徐文文 徐靜 王超

摘要：車(chē)輛車(chē)牌的識(shí)別在現(xiàn)代交通中至關(guān)重要，發(fā)展空間巨大，基于ZigBee和計(jì)算機(jī)視覺(jué)的車(chē)牌識(shí)別是智能交通領(lǐng)域應(yīng)用的板塊之一，是實(shí)現(xiàn)交通管理智能化的關(guān)鍵一環(huán)。車(chē)牌自動(dòng)識(shí)別系統(tǒng)主要包括預(yù)處理、車(chē)牌定位、字符分割、字符識(shí)別四個(gè)關(guān)鍵環(huán)節(jié)。基于此，在采集圖片后對(duì)圖片進(jìn)行一系列預(yù)處理，再通過(guò)圖像處理技術(shù)進(jìn)行數(shù)字和字母的識(shí)別。在識(shí)別階段，利用模板匹配的方法，通過(guò)識(shí)別算法來(lái)確定待測(cè)字符和模板字符中的相似程度，最終從車(chē)輛圖像中有效的識(shí)別車(chē)牌字符。此實(shí)驗(yàn)對(duì)大量圖片進(jìn)行測(cè)試，結(jié)果表明，基于ZigBee的車(chē)牌識(shí)別系統(tǒng)的車(chē)牌識(shí)別方法整體識(shí)別率約為90%，證明該方法是有效的、可行的。

關(guān)鍵詞：ZigBee；圖像識(shí)別；車(chē)牌處理

中文圖類(lèi)號(hào)：TP391? 收稿日期：2024-04-20

DOI：1019999/jcnki1004-0226202406034

1 前言

車(chē)牌識(shí)別技術(shù)在現(xiàn)代城鎮(zhèn)道路和高速公路以及停車(chē)收費(fèi)中起著重要作用，它不僅是計(jì)算機(jī)視覺(jué)和數(shù)字圖像處理的重要研究領(lǐng)域，更是實(shí)現(xiàn)道路管理科學(xué)化的關(guān)鍵所在。隨著國(guó)家經(jīng)濟(jì)和城鎮(zhèn)道路的蓬勃發(fā)展，人們的平均收入不斷提高，而汽車(chē)作為一種消耗品，其先進(jìn)、高效、準(zhǔn)確的交通智能管理系統(tǒng)備受關(guān)注，汽車(chē)牌照識(shí)別技術(shù)的廣泛應(yīng)用則為現(xiàn)代交通的智能管理開(kāi)啟了一扇大門(mén)。在車(chē)牌識(shí)別領(lǐng)域，汽車(chē)識(shí)別技術(shù)展現(xiàn)出了強(qiáng)大的生命力，尤其是加上ZigBee技術(shù)以來(lái)，它能夠自動(dòng)實(shí)現(xiàn)車(chē)輛ETC收費(fèi)，如醫(yī)院及商城一些停車(chē)收費(fèi)場(chǎng)所的計(jì)時(shí)收費(fèi)功能，以及查處一些車(chē)輛行駛過(guò)程中闖紅燈及各種的違法違紀(jì)行為，通過(guò)車(chē)牌識(shí)別可以找到車(chē)主并進(jìn)行思想教育及處罰，這樣就提高了效率，省時(shí)省力［1］。

本文提出了一種基于ZigBee無(wú)線(xiàn)傳輸技術(shù)的車(chē)牌識(shí)別系統(tǒng)。本系統(tǒng)的識(shí)別流程為：先定位車(chē)牌位置，然后對(duì)每一個(gè)字符進(jìn)行特征提取和分類(lèi)處理，后用模式識(shí)別技術(shù)把這些字符分離開(kāi)，最終進(jìn)行車(chē)牌字符的識(shí)別工作。本文所提出的識(shí)別算法可以在較低的計(jì)算復(fù)雜度下完成車(chē)輛牌照的快速、準(zhǔn)確檢測(cè)和自動(dòng)識(shí)別［2］。

2 相關(guān)技術(shù)簡(jiǎn)介

a.無(wú)線(xiàn)傳輸技術(shù)。ZigBee技術(shù)作為一個(gè)可以使用在中短距離和低速度環(huán)境下使用的無(wú)線(xiàn)通信技術(shù)，完全符合本文的要求。在本文中，ZigBee扮演著至關(guān)重要的角色，首先使用一塊ZigBee板子進(jìn)行攝像頭識(shí)別，將識(shí)別出的車(chē)牌顯示在屏幕上，然后進(jìn)行計(jì)時(shí)收費(fèi)，并通過(guò)板子將數(shù)據(jù)傳輸?shù)搅硪粔KZigBee板子上，最終通過(guò)串口打印出車(chē)牌信息。

b.圖像預(yù)處理。圖像質(zhì)量的好快直接影響車(chē)牌識(shí)別的精確度，因此在進(jìn)行圖像分析前，需要進(jìn)行圖像預(yù)處理。圖像預(yù)處理可以減少無(wú)關(guān)信息的干擾，增強(qiáng)有用信息的可檢測(cè)性和可靠性。本文采用二值化處理方法對(duì)車(chē)牌圖片進(jìn)行預(yù)處理，二值化處理的基本原理在于利用圖像中目標(biāo)圖像與背景圖像之間的灰度值差異，推導(dǎo)出一個(gè)特定的閾值或范圍，然后將圖像轉(zhuǎn)換為僅包含目標(biāo)圖像和背景圖像的二值化圖像[3]。

c.車(chē)牌定位。車(chē)牌的定位是攝像頭對(duì)車(chē)牌區(qū)域的定位。在識(shí)別車(chē)牌時(shí)，找到車(chē)牌的位置是最重要的，也會(huì)直接影響后續(xù)操作的準(zhǔn)確性。車(chē)輛牌照的定位問(wèn)題涉及圖像分割和目標(biāo)提取兩個(gè)關(guān)鍵環(huán)節(jié)。

d.字符分割。字符分割是指將一串連續(xù)的字符序列按照特定規(guī)則或標(biāo)準(zhǔn)劃分成若干個(gè)獨(dú)立的字符的過(guò)程。在車(chē)輛識(shí)別中，字符分割的重要過(guò)程為：首先確定車(chē)牌區(qū)域，然后將車(chē)牌圖像上的像素點(diǎn)的灰度值設(shè)置好后對(duì)字符進(jìn)行進(jìn)一步的分割。在處理過(guò)程中，獲取每個(gè)字符左側(cè)和右側(cè)的邊界線(xiàn)k，每個(gè)字符的邊界線(xiàn)均以垂直的藍(lán)色線(xiàn)條為標(biāo)志。

e.字符識(shí)別。在上述處理后，一個(gè)完整的車(chē)牌號(hào)就被分成一個(gè)一個(gè)有字符組成的圖像。由于字符具有唯一性和穩(wěn)定性，所以對(duì)其進(jìn)行編碼處理就成為車(chē)牌識(shí)別系統(tǒng)的第一步。當(dāng)上述過(guò)程都準(zhǔn)確無(wú)誤后，就進(jìn)入最復(fù)雜也是最難的一部分。字符識(shí)別技術(shù)是一項(xiàng)至關(guān)重要的核心技術(shù)，它利用圖像分析和模式識(shí)別技術(shù)，通過(guò)一系列數(shù)學(xué)運(yùn)算，生成附加在圖像中的字符信息，以確保正確的字符識(shí)別結(jié)果［4］。

3 系統(tǒng)實(shí)現(xiàn)

本系統(tǒng)的主要工作流程如下：

a.STM32微控制器利用攝像頭實(shí)時(shí)捕捉圖像，并通過(guò)TFT液晶屏幕實(shí)時(shí)呈現(xiàn)相應(yīng)的圖像。

b.STM32微控制器使用OV7670攝像頭，對(duì)車(chē)牌區(qū)域進(jìn)行識(shí)別，并使其處于屏幕中的兩根藍(lán)線(xiàn)中間。

c.完成識(shí)別過(guò)程，完成預(yù)處理及字符的分割與識(shí)別。

d.兩個(gè)ZigBee模塊互傳信息。

e.一旦車(chē)輛入庫(kù)，蜂鳴器便會(huì)嘀一聲，表示已經(jīng)開(kāi)始計(jì)時(shí)。

f.如果再次識(shí)別到相同的車(chē)牌號(hào)，就表示車(chē)輛出庫(kù)。

31 硬件設(shè)計(jì)

本文系統(tǒng)硬件由STM32F103RCT6 單片機(jī)、無(wú)線(xiàn)通信模塊、ZigBee模塊、28寸TFT液晶屏顯示、OV7670、CH340串口等主要模塊共同組成［5］。圖1為硬件設(shè)計(jì)實(shí)物圖。

32 軟件設(shè)計(jì)

本文軟件設(shè)計(jì)流程如圖2所示。軟件設(shè)計(jì)主要采用C語(yǔ)言進(jìn)行相關(guān)模塊代碼編程，主要包括車(chē)牌識(shí)別預(yù)處理、車(chē)牌定位、字符分割、字符匹配等模塊。

a.圖像預(yù)處理。使用OV7670攝像頭進(jìn)行圖像采集；使用二值化方法把圖像從彩色變?yōu)榛叶韧蛔儚亩岣邎D片亮度，方面后續(xù)的操作。

b.車(chē)牌定位。在識(shí)別車(chē)牌時(shí)，對(duì)車(chē)牌進(jìn)行定位是至關(guān)重要的一步，在車(chē)牌區(qū)域內(nèi)，其紋理結(jié)構(gòu)和背景呈現(xiàn)出顯著的差異，車(chē)牌區(qū)域的縱向邊界更加密集，同時(shí)車(chē)牌字符和背景之間的對(duì)比度較高，導(dǎo)致車(chē)牌區(qū)域水平方向上的灰度變化頻率極高[6]。為了更好地檢測(cè)出圖像中的車(chē)牌區(qū)域，本文提出一種基于數(shù)學(xué)形態(tài)學(xué)方法來(lái)提取牌照區(qū)域邊緣的算法。通過(guò)運(yùn)用這些特征以及必要的先驗(yàn)知識(shí)，能夠更加準(zhǔn)確地找到粗略的定位區(qū)域。

c.字符分割及匹配。首先將一個(gè)完整的車(chē)牌號(hào)分成一個(gè)一個(gè)由字符組成的圖像，然后找到需要識(shí)別的字符的獨(dú)有之處，通過(guò)對(duì)其拓?fù)浣Y(jié)構(gòu)或數(shù)據(jù)庫(kù)的分析，對(duì)其特征精準(zhǔn)分類(lèi)。最后待識(shí)別字庫(kù)與標(biāo)準(zhǔn)庫(kù)中相同或相似字進(jìn)行比較來(lái)實(shí)現(xiàn)匹配。

4 系統(tǒng)調(diào)試

41 硬件調(diào)試

在接入電源后，STM32F103RCT6單片機(jī)、無(wú)線(xiàn)通信模塊、ZigBee模塊、TFT液晶屏顯示、OV7670攝像頭、CH340串口等硬件部件均能正常工作，實(shí)現(xiàn)其功能。使用攝像頭拍攝車(chē)牌圖像，STM32芯片對(duì)車(chē)牌進(jìn)行預(yù)處理、定位、分割等操作后，顯示器顯示出相應(yīng)車(chē)牌號(hào)，圖3為系統(tǒng)硬件測(cè)試示意圖。

42 軟件調(diào)試

軟件調(diào)試主要測(cè)試圖像預(yù)處理、字符分割、字符匹配模塊能否正常工作。

利用模板匹配算法對(duì)整幅圖像進(jìn)行處理后，再與數(shù)據(jù)庫(kù)中各行數(shù)對(duì)應(yīng)起來(lái)，從而實(shí)現(xiàn)了車(chē)輛牌照自動(dòng)識(shí)別系統(tǒng)的自動(dòng)定位功能。圖4為二值化識(shí)別示意圖，其中，左側(cè)的紅色標(biāo)記點(diǎn)所代表的是各行的跳躍變化點(diǎn)的數(shù)量。

在找到車(chē)牌區(qū)域，將圖像上像素點(diǎn)的灰度值設(shè)置好后對(duì)字符進(jìn)行進(jìn)一步的分割。在處理過(guò)程中，獲取每個(gè)字符的左側(cè)和右側(cè)的邊界線(xiàn)k。圖5是字符分割示意圖。

5 結(jié)語(yǔ)

基于ZigBee的車(chē)牌識(shí)別，本實(shí)驗(yàn)所設(shè)計(jì)的算法經(jīng)過(guò)上百?gòu)埖膱D片測(cè)試之后，得到的結(jié)果是正確的。但是此算法只能識(shí)別光線(xiàn)較好情況下的圖像，因司機(jī)技術(shù)或其他原因?qū)е萝?chē)身傾斜以至于采集到的車(chē)輛圖不正，也有可能導(dǎo)致識(shí)別失敗。本算法在更為復(fù)雜的環(huán)境下需要更強(qiáng)的算法去實(shí)現(xiàn)，但此次所涉及的還達(dá)不到實(shí)際生活的需要。因此，這些不足以后都是需要去改進(jìn)的，這樣才能使車(chē)牌識(shí)別系統(tǒng)更加完善，更加貼合現(xiàn)實(shí)生活。具體的展望方向如下：

a.通過(guò)實(shí)驗(yàn)對(duì)車(chē)牌圖像識(shí)別環(huán)節(jié)進(jìn)行優(yōu)化，使其能夠適應(yīng)更多復(fù)雜惡劣環(huán)境下的應(yīng)用需求；使該系統(tǒng)所適用的范圍越來(lái)越廣，而不僅限于某些方面。

b.在挑選核心器件的過(guò)程中，盡可能簡(jiǎn)化硬件電路，以便在調(diào)試過(guò)程中更加便捷高效，從而達(dá)到最佳的效果。

c.經(jīng)過(guò)實(shí)際情況證明，本系統(tǒng)功能運(yùn)行完好無(wú)誤。該設(shè)計(jì)降低了硬件成本，簡(jiǎn)化了硬件結(jié)構(gòu)，但仍需要進(jìn)一步研究和改進(jìn)，完善和更新本系統(tǒng)以便于更適實(shí)人們的生產(chǎn)生活。

參考文獻(xiàn)：

[1]牛志剛，張瑞全，高樹(shù)靜，等基于深度學(xué)習(xí)的端到端車(chē)牌檢測(cè)與識(shí)別[J]電子設(shè)計(jì)工程，2023，31（10）：147-151

[2]awale M A，William P，Pawar A B，et alImplementation of number plate detection system for vehicle registration using IOT and recognition using CNN[J] Measurement： Sensors，2023，27

[3]楊金鑫，顏湘炎，王子寧基于深度學(xué)習(xí)的復(fù)雜場(chǎng)景下車(chē)牌識(shí)別算法研究[J]智能計(jì)算機(jī)與應(yīng)用，2023，13（3）：33-38

[4]寧娜文，盧梅，陳旋，等基于深度學(xué)習(xí)的車(chē)牌定位與字符識(shí)別[J]智能計(jì)算機(jī)與應(yīng)用，2023，13（3）：88-92

[5]臺(tái)騁基于深度學(xué)習(xí)的車(chē)牌識(shí)別方法的設(shè)計(jì)[D]大連：大連海洋大學(xué)，2023

[6]Alharbi F，Zakariah M，Alshahrani R，et alIntelligent Transportation Using Wireless Sensor Networks Blockchain and License Plate Recognition[J] Sensors，2023，23（5）：91-99.

作者簡(jiǎn)介：

徐文文，女，1994年生，碩士，研究方向?yàn)橛?jì)算機(jī)應(yīng)用技術(shù)。

基金項(xiàng)目：黃河交通學(xué)院精品在線(xiàn)開(kāi)放課程《數(shù)據(jù)庫(kù)原理及應(yīng)用》（HHJTXY-2023jpzx03）