毕业设计（论文）-机动车号牌抓拍联网比对报警系统的研究

中国地质大学长城学院2012届毕业论文引言20世纪90年代以来，我国在基础设施的建设上加快了步伐，相比之下，道路管理监控以及科学收费软件等设施建设却显得相对滞后。针对这种情况，管理部门已着手进行诸如交通信号自适应控制系统、智能交通监控系统、GPS车辆管理及导航系统、不停车自动收费系统等智能化交通管理系统的研制，其中车辆号牌抓拍联网比对报警系统是基于GPS车辆管理及导航系统和车辆牌照字符识别技术的车辆信息综合管理系统。该系统基本工作原理为:1)当车辆驶入路卡的无线感应区，系统自动检测车辆及车主的信息，车型识别子系统同时对车辆的车型、吨位等进行鉴别。2)系统根据接收到的内容以及车型识别信息与数据库黑名单比对，并将结果回写于接受部分。3)若车辆没有违纪违规现象即正常放行，否则降下停车护栏，并向管理人员发出警报。若车辆逃遁，则启动自动跟踪摄像机拍摄车辆牌照。由于牌照是机动车辆管理的惟一标识符号，因此车辆牌照识别系统(vehiclelicenseplaterecognitionsystem)要具有较高的识别率，同时对环境光照条件、拍摄位置和车辆行驶速度等因素的影响也应有较大的鲁棒性（系统的稳定性），并能满足实时性的要求。1.1课题研究的目的意义汽车牌照自动识别报警系统是以汽车牌照为特定目标的专用计算机视觉比对报警系统。是计算机视觉和模式识别技术在智能交通领域应用的重要研究课题之一。它可广泛应用于交通流量检测，交通控制与引导机场，港口，小区的车辆管理，不停车自动收费，闯红灯等违章车辆监控以及车辆安全防盗等领域，且具有广阔的应用前景。利用车辆智能监测系统对平安大道的建设非常有意义，它可以非常迅速地捕捉到肇事车辆、违章车辆、黑名单车辆等，对公路运行车辆的构成、流量分布、违章情况进行常年不间断的自动记录，为交通规划，交通管理，道路养护部门提供重要的基础和运行数据，为快速纠正交通违章行为，快速侦破交通事故逃逸和机动车盗抢案件提供重要的技术手段和证据，对平安大道的建设、运行和提高公路交通管理的快速反应能力有着十分重要的意义。1.2研究现状基于图像处理的车牌抓拍识别技术的研究在外国起步比较早，在美国、意大利、德国、以色列、新加坡等国家，现在已经有比较成熟的产品投入使用，如美国的AUTOSCOF2003系统、以色列的Hi-Tech公司研制的See/CarSystem、德国西门子公司的ARTEM7S系统、新加坡的Optasa公司研制的VLPRS等车牌识别系统，但是因为我国车牌式样的多样性、车牌颜色的多样性以及包含汉字等特点，这些车牌识别系统并不适合我国国情。20世纪90年代以来，我国在基础设施的建设上加快了步伐，相比之下，道路管理监控以及科学收费软件等设施建设却显得相对滞后。针对这种情况，管理部门已着手进行诸如交通信号自适应控制系统、智能交通监控系统、GPS车辆管理及导航系统、不停车自动收费系统等智能化交通管理系统的研制。近几年，国内也有许多公司以及科研机构进行这方面的研究，并且有一些实用化产品，一些产品的车牌识别率都在90%以上，但是对环境要求较高，在全天候的条件下，都存在识别精度低、识别时间长等特点，车牌识别技术还存在很大的发展空间。1.3发展趋势与研究方向汽车牌照识别技术应用研究它不仅包括汽车牌照识别技术中成象技术、识别技术、工程技术，更重要包括应用好汽车牌照识别技术应用方案研究，而应用方案研究是牌照识别技术大量应用最关键内容。基于图像处理的车牌抓拍识别联网比对报警技术主要包括车牌定位、车牌分割、字符识别、信号传输、数据比对及自动报警等方面技术。1.3.1车牌的定位与分割牌照的定位与分割是牌照识别系统的关键技术之一，其主要目的是在预处理后的灰度图像中确定牌照的具体位置，并将包含牌照字符的子图像从整个图像中分割出来，供字符识别子系统识别。由于牌照图像在原始图像中是很有特征的一个子区域，确切地说是水平度较高的横向近似长方形，它在原始图像中的相对位置比较集中，而且其灰度值与周围区域有明显的不同，因而在其边缘就会形成灰度突变的边界，这就便于通过边缘检测来对灰度图像进行分割。1.3.2字符识别牌照字符识别系统的关键是字符特征提取和模式匹配，主要有以下几种方法:1)利用字符的结构特征和变换(如Fourier变换、Karhunen-Loeve变换等)进行特征提取。该方法对字符的倾斜、变形都有很高的适应性，但运算量大，对计算机性能要求较高。2)利用字符的统计特征进行特征提取。如提取字符号的投影特征、网格特征和轮廓特征组成字符特征矢量，进行特征匹配的方法，识别率就比较高。3)基于字符结构分析的识别方法。该方法可以识别有较大旋转、变形、缩放的字符图像，但需要进行复杂的字符笔划分析和抽取，对牌照字符图像质量要求较高。4)模板匹配法。由于车辆牌照字符中只有26个大写英文字母，10个阿拉伯数字和约50个汉字，字符集合较小，所以该方法对于有轻微变形、笔划缺损、污迹干扰的字符图像有较好的识别率，总体识别率超过90%，同时也可以满足实时性的要求。此外，还可以将神经网络模型运用于模式识别系统进行牌照字符识别。1.3.3信号传输、数据比对及自动报警当车辆经过红外感应区域并被摄像机捕捉到画面存储之后，处理单元将视频图像上传到处理中心计算机，中心计算机将识别之后的车辆牌照与系统数据库相互比对，查看该车是否有犯罪记录或者违规行为，如果车辆情况正常，则不发出警报，只将车辆通行记录保存记录；如果车辆有犯罪嫌疑或者属于非法车辆，则触发报警系统发出警报，并将根据GPS模块进行追踪定位，方便指挥中心对车辆的拦截与布控。2识别系统的原理和组成2.1识别系统的原理车牌自动识别系统的设备主要由触发单元、抓拍单元、处理单元组成。当车辆检测器（触发单元）给出车辆到达的信号时，抓拍单元对图像进行抓拍，包括图像序列的抓拍、补光模式的自动设计、辅助光源的控制，处理单元启动一个处理过程，使牌照识别处理过程的开始。主要工作流程是:当车辆通过关卡，经过红外线敏感区域时，传感器发送一个信号给图像采集控制部分。采集控制部分首先由控制采集设备采集一序列汽车图像送至图像预处理模块，然后再由预处理模块对输入图像进行处理后送入电脑。电脑内的软件模块从输入图像中找到字符数据，给出识别结果。车体位置传感车体位置传感光学预处理照明控制图像采集图像预处理字体切分字符识别采集控制通讯网络上级信息中心图1牌照识别系统框图2.2触发单元2.2.1触发单元硬件设计硬件部分采用红外控制，在公路的一边发送红外线，另外一边进行红外接收，当汽车经过时，红外线被遮挡，此时红外接收部分没有收到红外信号，于是向串口发送指令，来触发图像采集设备采集图象。（b）接收电路（a）发射电路图2红外控制收发电路2.2.2单片机红外控制的设计（b）接收电路（a）发射电路图2红外控制收发电路红外控制由发送和接收两个部分组成。一方面发送端采用单片机将发送的周期电平信号调制为一系列的脉冲串信号，通过红外发射管发射红外信号。另一方面目前红外接收端普遍采用价格低性能可靠的一体化红外接收头如（HS0038接收红外信号频率38kHz，为周期为26Us）接收红外信号，它同时对信号进行放大、检波、整形、得到TTL电平的编码信号，再送给单片机，再由单片机控制图像采集卡拍照。2.2.3脉冲信号的设计采用不同的脉冲宽度来表示高低电平，并周期性地发送信号。这里所发送的周期性信号的周期是5Ms，其中低电平是1MS相当于39个26US的宽度，高电平4MS是相当于154个26US的宽度。上面的39个和154个脉冲还可以适当地减少，以增加数据传输的速度。脉冲信号的调制依然由发送单片机来完成，它把所发送的脉冲信号调制成频率为38KHZ的间断脉冲串，相当于用脉冲信号乘以频率为38KHZ的脉冲信号得到的间断脉冲串，即调制后用于红外发射二级管发送的信号。脉冲信号的解调由一体化红外接收头HS0038来完成，它把收到的红外信号经内部处理并解调复原。输出的波形正好与发射的未经过调制的红外信号的波形相反，HS0038的解调可理解为在输入有脉冲串时，输出端输出低电平，否则输出高电平。2.2.4单片机红外遥控的实现单片机采用AT89C2051，它是51系列8位单片机，内部有2KB的程序存储器，外部有P1和P32个8位并口，选用晶振频率fosc=12MHZ。图2中LED是红外发射二级管P1。当7=1时NPN导通，LED通电发射红外线，实际上发射的是频率为38KHZ的脉冲串；反之三极管NPN截止。NPN截止不发射。图2中，一体化红外接收头HS0038的圆形面为红外接收面，它与LED的有效收发直射距离可达35M。2.3抓拍单元抓拍系统主要有前端监测设备，即立柱（包含辅助光源，闪光灯），高速视频摄像机，主要用于视频采集及传送和信息实时发送及存储功能。终端设备，主要对接收的信息进行汇总处理，主要有数据存储转发功能、黑名单布控、比对及报警、视频监测等功能。抓拍单元主要是在红外线感应器被触发的情况下，启动高速摄像机，闪光灯，辅助光源等对车辆图像进行抓拍，主要对车牌信息，车主信息等进行抓拍。高速摄像机与红外线感应器相联，当感应器启动时，发送一个脉冲信号给摄像机开关系统，摄像机开启并进行角度调整，光线补充，焦距调整等准备工作，然后开始采集车辆信息并存储，之后转发给处理单元进行识别处理。2.4处理单元2.4.1图像转换及压缩BMP格式的图片是以象素为单位记录图像的，每个象素点均由红、绿、蓝3色组成，每个色彩通道的颜色值均由8位字节表示。然而，除了少数文献提到可借助色彩信息对牌照进行检测与分割外，绝大多数牌照识别系统采用不含色彩信息的灰度图像，即图像中每个象素仅用1个8位字节表示其亮度值。要使处理速度达到实时的要求，就要对图像进行压缩。实验证明，16pixel×16pixel就足够保持输入字符的形状，确保识别的正确性。对图像进行压缩应选择合适的压缩比，防止丢失字符信息，造成识别错误。图像压缩的算法较多，行程编码算法(RLC)、滑动窗口压缩算法等在字符识别系统中应用较多。2.4.2图像增强由于车辆牌照识别系统需全天候工作，自然光照度的昼夜变化会引起牌照图像的对比度严重不足，若无理想的补充光，，就可能造成图像字符不清，甚至无法识别。因此，图像增强处理无论对改善牌照图像的可辨认度，还是简化字符的定位与分割，都是很有必要的。增强图像对比度的方法有灰度线性变换、图像平滑处理和线性滤波器等。2.4.3图像水平校正对车辆牌照进行拍摄时，须调整摄像机角度以保持牌照横向边缘的倾斜度尽可能小，并且让牌照在整幅图像中处于相对居中的位置，即图像的视觉中心上。但是，摄像机通常安装在路边或高处，这会产生车辆牌照与摄像头成像平面不平行、图像倾斜、图像变形的问题，影响牌照的检测与分割。针对图像旋转倾斜的问题，文献提出了基于区域生长算法的牌照校正方法。通常情况下，图像的水平校正放在牌照的二值化、分割，甚至是字符的切分之后进行，这样可使图像处理的运算量大大减少。2.4.4边缘检测车牌区域具有明显的边缘特征，因而使用边缘检测算子对图像进行边缘检测后，车牌的边界线就可以检测出来。本文使用下列算子进行水平和垂直方向边缘检测：水平方向，垂直方向Ev=[-1，1]之所以使用这两个边缘检测算子进行边缘检测，一是该算子产生的边缘宽度是单像素，这样便于下一步进行Hough变换；二是实验发现，使用该算子对车牌图像进行边缘检测具有较理想的效果。2.4.5Hough变换XPY123123θ原坐标平面Hough平面图3Hough变换Hough变换是在二值图像中进行直线检测的一种方法。Hough变换的原理如下；设平面直角坐标系XOY中有直线Y=ax+b，作变换p=xcosXPY123123θ原坐标平面Hough平面图3Hough变换2.4.6车牌定位对图像进行边缘检测后，再利用Hough变换进行共线检测，并按照一定的原则将共线的线段连接在一起，这样就在图像中形成了一系列直线段。汽车牌照是标准的矩形框，车牌的边界就是两条水平直线段和两条垂直直线段，而且两条水平边框线互相平行，起止点相同。垂直边框线同样具有这一特点。对图像中的所有直线段进行排序处理，根据前面提到的车牌特征，就可以检测出车牌的边框线，从而确定车牌的位置。目前车牌定位方法很多，基本思路是利用车牌的灰度特征、边缘特征、几何特征、频谱特征将车牌从背景图像中提取出来。(1)灰度特征法：用穿过车牌区域的水平直线，其灰度呈连续峰、谷、峰分布这一特征来实现车牌定位。该方法通过统计穿过图像水平线的灰度分布图中波峰、波谷的个数来确定车牌的大致区域;一是根据牌照区域中灰度或颜色的变化频率高低来确定牌照区域;二是也利用字符区域的水平和垂直投影呈连续的峰、谷、峰这一特征来提取车辆图像中的字符区域。(2)边缘特征法：利用车牌区域的垂直边缘比较丰富这一特征定出车牌的位置。通过垂直边缘提取和纹理分析来提取区域。该方法首先要通过检测缓冲器的位置来定出车牌的位置，对于背景复杂的情况，缓冲器的位置较难确定；用垂直片段聚类的方法提取图像中的字符，但对于前方有其他车牌干扰的情况，很难适用。(3)几何特征法利：用车牌的宽高几何特征来定位。有人提出一种提取汽车边框的定位方法，该方法首先通过提取水平边缘和垂直边缘，然后将其排列组合拼成四边形，最后根据车牌的特征筛选出真实牌照。但对于车牌边框不明显的图像与晚上拍摄的图像，车牌边框的提取非常困难；对于车牌倾斜范围较大的图像也很难定位。（4）模糊聚类法和神经网络方法：将图像从空域变换到频域进行分析，从而实现车牌定位。也有不少学者将各种智能方法相结合来解决实际问题，数定位算法是基于灰度图像的，随着计算机性能的提高和彩色图像处理技术的成熟，近年来，有些研究人员尝试了基于色彩色图像的定位方法，也有学者将车牌定位和识别结合起来，增强了定位的鲁棒性(即系统的稳定性)。2.4.7字符分割确定车牌位置后，下一步的任务就是进行字符切分，分离出车牌号码的全部字符图像。前面已经提到，车牌号码是沿水平方向成直线排列，而且所有字符图像高度相同。利用这一特点，本文采用投影方法进行车牌字符切分。首先将车牌图像沿水平方向投影，然后再将车牌图像沿垂直方向投影，见图4a，根据车牌图像水平方向的投影图确定字符图像的高度，即找到字符图像的上下边界，根据车牌图像垂直方向的投影图确定各字符图像的宽度，即找到各字符图像的左右边界，见图4b。车牌号码各字符图像的四个边界确定后，就确定了每个字符图像的高度和宽度，以及像素数量。将每个字符图像的全部像素值按照原来的位置关系写入独立的图像文件，即创建单个字符图像，为下一步字符识别作准备，见图4c。图4字符分割图像2.4.8字符识别中国的车牌号码中有三类字符：汉字、字母和数字，都是印刷体。由于汉字与其他字符相比结构复杂，数量多，因而本文对汉字和其他字符使用不同的方法进行识别。汉字识别010020000000101010000000010020000000101010000000100010000010横笔画矩阵竖笔画矩阵右斜笔画矩阵左斜笔画矩阵图5汉字识别矩阵对汉字图像进行这样的处理后，每个汉字的特征量就是四阵：横笔画矩阵H/竖笔画矩阵V、左斜笔画矩阵L和右斜矩阵R。设样本库中共有N个样本，每个样本的特征矩阵为Hi、Vi、Li和Ri，i=1，2，…N。具体识别算法如：（1）计算待识别汉字图像的四个特征矩阵H、V、L和R。（2）计算待识别汉字图像的矩阵与样本图像对应矩阵之间离。横笔画矩阵之间的距离其中H(x，y)是横笔画矩阵中的元素，X=0，1，2;Y=1，1，2。竖笔画矩阵之间的距离其中V(x，y)是竖笔画矩阵中的元素X=0，1，2;Y=1，1，2。左斜笔画矩阵之间的距离其中L(x，y)是横笔画矩阵中的元素，X=0，1，2;Y=1，1，2。右斜笔画矩阵之间的距离其中R(x，y)是横笔画矩阵中的元素X=0，1，2;Y=1，1，2。（3）计算待识别汉字图像与每个样本之间的距离Di。（4）求待识别汉字图像与样本之间的最小距离Dmin。（5）与最小距离Dmin对应的样本所代表的汉字就是识别结果字母和数字识别字母和数字的笔画共有两大类：直笔画和弧笔画。直笔画又可分为横笔画、竖笔画、左斜笔画和右斜笔画。弧笔画是一条曲线段，本文将其分为两类：开弧笔画和闭弧笔画。所谓开弧笔画，指该弧笔画没有形成封闭环，如字母“C”。而闭弧笔画则形成一个封闭的环，如数字“0”。根据字符图像的这一特点，本文采用下述方法对字母和数字进行逐级分类：形成一棵识别判定树，每个字符就是一个叶子：首先在待识别的字符图像中搜索封闭环的数量和位置。根据搜索到封闭环的结果判断字符所在的类：单封闭环字符类、双封闭环字符类、无封闭环字符类。针对每一类分别进行相应的笔画分析和识别。对于字母和数字的笔画表示，这里不再赘述，只对封闭环的搜索算法进行论述。搜索封闭环实际上就是在字符图像中搜索连通域。在字符的二值图像中，假定字符像素值为“1”，背景像素值为“0”，则：1)无封闭环的字符图像中只有两个连通域。即字符连通域和背景连通域，图6（a）的B和F。2）只有一个封闭环的字符图像中有三个连通域，即一个字符连通域和两个背景连通域，图6（c）中的B1、B2和F。3）有两个封闭环的字符图像中有四个连通域，即一个字符连通域和三个背景连通域，图6（b）中的B1、B2、B3和F搜索封闭环的算法如下：（a）读入二值字符图像。（b）找到一个像素值为“0”的背景像素点B。（c）搜索B0的连通域，并将该连通域内的像素全部标记为景1。（d）遍历图像中像素值为“0”的像素。（e）若所有“0”像素都已标记为背景1，则该图像内封闭环数为0跳转到(k)。abcabc图6字符图像中的连通域（f）若存在没有标记为背景1的“0”像素点B1，则有封闭环。（g）搜索“B1”的连通域，并将该连通域内的像素全部标记为景2。（h）遍历图像中像素值为“0”的像素。（i）若所有“0”像素都已标记为背景1或背景2，则该图像内闭环个数为1，跳转到（k）。（j）若存在没有标记为背景1或背景2的“0”像素，则该图像内封闭环个数为2。（k）结束搜索，返回封闭环个数。3自动报警3.1自动报警集成系统的硬件组成集成系统硬件结构如图7所示，其组成部分包括：GPS接收机和天线、GSM收发模块和天线、单片机及时序控制电路等。为了减小程序设计难度和提高单片机的执行效率，系统采用双单片机控制。GPS移动车载单元是整个系统的前端设备，安装在被监控的移动目标(汽车)上。GPS模块接收卫星的定位信号后，计算出自身的位置(经度、纬度)，以一定频率发送给单片机Ⅰ，以便随时提供定位信息。单片机Ⅰ将接收到的定位信息利用并口传输给单片机Ⅱ，由单片机Ⅱ利用AT指令控制块将数据发送出去，另外GSM收发模块接收来自监控中心的指令数据结合单片机Ⅱ做出相应反应，其发射或接收信息采用TEXT模式下SMS格式，在通信过程中，按照AT指令的各种协议实现工作方式的选择，以及信号的设置、发送、接收、删除等;在硬件设计中，需考虑GSM模块对电源的要求、模块电路接口各路信号的属性和要求、波特率的要求等。3.1.1GPS模块与单片机Ⅰ的连接GPS模块RXATXA89C51TXDRXD图7GPS模块与单片机的通信GPS模块与单片机ⅠGPS模块RXATXA89C51TXDRXD图7GPS模块与单片机的通信3.1.2单片机之间的并口通信并行接口电路由74HC74和74HC646(300MIL窄封装)构成，如图8所示。既能取代8255等芯片，还能使电路结构更加简单和紧凑。89C51(Ⅰ)P089C51(Ⅰ)P089C51(Ⅱ)P174HC646AB74HC74图8单片机并行通信框图74HC74为双D触发器，用来传输交换信号使两个单片机并口通信得以正常进行。3.1.3单片机Ⅱ与GSM收发器的连接由于单片机Ⅱ产生的电平和GSM模块电平性质不一样，因此两者之间的串口通信需要经过电平转换。本系统所用的GSM收发器为WAVCOME公司研制的双频GSM收发器，其内部集成了GSM模块Q2403A及其外围电路。系统利用MAX232芯片及其外围电路进行电平转换，然后采用RS232C接口将MAX232与集成好的GSM收发器直接相连。3.1.4AT指令AT指令集是调制解调器通信接口的工业标准，是调制解调器与外部应用设备的接口。利用GSM的串行接口，单片机Ⅱ向收发器收发一系列的AT命令，就能达到控制GSM模块收发SMS的目的。AT指令以字母“AT”开头，以<CR>结束。AT指令的基本格式为:AT+命令字符及相关设置参数。例如:“AT+CMGR=1”。“AT”是前导字符;“CMGR”是命令字符，表示读短消息;“1”是参数，指短消息的索引号。该指令的意思是读索引号为1的短消息。AT指令的应答都以<CR><LF>开始和结束。如果指令语法有错误，则返回字符串“ERROR”;如果指令语法正确，但含有错误的参数，则返回字符串“+CMEER2ROR:<Err>”或“+CMSERROR:<SmsErr>”。其中<Err>和<SmsErr>指的是错误代码;如果指令被成功执行，则返回字符串“OK”。必须注意的是，用单片机实现时，编程必须注意他发送指令与接收到的响应都是字符的ASCII码。系统所用到的AT指令及其功能如表1所示。表1AT指令功能表AT指令功能AT+CMGF选择短信模式AT+CMGS发送短消息AT+CMGR读取短信AT+CMGD删除短信息3.1.5单片机Ⅰ程序设计GPS模块接收和发送的数据有很多，除经纬度信息外还有很多并不需要的信息数据。因此，首先要解决的是如何判别GPS给单片机Ⅰ发送的数据是否需要接收。GPS模块通过串口发送的数据中系统所需的有:＄GPGLL，2810.7153，N，11255.2642，E，073409.998，V329程序流程图如图9所示。GPS模块持续地将地理定位信息通过串口输送给单片机Ⅰ。单片机Ⅰ通过识别关键字符将所需的数据存入指定内部存储器中，等待发送给单片机Ⅱ。3.1.6单片机Ⅱ程序设计开始初始化接收数据SGPGLL？存储数据是否发送并口发送NN图9单片机开始初始化接收数据SGPGLL？存储数据是否发送并口发送NN图9单片机Ⅰ的程序流程图开始初始化按按钮？发报警信息发定位信息NY(a)按键模式开始初始化接收并口数据储存模块准备好？设置模式AT+CMGF=1删除短信有新信息读短信有监控命令？发送定位信息NNNYYY（b）指令模式图10单片机的程序流程图4结束语近年来，在车辆牌照字符识别系统的研究领域出现了许多切实可行的识别技术和方法。从这些新技术和新方法中可以看到2个明显的趋势:1)单一的预处理和识别技术都无法达到理想的结果，多种方法的有机结合才能使系统的有效识别能力提高。2)在有效和实用的原则下，结合神经网络和人工智能的新技术的应用是一个研究方向，它将为智能交通管理系统在公路建设和管理中的普及打下基础。参考文献[1]郁梅.基于视觉的车辆牌照检测[J].计算机应用研究,1999,（5）:65-67.[2]廖金周,宣国荣.车辆牌照自动分割[J].微型电脑应用,1999（7）:32-34.[3]DarwicheE,PandyaAS,MandaliaAD.Automatedopticalrecognitionofdegradedcharacters[J].SPIE,1992,1661:27-32.[4]AbhijitSPandya,RobertBMacy.神经网络模式识别及其实现[M].北京:电子工业出版社,1999.35-55.[5]张引,潘云鹤.面向车辆牌照字符识别的预处理算法[J].计算机应用与研究,1999,(7):85-87.[6]叶晨洲.车辆牌照字符识别系统[J].计算机系统应用,1999,(5):10-13.[7]韩永强,李世祥.汽车牌照子图像的定位算法[J].微型电脑应用,1999,(3):14-16.[8]王少杰.货运列车车型车号自动分割和识别算法[J].模式识别与人工智能,1998,11(3):328-334.[9]李宏升.利用牌照识别技术的停车场安全防盗系统[J].计算机系统应用,1999,(5):14-16.[10]叶晨洲,廖金周.一种基于纹理的牌照图像二值化方法[J].微型电脑应用,1999,(6):28-29.[11]朱学芳.一种自适应细化方法[J].模式识别与人工智能,1997,10(2):140-145.[12]沈亮,程乾生.一种新的文字细化算法[J].模式识别与人工智能,1997,10(3):232-237.[13]郭军.发展中的文字识别理论与技术[J].电子学报,1995,23(10):184-187.[14]王年.人工神经网络在公路车辆管理中的应用[J].电子技术应用,1998,(9):11-12.[15]荣辉,张济生.人工神经网络及其现状与展望[J].电子技术应用,1995,(10):4-5.[16]吴李汉,文俊浩.车牌自动识别系统的设计与实现[J].可编程控制器与工厂自动化,2006,(09):11-12.[17]张明光.车辆牌照自动识别系统的研究[J].新课程(教育学术版),2007,(S3):2-4.

[18]王琪.基于BP神经网络与支持向量机的高速公路交通模式识别[J].科技信息(科学教研),2007,(34):33-35.

[19]井勤.论指纹识别技术及其应用[J].科技信息(科学教研),2007,(35):10-11.

[20]薛俊韬,王树成,刘正光.指纹图像的自适应预处理研究[J].计算机工程与设计,2008,(01):13-15.

[21]苏厚胜.车牌识别系统的设计与实现[J].可编程控制器与工厂自动化,2006,(03):25-28.

[22]李小平,任江兴,杨德刚.车牌识别系统中若干问题的探讨[J].北京理工大学学报,2001,(01):45-49.

[23]牛欣,沈兰荪.基于特征的车辆牌照定位算法[J].交通与计算机,2000,(01):19-21.

[24]杜俊俐,张景飞,黄心汉.基于视觉的象棋棋盘