PAGEPAGEI基于視頻識別的停車扣費系統(tǒng)的軟件流程設(shè)計目錄TOC\o"1-3"\h\u29642基于視頻識別的停車扣費系統(tǒng)的軟件流程設(shè)計 14841.1車牌圖像采集 2317691.2圖像二值化 282271.3車牌定位 3152251.4車牌字符分割 4217041.5車牌字符匹配 5此次課題設(shè)計開發(fā)的單片機(jī)各個模塊之間的功能及實現(xiàn)方法采用了C語言來進(jìn)行開發(fā)實現(xiàn),對于國內(nèi)大多數(shù)類型的嵌入式單片機(jī)來說,使用了C語言在實現(xiàn)功能上、可讀性、可直接移植性、結(jié)構(gòu)性、可再維護(hù)性上會有更加明顯突出的應(yīng)用優(yōu)勢。而單片機(jī)要求對實際程序執(zhí)行功能,但在程序的編制以至程序的燒錄等功能,也需要專門的軟件進(jìn)行，對單片機(jī)編寫程序常用的軟件也不是很多,不過目前來說現(xiàn)階段接觸較多的還是Keil軟件,因為這款軟件頁面簡單,易于使用,針對需要展示的文字部分還能夠通過不同的色彩加以標(biāo)識。增加了程序的可讀性,使其對特定程序的查詢有了極大的方便。并且Keil可以完成從編輯、編譯、到連接、調(diào)試的一套開發(fā)流程。編程中還可以用到在線仿真,程序的在線仿真能夠即時找到編程中存在的邏輯問題,同時也能夠監(jiān)控程序在運行時各個變量的變化情況,從而更加詳細(xì)全面的掌握了單片機(jī)內(nèi)部的工作過程及其管理流程,從根本上發(fā)現(xiàn)了程序的問題所在?？偟膩碚f,Keil軟件功能十分強(qiáng)大,提示也很清晰,能夠?qū)Τ绦虻木帉懞统绦蛑械腻e誤進(jìn)行修改。車牌識別整體程序的框架如下圖所示。圖4-1車牌識別軟件程序框圖1.1車牌圖像采集在本次課題設(shè)計中實現(xiàn)車牌圖像采集過程的主要方法是，通過OV7670攝像頭進(jìn)行QVGA格式的圖像數(shù)據(jù)的采集，采集到的像素格式為RGB565。收集到的圖像中每個像素都是由兩個字節(jié)進(jìn)行組成，其中第一字節(jié)的高五位表示R，而第一字節(jié)的低三位和第二字節(jié)的高三位組成G，最后第二字節(jié)的低五位是B。當(dāng)成功收集到車牌圖像后，后續(xù)步驟就是通過STM32單片機(jī)對收集到的圖像進(jìn)行讀取，并且通過把圖像數(shù)據(jù)進(jìn)行特殊處理后，在顯示到TFT顯示屏上。1.2圖像二值化本次課題軟件設(shè)計的流程中車牌圖像的二值化極其重要，因為車牌的圖像經(jīng)過二值化后，能把與車牌字符無關(guān)的信息過濾掉，使系統(tǒng)的處理速度更快一點，并且二值化的圖像與后續(xù)的步驟息息相關(guān)，如果二值化不好，會影響到車牌的定位，分割和匹配。車牌圖像的二值化是OV7670攝像頭在采集車牌圖像數(shù)據(jù)的過程中就進(jìn)行。具體步驟是對所采集的車牌圖像中的每個像素點進(jìn)行二值化處理。而二值化的處理是設(shè)置閾值，當(dāng)閾值設(shè)置好時，最后會得到一副含有車牌字符的黑白圖像。1.3車牌定位通過上述的步驟獲得到經(jīng)過二值化的圖像后，需要進(jìn)行圖像信息中車牌區(qū)域的定位。對車牌區(qū)域的定位原理是通過跳變點來進(jìn)行分析，因為圖像信息經(jīng)過二值化后，只有車牌的區(qū)域會存在多個的跳變點，因為車牌是由漢字、數(shù)字、英文等字符構(gòu)成，所以二值化后該區(qū)域的跳變點也會是很多的。通過分析可以得知當(dāng)連續(xù)行的跳變數(shù)大于15左右時，說明該區(qū)域存在有效的信息，即存在車牌字符，通過此方法能得到車牌區(qū)域大致的上下邊界。本次課題程序?qū)嚺频木唧w分析為，當(dāng)連續(xù)行中存在這很多個跳變點大于15個的位置，把跳變點大于15個的起始位置設(shè)定為車牌區(qū)域的上邊邊界Y_up，在結(jié)束的位置設(shè)定為車牌區(qū)域的下邊邊界Y_down，為了獲得完整的車牌圖像把上下邊界分別移動幾個像素，使車牌區(qū)域完整為使車牌上下邊界區(qū)域直觀的顯示出來，通過程序畫兩條藍(lán)色的線框住車牌的上下區(qū)域。在完成車牌區(qū)域的上下邊界后，進(jìn)行車牌區(qū)域的左右邊界確定，通過RGB-HSV顏色轉(zhuǎn)換，正確的識別出車牌區(qū)域的左邊邊界X_left和右邊邊界X-right，同理為使車牌區(qū)域完整，也左右各移動幾像素。通過以上步驟，就可以完整的獲取到車牌區(qū)域的準(zhǔn)確邊界。RGB中對于紅、綠、藍(lán)三個色彩，根據(jù)亮度的差異，可劃分為256個亮度級別，所以RGB顏色空間中所有分量的取值范圍均為0到255。這樣，當(dāng)紅綠藍(lán)分量全部結(jié)合起來，以后就一共能顯示256*256*256種不同的色彩，并由此形成視覺上更為豐富而廣闊的色彩。HSV顏色空間模型如圖4-2所示。圖4-2HSV顏色空間模型圖而在對車牌區(qū)域的左右劃分上也需要采用到RGB-HSV顏色轉(zhuǎn)換，在這里HSV則是以色調(diào)(Hue)、飽和度(saturation)和亮度(value)三種顏色的分量組成這一個顏色空間。所以在選擇顏色的時候，一個很常見的方法就是將RGB顏色空間轉(zhuǎn)換到HSV顏色空間上，然后再作進(jìn)一步的處理。此次課題的設(shè)計也是如此操作實現(xiàn)。在完成顏色空間中色彩的轉(zhuǎn)換計算之前，就必須將每一種顏色的分量值加以歸一化，換句話說就是把RGB顏色空間中的色彩分量進(jìn)行歸一化處理，通過對各種顏色分量除以255來進(jìn)行。RGB到HSV色彩空間的轉(zhuǎn)換具體關(guān)系如下圖表格所示：圖4-3RGB-HSV轉(zhuǎn)換關(guān)系圖(1)(2)(3)1.4車牌字符分割通過上述步驟就能完整的獲取到車牌準(zhǔn)確區(qū)域，在進(jìn)行車牌區(qū)域字符的分割。分割方法為通過二值化分析對每個車牌字符進(jìn)行畫線分割。而在車牌字符分割的處理過程中最具體的方法是通過二值化獲取跳變點，在取到跳變點之后在起始位置畫一條藍(lán)色線設(shè)為字符的左邊邊界kk，終止時設(shè)置為字符的右邊邊界k，同樣的畫一條藍(lán)色的線，最后經(jīng)過上述操作，當(dāng)成功畫線16條時，說明最后分割出來的字符數(shù)量為8，因為普通車牌的字符數(shù)為8，所以說明了字符的分割十分準(zhǔn)確。通過以上步驟對車牌字符分割的主要目的是為了對下一步車牌的字符匹配分析做好準(zhǔn)備工作。1.5車牌字符匹配（1）字符預(yù)處理本次課題設(shè)計所采用的是先通過取模軟件提取的字符作為模板，其提取的字符大小為寬度24高度50。而通過前文獲得到的單個字符大小與取模軟件提取的字符模板大小是不一致的，換句話說從車牌字符分割后獲得的字符大小并不是24*50的大小，所以沒有辦法與取模軟件提取的字符模板進(jìn)行直接的識別匹配，為了解決這問題，所以要先做好車牌字符的預(yù)處理步驟。此次課題中講到的字符預(yù)處理的方法，主要是對所有車牌的字符進(jìn)行統(tǒng)一的歸一化處理即可。車牌字符的歸一化處理，換句話說就是把提取的車牌字符進(jìn)行統(tǒng)一的轉(zhuǎn)換，使其最終能得到24*50大小的圖像。而此次課題中歸一化的算法是最近鄰算法，通過最近鄰插值使車牌字符分割后的圖片，變成20*50的圖像大小與模板大小一致。之所以采取最近鄰算法，是因為這種算法，計算量小，算法簡單，所以運算速度也會較快。（2）模板匹配通過上述步驟，把車牌圖像分割后的字符取出來對模板進(jìn)行匹配，這便是模板匹配。而現(xiàn)在市場上模板匹配的算法主要是分為兩類，分別是基于目標(biāo)匹配算法和基于人工神經(jīng)網(wǎng)絡(luò)算法。其中基于神經(jīng)網(wǎng)絡(luò)的算法又可以劃分為兩種，其中一種的方法主要是通過對車牌字符的特征進(jìn)行提取，然后再用提取出來的特征對神經(jīng)網(wǎng)絡(luò)分配器進(jìn)行大量的訓(xùn)練；而一種方法則是直接把需要處理的車牌圖像直接的輸入到網(wǎng)絡(luò)中去，然后通過網(wǎng)絡(luò)自動的對車牌圖像的特征進(jìn)行提取直到成功的識別出正確的結(jié)果為止。神經(jīng)網(wǎng)絡(luò)算法雖然能很好的識別出車牌并進(jìn)行匹配，但因其需要大量的車牌圖像進(jìn)行訓(xùn)練，且會丟失信息與本次課題的設(shè)計不符合，所以本次模板匹配采取基于目標(biāo)匹配算法實現(xiàn)其功能。模板匹配流程圖如下圖所示。圖4-3模板匹配流程圖本次課題設(shè)計中模板匹配的具體做法是通過車牌字符與模板字符進(jìn)行相對比，最后選出相似度最大的字符進(jìn)行輸出。車牌字符進(jìn)行模板匹配的具體做