人工智能综合项目开发- 课件 项目八 车牌识别闸机控制系统模拟实验.pptx

人工智能综合项目开发;;项目八车牌识别闸机控制系统模拟实验

项目分析

智慧停车场管理系统首先实现车牌数据采集；然后利用深度学习神经网络算法进行车牌检测和车牌识别；然后根据识别结果对闸机进行控制，以及LCD屏幕显示车牌识别结果。

学习神经网络数学模型基本概念；

学习损失函数、优化器的基本概念；

掌握神经网络模型训练的基本流程；

掌握使用神经网络解决车牌识别问题的方法；

掌握嵌入式系统开发基本流程。

1.车牌识别概述;车牌识别系统是计算机视频图像识别技术在车辆牌照识别中的一种应用，能够将运动中的车辆牌照信息（包括汉字字符、英文字母、阿拉伯数字及号牌颜色）从复杂的背景中提取并识别出来，通过车牌提取、图像预处理、特征提取、车牌字符识别等技术，识别车辆牌号、颜色等信息。目前对车牌的字母和数字的识别率均可达到99%以上。

根据应用条件和要求的不同，车牌识别产品也有多种类型。从实现模式来说，分为软识别和硬识别两种。

软识别即车牌识别软件，基本是安装的PC端、服务器端，前端硬件设备采集视频或抓拍图片，传输到后端带有识别软件识别端进行识别，这种技术多数应用在前期模拟相机时代停车场，高速公路，电子警察，但这种方式对分析端要求较高，如中间传输出现中断或者后端出现重启情况，就无法实时进行识别。特别是在一些小型场景，比如停车场，加油站，新能源电动车充电站内，PC在岗亭或者机房，经常由于温度、潮湿等条件影响，也会存在不稳定情况；另外在特定场景，由于天气、复杂环境、角度影响，识别;率迟迟达不到很高标准，所以软识别已经很少使用。

硬识别即前端实现视频图像采集处理，自动补光，自适应各种复杂环境，车辆号码自动识别并输出一体化设备，这种模式采用嵌入式技术，把深度学习算法植入到专用摄像机硬件中。具有运算速度快、器件体积小、稳定性强，自适应强等特点。

当前，车牌识别技术已经广泛应用于停车管理、称重系统、静态交通车辆管理、公路治超、公路稽查、车辆调度、车辆检测等各种场合，对于维护交通安全和城市治安，防止交通堵塞，实现交通自动化管理有着现实的意义。

车牌识别技术是智慧停车场系统中的重要组成部分。本次智慧停车场管理的第一个任务就是车牌识别模型部署，如图8.0-1所示的车牌识别系统开发流程图中，获取到车牌图像后就进行车牌识别模型部署任务。;图8.0-1车牌识别系统开发流程图

其中车牌识别模型部署主要分为三个步骤实现，首先提取出图像中的车牌大致位置；然后再利用透视变换和垂直精细绘图提取出车牌的精确位置；最后利用OCR（OpticalCharacterRecognition）字符识别方法识别出车牌号并输出。车牌提取详细流程如图

8.0-2所示。

图8.0-2车牌提取详细流程图

2.闸机控制系统概述;实现车牌识别之后就可以确定是否放行然后控制道闸打开或者关闭。闸机控制系统流程如图8.0-3所示：

图8.0-3闸机控制系统流程图

闸机系统底层功能实现结构分析流程图如图8.0-4所示，识别到车牌信息后，通过WiFi通信协议将识别结果发送给智能节点核心控制板，智能节点核心控制板再通过串口控制舵机执行器开启，同时语音识别模块自动播报闸机状态及识别的车牌和车位数信息。LCD显示屏将识别的车牌号和车位数量信息进行显示。智能节点核心控制板再将底层实现的功能数据通过WiFi通信协议上传。;图8.0-4闸机系统底层功能实现结构分析流程图

任务一车牌识别模型部署

（1）车牌粗定位

首先对车牌进行初步检测定位，检测出车牌的大致位置。对图像进行一些插补和调整图像大小比例，然后核心的部分就是cascade级联分类器的应用。这里的级联分类器是基于Haar+Adaboost构成的，也即cascade.xml文件，该文件存放了一些车牌的Haar特征。

在这里我们采用了cascade.xml检测模型，然后使用OpenCV的detectMultiscale;;;图8.0-1车牌检测判定示意图

粗定位后的图像如图8.0-2所示：

图8.0-2车牌粗定位

（2）车牌精定位

对车牌进行粗定位后，再对车牌进行精定位。这里的精定位其实就是切掉原来粗定位后车牌的多余部分，这里使用首先使用透视变换矫正车牌位置，然后调用tflite模型;实现垂直精细绘图方法输出车牌精定位。;;;;确定好车牌的位置后，对该车牌字符信息进行识别，最终输出车牌号。车牌字符信息识别采用OCR字符识别技术，也就是在不分割字符的前提下能够识别出车牌一共七个字符。传统的车牌字符识别就是先分割字符然后再逐一使用分类算法进行识别。不分割字符直接识别方式的优点就是仅需要较少的字符样本即可用于分类器的训练