基于LABVIEW的车牌识别停车系统设计说明书.pptVIP

基于LABVIEW的车牌识别停车系统设计 班级：测控技术与仪器1班 学生：曾星宇 指导老师：程跃 车牌原理概述 车牌识别设计方案 车牌识别识别过程 停车场管理系统 展望 1、设计的原理 硬件部分包括系统触发、图像采集，软件部分包括图像预处理、车牌位置提取、字符分割、字符识别四大部分 2、设计方案：不切为单个字符为特色 车牌定位是最关键步骤，本设计主要采用HSL模式下颜色阈值及形态学处理来实现的。车牌识别算法采用的是模板匹配法。 均通过LABVIEW视觉助手实现 3、为什么使用LABVIEW来开发 1、LABVIEW是图形化编程，可视化程度非常高，对编程基础要求低。 2、LABVIEW提供专门的视觉助手（NI VISION ASSITANT）,开发人员无需编程，即能快速完成视觉应用系统的模型建立 直接设置相关参数。 4.1 车牌识别过程—读取、并自定义大小 本设计统一定义为1024*768大小 由于LABVIEW的后续图像处理区域随图像大小的改变而改变，所以要将大小归一化 4.2车牌区域初步定位 4.2车牌区域初步定位 H: Hue 色相 S：Saturation 饱和度 L:Luminauce 明度 HSL色彩模式,为图像中每一个像素的HSL分量分配一个0~255范围内的强度值。HSL图像只使用三种通道，就可以使它们按照不同的比例混合，在屏幕上重颜色 常见的颜色模式有RGB H:140-170 S：80-255 L：0-255 分析优秀定位得出结果 颜色阀值 颜色阀值 高级形态学处理 Convex Hull：凸包，图形学中的概念：处理后粒子没有凹下去的地方 数学形态学的基本思想是用具有一定形态的结构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的 简单形态学中值处理 aotu median: 自动中值处理，滤去小的粒子 滤波器 处理方式为 保留一定的大小区域 这里8000~300000像素 经验值 测量XY坐标 测上下左右的极限 初步定位效果图 车牌大小归一化 车牌大小归一化 剪切掉车牌边框，特别是螺母，方便后续识别 剪切掉车牌边框，特别是螺母，方便后续识别 二值化-识别前的处理 “白底黑字”或者“黑底白字”的识别效果最好 导入二值图像-建立识别库 模板匹配法的。即先要进行模板训练，建立识别模板库后，再将需识别的字符与模板库一一比对 车牌识别库局部 实际测试结果 识别率：66/90=73.3% 59/60=98.3%。 补充测试结果 结果分析 于共计183张测评样本图像，成功定位约165张，初步验证本设计的车牌区域定位算法较为成功，但也暴露出很多问题。 最突出的问题在于：如果汽车的颜色或采集图像的背景颜色与车牌区域颜色相近，本算法不能完成定位，说明定位算法有待改进。 总的来说，在车牌区域定位提取成功前提下，车牌识别的效果主要取决于字符识别库的训练程度，即字符模板的数量，对于反复训练识别的样本，识别率高达98%，对于5.1.2的样本，由于天气光照的不同，基于原有的字符训练库直接识别的，没有学习新环境下车牌字符的特点，故识别率有所降低。 停车管理系统程序图 进门登记 NO 收费0元 YES 是否进门？ 登记 出门时间 是否包月？ YES 按时收费 收费登记 NO 等待车辆 进门或出门的车辆 识别车牌 停车管理系统测试结果 展望 1）使用摄像头直接采集车牌直接识别。 2）对车身颜色是蓝色或者说与车牌区域颜色相近的车辆，无法实现车牌定位。 3）识别车牌的需要的字符模板需求较多，应考虑模板简化的方法。 希望提出指导与建议