌字元擷取是應用圖像灰階化、圖像二值化、交越特性及投影分析等運算法則找出車牌上6個字元的位置；第二階段的字元辨識是利用類神經網路或是樣板比對等方法作每個字元的辨識。 上述車牌字元擷取或字元辨識使用到的各種運算法則皆引伸出大量資料之重覆運算，目前多使用相關PC組成之電腦系統作軟體處理，如欲充分發揮車牌辨識系統的功能應將之小型化或作為可攜式系統，讓它廣泛使用於各種停車場管理，甚至可輔助相關警政之車輛查緝以方便車輛管理。 FPGA（Field Programmable Logic Array）是將上述軟體程式作成硬體電路小型化的重要方法。本研究是利用類神經網路中的小腦模型（Cerebellar Model Articulation controller，CMAC）作成字元辨識的方法，利用FPGA作成硬體電路以達到小型化與快速運算的目的。 CMAC是1975年Albus根據Marr的小腦皮質模型發展出來的數學演算法，由於沒有涉及到艱深的數學運算與構造簡單，正好適用於作硬體化，且CMAC學習時具有快速收斂、良好的類化能力（generalization）等優點，故常被應用在機械手臂控制及機器人步行控制等非線性系統。 在實驗50張自用小客車的車牌中，使用軟體模擬的車牌辨識系統有5張車牌辨識錯誤，車牌辨識率為90%；在50張車牌的300個字元中，有5個字元辨識錯誤，總字元辨識率為98.3%，辨識錯誤的情形為“0”誤認為“D”及“1”誤認為“I”；另外，在硬體實驗的車牌辨識率為70%，總字元辨識率為92.3%，其中“0”字元的辨識率為0%。晶片設計所使用的Gate Count為11,420。 關鍵詞：可程式閘排列（FPGA）、圖像處理、類神經網路、 小腦模型（CMAC） Abstract Vehicle license plate recognition is a system especially for recognizing and recording the car license plate. The whole process can be accomplished by two steps namely, the car plate catching and the character recognition. The first step, or plate catching step, applies the image processing technologies, such as color graying, image binarization, edge detection, crossing characteristics, to locate the license plate and the six characters on the plate from an image picture of a car. The second step, or character recognition step, applies the technologies such as Neural Network, Template Matching for pattern recognition to identify each character found from the first step. The technologies used by plate catching and character recognition are actually using the algorithms that need large quantity of data transfer and massive repeated mathematical calculations. Currently the plate recognition system is used mostly in big parking area or in free way turnpike. They are large PC related compute network system. If the system can be made small or even portable, then it can be more widely used in car parking or help in charging of high way car patrolling. FPGA (Field Programmable Logi