基于labview的车牌识别

会计学1基于labview的车牌识别

随着21世纪经济全球化和信息时代的到来，计算机技术、通信技术和计算机网络技术迅猛发展，动化的信息处理能力和水平不断提高，并在人们社会活动和生活的各个领域得到广泛应用，高速度、高效率的生活节奏，使汽车普及成为必然趋势。

智能交通系统(IntelligentTransportation

System，简称ITS)是20世纪90年代兴起的新一代交通运输系统。它可以加强道路、车辆、驾驶员和管理人员的联系，实现道路交通管系统的背景及意义第1页/共18页论文的结构和主要内容第一部分第二部分第三部分第四部分labview与imaq概述车牌识别系统的基本识别过程系统应用方式致谢第2页/共18页labview

matlab与imaqLabVIEW是美国国家仪器公司研制的一种基于图形化编程语言的开发系统。LabVIEW提供了丰富的数据采集、存储的库函数,为用户提供了实现仪器编程与数据采集的便捷途径,设计者无需写任何文格式的代码,而是使用图形化的符号来描述程序的功能IMAQ

Vision工具包中含有300多种机器视觉和科学图象处理的函数库,在LabVIEW中增加了机器视觉和图象处理的功能,提供了大量的图象预处理、图象分割、图象理解函数库和图形化的工具模块,用户只要在流程图中用图标连接器将所需要的子VI连接起来,就可以完成对获得图像的预处理、理解,从而实现机器视觉。与用传统的语言进行图象处理系统的开发相比,大幅度地降低了难度和开发周期。Matlab是一种功能强、效率高、简单易学的数学软件,有可靠的数值计算和符号计算功能、强大的绘图功能、简单易学的语言体系以及为数众多的应用工具。第3页/共18页系统工作原理oonn强强大大的的图图牌牌当车辆进入拍摄区域时,传感器检测到通车辆的信号,CCD摄像机被触发拍照,拍摄的照片通过图像采集卡将拍摄的图片传入计算机;在

LabVIEW平台上,利用IMAQ

Visi像处理功能,进行图像预处理、车定位处理、字符分割处理、字符识别处理,最终得到通过车的牌照号码。系统工作原理图如右图所示第4页/共18页系统工作流程◆图像预处理程序对获取的车牌图像进行滤波、边界增强、灰度化等处理,以便进行后续的处理。◆车牌定位模块从处理后的图像中找到车牌区域的位置并进行标记,将车牌区域从复杂的背景中分割出来,它是车牌字符识别的前提,也是车牌识别的关键技术。◆字符分割是将已提取出的车牌区域分割成单个的字符。字符识别模块是车牌识别系统的核心模块之一,其算法的优劣直接影响到系统识别率的高低。在字符识别过程中,由于实际使用条件存在诸多干扰因素,这些对识别算法提出了很高的要求。识别流程图第5页/共18页图像预处理◆预处理流程为：先选取一张图片，然后进行读取操作，重新定义图像大小然后进行灰度化，提取绿色分量，然后输出到下一帧。这一步骤可以大幅度地改进和完善车辆图像，尤其是车牌区域的图像清晰度，能够更好的识别图像。◆灰度化：彩色图像包含着大量的颜色信息，不但在存储上开销很大，而且在处理上也会降低系统的执行速度。由于图像的每个象素都具有三个不同的颜色分t，存在许多与识别无关的信息，不便于进一步的识别工作，因此在对图像进行识别等处理中经常将彩色图像转变为灰度图像，以加快处理速度。右图为灰度化的程序框图第6页/共18页车牌定位处理车牌定位模块从处理后的图像中找到车牌区域的位置并进行标记,将车牌区域从复杂的背景中分割出来二值化图像能有效地将背景和目标区分开来。为了突出车牌图像特征,便于进行车牌识别,需要把车牌图像二值化。图像的二值化一般在图像灰度操作之后进行,通过搜索产生0和1间的跃变位置,快速准确地提取目标区域边界像素点,从而得到仅有

0和1两个灰度值的黑白图像右图是经过二值化得到的图像第7页/共18页车牌定位处理和labview与matlab混合编程

图像经过二值化后，就可以进行车牌定位。通过对比原始图片，我们可以发现二值化

后的图像已经很接近正确的车牌位置了，

因此后期处理将通过这张图来找出车牌位

置。

LabVIEW集成了大量图形界面的模板,自身

功能强大,在测试与测量、过程控制与处理、科学研究和分析等方面有广泛的应用。但

是,在实际应用中,对第8页于/共18页一些需要进行大量数据运算处理的复杂应用,LabVIEW并不能很

好的满足系统对运算速度等方面的要求。车牌定位处理ab脚右图为labview中的matl本服务器第9页/共18页字符分割◆为了从图象中提取出字符,可以使用阈值分割的方法。阈值化分割算法是图像分割中应用数量最多的一类。即是根据阈值将图像二值化，分析二值化图像特征，按特征分割图像。阈值处理是一种区域分割技术,依靠阈值范围分割目标图象和背景图象◆在IMAQ

Vision中,由用户指定最大值和最小值,它们之间的值设为1,其它为0。自动阈值方式可自动生成不同阈值范围,适用于照明条件变化较大的情况右图是阈值分割后的图像第10页/共18页字符识别处理

目前用于车牌字符识别（OCR）中的算法主要有：基于模板匹配的OCR算法和基于人工神经网络的OCR算法。

基于模板匹配的OCR的基本过程是：首先对待识别字符进行二值化并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果

用人工神经网络OC第R11进页/共1行8页字符识别主要有两种方法：一种方法是先对待识别字符进行特征提取，然后用所获得的特征来训练字符识别处理

在进行字符识别前,需要对要识别的字符进行训练,作一个标准的字符集。字符训练的目的是使随后的读程序能识别其它图象中的相同字符。在本系统中,使用OCR

Training

Interface完成字符的训练

该接口主要完成训练和编辑字符两个过程。在第12页/共18页字符识别处理下图为字符识别的流程图第13页/共18页识别结果系统分。像，图像，车牌如右图图GUI所示，界面主要分为四大部最左为所选车牌原图右上为车牌定位后的右中为车牌分割后的图像，右下为系统识别的车牌号码。第14页/共18页软件演示第15页/共18页系统的技术指标识别率自然交通流量的识别率=全牌正确识别总数/实际通过的车辆总数可识别车牌照的百分率=人工正确读取的车牌照总数/实际通过的车辆总数可识别全牌正确识别率=全牌正确识别的车牌照总数/人工读取的车牌照总数识别速度识别速度决定了一个车牌识别系统是否能够满足实时实际应用的要求。一个识别率很高的系统，如果需要几秒钟，甚至几分钟才能识别出结果，那么这个系统就会因为满足不了实际应用中的实时要求而毫无实用意义后台管理后台管理的功能包括：识别结果和车辆