基于STM32的車牌識別系統(tǒng)

1、TheLicensePlateRecognitionSystemBasedOnSTM32摘要在日常的交通管理中，車牌識別技術早已成為智能交通中必不可少的關鍵技術，以它為核心的車牌識別系統(tǒng)，得到越來越廣泛的運用。目前，交通系統(tǒng)中用的車牌識別系統(tǒng)主要是固定式設備，但它有一定的局限性。隨著單片機的迅速發(fā)展，為具有車牌識別功能的手持移動設備提供了很好的契機。本設計是一個基于STM32F103RBT6的車牌識別系統(tǒng)。該系統(tǒng)攜帶方便，通過攝像頭OV767O對車輛進行拍照采集，然后經過主控器進行圖像數(shù)據(jù)的讀取，并將圖像進行二值化、車牌定位和字符匹配等處理，進而完成車牌號的識別，并在TFTLCD(ThinFi

2、lmTransistor-LiquidCrystalDisplay)顯示屏上顯示識別出來的車牌號。本論文的主要研究工作如下：本設計完成了系統(tǒng)的硬件設計，包括最小系統(tǒng)、OV7670攝像頭模塊、TFT顯示屏模塊、串口模塊以及其他相關電路的設計。本設計對車牌識別相關算法進行研究，以便應用于STM32嵌入式系統(tǒng)。本文先將采集到的彩色車牌圖像變換成二值化圖像，再以二值化車牌圖像為對象，然后進行車牌定位、分割、識別，進而不僅簡化了運算過程,還加快了辨識的速率和正確率。進一步學習研究了STM32的ARMCortex的軟件架構、CMSIS文件結構、STM32標準庫函數(shù)，在此基礎上完成了系統(tǒng)軟件的設計，并設計了

3、一個清晰簡潔的顯示界面。最后,系統(tǒng)的測試結果顯示，本設計可以識別5個漢字：桂粵晉冀渝皖，數(shù)字和字母可以全部識別，可以實現(xiàn)預期的功能。關鍵字：車牌識別；STM32F103RBT6；手持式；TFTLCD;OV7670AbstractInthedailymanagementoftransportation,Licenseplaterecognitiontechnologyhasbecomeaindispensablekeytechnologyinintelligenttransportationsystem.Itsapplicationisbecomingmoreandmorewide.Nowada

4、ys,licenseplaterecognitionsystemfortrafficsystemismainlyfixedequipment,butithassomecertainlimitations.withtherapiddevelopmentofsinglechipmicrocomputer,anditcanprovidesagreatopportunityforthehandheldmobiledeviceswithlicenseplaterecognitionfunction.ThisthesisdesignsaLPRSofhandheldmobileterminalbasedon

5、STM32F103RBT6.thesystemnotonlycantakealongwhereveryougo,recordtheillegalvehicle,th-enfinishthelicenseplaterecognition.AndsendtheidentificationlicenseplatenumbertoPCviaserialport.violation,time,thenumberoflawenforcementofficialstothevehicleviolationmanagementsystem.Thusitachievesacombinationoflicense

6、platerecognitionandInternetofthings.Themainresearchworkofthisthesisareasfollows:Inthisthesis,thesystemshardwaresdesignarecompleted,includingtheminimumsystem,OV7670cameramodule,TFT-LCDdisplaymodule,Aserialportmoduleandotherrelatedcircuitdesign.histhesisdoestheresearchontherelatedalgorithmsoflicensepl

7、aterecognitionandimprovesthem,inordertoapplysomealgorithmstoSTM32embeddedsyste-m.Firstly,licenseplateimagesaretransformedintothebinaryimageinthisthesis.The-malltheprocessessuchaslicenseplatelocation,segmentationandrecognitionarebasedonthebinaryImage.Thisnotonlyreducesthecomputation,butalsoimprovesth

8、espeedandaccuracyofrecognition.FurtherstudyofthesoftwarearchitectureofSTM32sARMCortex,thestructureofCMSISfileandthefunctionsofSTM32sstandardlibrary.Onthisbasis,thesystemsoftwaredesigniscompleted,Aclearandconcisedisplayinterfaceisdesigned.Finally,thesystemtestresultsshowthatthissystemcanachievethedes

9、iredfunt-ion.Thesystemiseasytocarryandlowcost.Therefore,ithascertainapplicationvalue.Keywords:LicensePlateRecognition;STM32F103RBT6;Handheldequipment;TFTLCD;OV7670TOC o 1-5 h z HYPERLINK l bookmark2 第1章緒論1 HYPERLINK l bookmark4 研究的背景與意義1 HYPERLINK l bookmark6 國內外研究現(xiàn)狀2 HYPERLINK l bookmark8 1.3中國車牌的特

10、征3 HYPERLINK l bookmark10 1.4本設計的主要研究內容4 HYPERLINK l bookmark12 1.5本文的組織結構4 HYPERLINK l bookmark14 第2章車牌識別算法的研究5 HYPERLINK l bookmark16 2.1車牌圖像預處理5 HYPERLINK l bookmark22 基于彩色圖像定位車牌法7 HYPERLINK l bookmark26 2.3字符分割9 HYPERLINK l bookmark28 2.3.1字符的歸一化10 HYPERLINK l bookmark30 2.4模板匹配算法10 HYPERLINK l

11、bookmark32 第3章系統(tǒng)硬件設計12 HYPERLINK l bookmark34 3.1系統(tǒng)的整體設計12 HYPERLINK l bookmark36 系統(tǒng)模塊設計12 HYPERLINK l bookmark38 第4章系統(tǒng)軟件設計18 HYPERLINK l bookmark40 STM32開發(fā)環(huán)境的介紹18 HYPERLINK l bookmark42 STM32的ARMCortex的軟件架構介紹18 HYPERLINK l bookmark44 車牌識別系統(tǒng)的總體設計19 HYPERLINK l bookmark56 第5章系統(tǒng)測試23 HYPERLINK l bookma

12、rk58 第6章總結與展望26 HYPERLINK l bookmark60 6.1總結26 HYPERLINK l bookmark62 6.2展望26 HYPERLINK l bookmark64 參考文獻27附錄錯誤!未定義書簽。 HYPERLINK l bookmark66 致謝29 第1章緒論研究的背景與意義當代中國正處于經濟持續(xù)穩(wěn)定快速增長時期，國內人們對汽車的需求越來越強烈，國內的汽車總量一直呈快速增長趨勢。特別是國內近期的車輛數(shù)量和增加的速度甚為明顯，由2017年車輛統(tǒng)計報告可知，我國機動車持有數(shù)量為8.5億多輛，僅僅汽車就占了68%。因此，巨大數(shù)目的車輛不僅給交通增加了沉重的

13、負擔，而且給我們造成了一些嚴重的社會問題,如加大了管理的難度、增加了違規(guī)事故的發(fā)生、給停放場所增加深重的負擔、停車場車輛計時收費、以及車輛的安全管理等。針對怎么有效地解決這些難題，智能交通1就這樣應運而生了，各種各樣的車輛監(jiān)管、車輛控制以及公交系統(tǒng)等有效地構建成了一個巨大的全方位的交通管理網絡即交通智能化系統(tǒng)2。然而，車牌是一輛汽車的身份證，它具有獨一無二性，只有對車牌進行自動識別，才能真正達到交通車輛監(jiān)管的高效化、合理化。所以，車牌識別系統(tǒng)是現(xiàn)代化、智能化交通的一個重要環(huán)節(jié)。因此，車牌識別系統(tǒng)（設備）在日常交通監(jiān)管中占有舉足輕重的地位，在實際生活中擁有著極為普遍的使用，例如高速公路、主要路口

14、、隧道等車流量較大的地方大部分都設有自動收費管理；對道路上超車以違章車輛的自動識別、記錄和公寓停車、停車場收費管理3，還有違規(guī)停車、酒駕稽查等。隨著嵌入式以及手持設備的迅速發(fā)展，給予了現(xiàn)代化、智能化交通領域帶來更多的發(fā)展前景和更廣闊的市場經濟,在科學技術上也帶來了全新的變化。嵌入式是發(fā)展信息化、數(shù)字化技術的重要工具，按照相應的接口協(xié)議進行連接與通信，實現(xiàn)嵌入式作為主控器，驅動其他電路模塊執(zhí)行相應的程序操作,及時采集外部信息，并與主控器進行信息的實時傳遞交換,由此形成了可以實現(xiàn)對外部環(huán)境、外部物體的信息采集分析，以此為我們更加現(xiàn)代化、高速化的生活創(chuàng)造更多智能、高效的管理模式。在目前的日常交通智能

15、化規(guī)劃管理中，主要依靠的智能監(jiān)控設備大部分都是固定式設備，就是在關鍵卡口或道路處設立長期的交通監(jiān)測管理點，如具有車牌識別功能的監(jiān)測系統(tǒng)。這種方式的優(yōu)點是可針對重要路段實行24小時全天候無人監(jiān)控。然而這種監(jiān)測設備存在很大的不足，由于它的成本較高，靈活性差，它不能夠對街道道路的所有路段進行觀察。由于固定監(jiān)控系統(tǒng)的不足之處，手持移動式、便攜式的車輛識別設備成為未來發(fā)展的重要方向。具備車牌識別功能的可移動交通監(jiān)控系統(tǒng)通常主要有流動式車載監(jiān)控系統(tǒng)以及便攜式手持識別設備。流動式車載監(jiān)測系統(tǒng)，指的就是在稽查車輛車頂處放置車輛監(jiān)測裝置，針對行使路過的地方采取移動監(jiān)測。另一方面的缺點是，它在拍照采集信息時，由于

16、不固定、易擺動等等原因，導致圖像的信息缺失、畫面不清楚等；還有不夠靈活，在一些不方便移動稽查車行駛的道路不能監(jiān)測，還有很多的監(jiān)控死角等不足之處。移動便攜式手持車牌識別設備與傳統(tǒng)的車牌識別設備相比，它能夠靈活地用于智能交通中，具有節(jié)約成本、體積小、功耗低普及面廣、可以隨身攜帶、執(zhí)行效率高等優(yōu)點，可以供執(zhí)法人員隨時隨地對違規(guī)需要查處的車輛進行近距離拍照，并且能夠快速有效地記載車輛的相應信息；可以實現(xiàn)車輛的自動快速的收費模式等等。不僅減輕了管理的工作量，而且提高了工作效率，從而能夠很好地促進識別技術普遍地使用到智能交通管理中去，將會使其在車輛管理中擁有更加突出的地位，這使得我們對車牌識別系統(tǒng)的進一步

17、探索和開發(fā)更具有現(xiàn)實意義。國內外研究現(xiàn)狀車牌識別技術是視覺技術在車牌識別領域的一種極其重要的應用，國外在車牌識別領域上的研究較早，Johns。為代表的研究人員在20世紀末就已經提出把圖像處理技術和視覺領域融合起來的設想，針對視覺傳感器所采集到到圖像數(shù)據(jù)有序地進行圖像預處理、獲取牌照位置、分割字符、模式匹配、構造模板以及字符識別處理，最終成功設計出了具有較高識別率的自動識別車牌功能的智能系統(tǒng)。R.Mullot所帶領團隊開發(fā)了一種根據(jù)文字紋理特征的共同點進行定位識別的車牌識別系統(tǒng)。隨之后來的有自適應閥值法、邊界跟蹤法、垂直投影法和模板匹配法等車牌圖像處理算法。國外并在成熟理論的基礎上，很多公司對其

18、進行商業(yè)的開發(fā)，將其應用到實際生活中，讓交通管理變得更快捷有序。而國內在車牌識別領域的研究相對與國外的發(fā)達國家開始的較晚。由于國內車牌的構成特點與國外車牌存在很大的不同，國外的車牌識別系統(tǒng)并不適用于國內的車牌，因為國內的車牌中含有漢字，漢字結構較為復雜且形狀各異，而且國內車牌背景不統(tǒng)一，主要有藍、黃、白顏色的背景。所以，國內必須研究適合國內的車牌識別系統(tǒng)，國內該領域的研究工作者進行了極其廣泛的探索專研，同時提出了很多不錯的車牌識別算法。目前，國內外采用的比較實用有效的車牌定位方法主要有模板匹配法、邊緣特征提取法、小波變換法以及車牌顏色特征法等算法。此后，以張引為核心的研發(fā)團隊巧妙運用國內車輛牌

19、照的顏色特征提出了一種基于彩色圖像的邊緣檢測算子法對車牌進行定位，主要應用于國內車牌，并取得了非常不錯的效果。國內的很多高校也建立了車牌識別研究所，同時還取得了一些突破性的成果，如上海交通大學的戚飛虎等人提出較為創(chuàng)新的一種基于彩色分割的車牌自動識別系統(tǒng)。現(xiàn)在國內在這方面的技術發(fā)展也在日益崛起，例如，科拓、優(yōu)位停車、立方、高德威等公司研發(fā)的一些車牌識別智能系統(tǒng)。1.3中國車牌的特征車牌被視為車輛的身份證，它具有唯一性，是鑒別車輛身份信息的關鍵之處，然而，弄清車牌的特征是研究車牌識別的基礎。相對于外國的車牌，中國的車牌是由漢字、字母、數(shù)字組成，并且有各種各樣的種類,這是由于我國的各地區(qū)及其傳統(tǒng)文化

20、共同決定的。依據(jù)我國由公安部頒發(fā)的中華人民共和國機動車號牌5可知,我國車牌的特征有獨特字符特征、顏色特征、幾何特征等如下:字符組成：我國車牌具有獨特字符特征，它分別由漢字、英文字母、阿拉伯數(shù)字構成的七個字符的車牌號。其中，第一個是漢字：代表該車戶口所在省的簡稱，第二個是英文：代表該車所在地的地市一級代碼，后五位是除了I和O的大寫英文字母或阿拉伯數(shù)字所排列組成的。而且我國的車牌的中還存在一個小圓點狀的間隔符，顏色特征和幾何特征。常見車牌規(guī)格，如表1.1所示。表1.1常見的車牌規(guī)格序號:車輛類型車牌尺寸i顏色組合1i小型汽車440mm*140mm丨藍底白字2i大型汽車440mm*140mm1黃底黑

21、字3i軍用汽車440mm*140mm丨白底黑字4i外籍駐華汽車440mm*140mm丨黑底白字以上介紹為我國車牌的字符、顏色以及幾何的主要特征，常見車牌的標準車牌樣本，如圖1.2所示：B)max-min600 xG_+360。,(ifmax=R,andGB)max-min60 xB_+120,(ifmax=G)max-min2.8)600 xR_G+240。,(ifmax=B)max-minH的值通常規(guī)范化到位于Oo到360o之間，而H=0o時，用max二min（就是灰色）的時候而不是留下H未定義。HSV顏色的S和V的值定義如下：0,(ifmax=0)S=max-min、max=1-En,(o

22、therwise)max2.9)V=max（2.10）在系統(tǒng)對藍底白字車牌識別中，將采集到的圖像進行顏色空間的轉換，RGB模型與HSV模型的三個分量是相互對應的。根據(jù)它們相互之間的距離，和相似性進行運算比較。選擇一個合適的色度數(shù)值，作為車牌底色和背景圖像的分離點閾值。按照這樣的方式，可以不用改變圖像的顏色，就可以將車牌區(qū)域以外的部分設置為背景黑色，由此可以準確獲取車牌的左右邊界?；诓噬珗D像定位車牌法將彩色車牌圖像直接進行分析和判斷定位出車牌號的左右邊界，其基本原理是將RGB彩色圖像轉換到HSV顏色空間上，簡稱為“藍色相似法”。RGB彩色圖像有R（紅色）、G（綠色）、B（藍色）的三個顏色分量坐

23、標，而且均易收到光照的不均勻和噪聲等等因素的限制和干擾，對在提取到圖像的顏色特征、頻率特征的時候，易造成圖像信息的丟失或削弱了圖像本身的質量，導致在進行字符分割和字符識別達不到系統(tǒng)的性能標準。而HSV顏色空間模型也有色度（H）、飽和度（S）和明度（V）的三個分量坐標，每個分量上都包含著不同的顏色特點，收光線信號影響的分量是V坐標，假如對V分量的信息進行舍棄，只采集H和S坐標的顏色信息，就可以排除光照條件所帶來的干擾，從而提高了系統(tǒng)識別的性能指標。在定位車牌左右邊界的過程中，先進行從左到右的掃描，讀取RGB圖像的三個顏色分量的信息特征，然后進行RGB和HSV的顏色空間轉換，接著設置H、S、V三個

24、分量的閥值，對圖像進行分析與判斷，找出藍色相似的區(qū)域，最后進行左右邊界的判斷，從而獲取車牌的左右邊界線。車牌區(qū)域的識別定位經過車牌圖像水平和垂直校正后，車牌區(qū)域通常會存在邊框和鉚釘，所以想要達到最佳的識別效果，還需要對車牌加以準確的定位。本文采用灰度跳變定位法對校正后的車牌圖像區(qū)域進行精確定位。該方法的基本原理是對二值化車牌圖像采取逐行掃描的方法，通過統(tǒng)計每一行黑、白像素點的跳變次數(shù)29，結合車牌的字符區(qū)域跳變頻繁的特性，從而確定字符的精確區(qū)域。并能夠達到消除車牌上的邊框、鉚釘?shù)纫鸬母蓴_的目的。根據(jù)我國的車牌特征，一般車牌含有七個字符，然而車牌區(qū)域的每一行每一個字符將發(fā)生兩次以上的跳變，所以

25、我們不妨把字符跳變次數(shù)最少的閥值設置為14，假設經過掃描統(tǒng)計得到跳變的次數(shù)大于14次的行設置為車牌區(qū)域，反之，則判斷為非車牌區(qū)域，所以就能夠準確地找出車牌圖像中字符區(qū)域的上下邊界30。再通過RGB-HSV顏色轉換，識別出車牌區(qū)域的左邊邊界X-left和右邊邊界X-right,即可獲取車牌區(qū)域的準確邊界。圖2.7車牌區(qū)域的識別定位考慮到本文的設計方案是基于STM32的車牌識別的研究，所以在保證定位成功率的前提下，減少圖像的信息量，提高圖像的處理速度，本文是以二值化圖像為定位圖像。本設計采用二值化跳變法和RGB-HSV顏色轉換，分析并判斷出車牌區(qū)域的精確定位。通過定位過程中的圖像和原圖進行比較分析

26、，造成車牌定位錯誤的主要原因是車身某個區(qū)域與車牌區(qū)域有一定的相似度，而造成一定程度的干擾，是由于預處理階段還不夠完善，還要進一步的深入研究和改進。字符分割經過了解以字符串為單位的識別方法均沒有達到較好的識別效果，而以單個字符為單位的算法是準確率較高的字符識別方法。字符分割的效果對后續(xù)的單個字符圖像進行特征提取環(huán)節(jié)起著至關重要的決定性作用。然后把分割出來的單個字符進行歸一化處理，得到尺寸大小統(tǒng)一的字符圖像，為后續(xù)的字符識別環(huán)節(jié)做好準備。在精確定位出車牌字符區(qū)域后，我們對車牌字符進行分割能夠獲得一個個獨立的字符。本文采用的是垂直投影分割法，它的基本思想是向二值化車牌圖像的垂直方向上投影，以便獲取各

27、個字符的左邊邊界L和右邊邊界R。首先從左到右依次對車牌圖像每列在垂直方向上的黑色像素（或白色像素）的數(shù)目加以記錄統(tǒng)計，能夠得到車牌字符的垂直投影圖，如圖2.20所示，由圖可知，車牌字符的垂直投影圖存在不止一個波峰和波谷，波峰處所代表的是一個字符所在的位置，而波谷處所代表的是一個字符的左右邊界。這是因為字符所在處的黑色像素點（或白色像素點）比較密集，相反兩個相鄰字符的中間位置的黑色像素點（或白色像素點）則較為稀疏。對于大部分的字符，采用該方法可以得到比較準確的字符邊界，但是對于一些比較特殊的字符如“陜”、“瀘”、“川”、“渝”、M”等，容易將其誤分割，此時則需要考慮到字符間隔、字符寬度、車牌由7

28、個字符組成以及漢字、字母、數(shù)字在車牌中的位置等先驗知識，加以進一步分析，目的就是克服特殊字符所引起的誤分割問題。字符的歸一化在字符識別之前需要對其進行歸一化，將原來的字符高度和寬度，與系統(tǒng)的要求作比較，得出要變換的系數(shù)，然后根據(jù)得到的系數(shù)按照插值的方法映射到原圖像中，從而將字符統(tǒng)一到同一尺寸，便于系統(tǒng)對每個字符進行相應的特征提取，以提高識別率。對車牌進行字符分割并歸一化的結果。模板匹配算法經過字符分割和歸一化后，接著進行車牌識別系統(tǒng)的最后一個核心環(huán)節(jié)字符識別，字符識別的準確性決定著整個系統(tǒng)的識別率和識別速度，因此在這方面的理論研究也非常的成熟，例如字符統(tǒng)計識別，字符結構識別，基于神經網絡的字符

29、識別和字符模板匹配識別等等算法。在拍攝圖像的過程中，常常由于外部環(huán)境的復雜多變，導致難以找到一幅完整的、有代表性的原始圖像進行字符的統(tǒng)計分析，因此該理論算法不適用于這種情況下的字符識別。字符結構識別算法是基于字符的完整性、清晰的基礎上完成的，但是由于在采集車牌圖像的時候，也容易受到外部條件的限制和干擾，造成字符的斷裂、缺失和變形等等。因此在實際的應用中主要是后面兩種理論算法。基于神經網絡的字符識別擁有很強的容錯性、分類性、并行處理和自我學習能力等等，對于圖像信息復雜、背景模糊不清的情況下具有很明顯的優(yōu)勢。但是為了保證識別系統(tǒng)的準確率，需要大量的樣本進行訓練識別，并通過學習改進自身的統(tǒng)計性能，神

30、經網絡通過這些外部環(huán)境的學習，將這些特征統(tǒng)計作為經驗值記憶。模板匹配的字符識別的過程中，其實現(xiàn)簡單，運算簡便，速率較快；對比較規(guī)整的字符圖像中的缺損、污跡干擾有較強的適應性，對于提高字符識別率有很大的優(yōu)勢，且應用廣泛。綜合考慮，本設計選用基于字符模板匹配的算法進行字符識別。其基本思想是：首先需對待識別字符進行二值化處理，并將其尺寸大小與模板作比較，進行歸一化處理；然后將待識別字符與模板庫進行逐一匹配；最后輸出匹配相似度最大的字符。其字符識別流程圖如圖4所示：圖4字符識別流程圖其字符模板匹配效果如圖2.4所示：圖2.4字符模板匹配第3章系統(tǒng)硬件設計3.1系統(tǒng)的整體設計本設計的是基于STM32的車

31、牌識別系統(tǒng)，能夠實現(xiàn)對實物車輛的藍底白字車牌進行采集識別，并在TFT顯示屏和PC端上顯示識別的車牌號。由OV767O攝像頭模塊、STM32F103最小系統(tǒng)、TFT顯示屏模塊和串口模塊組成。圖3.1整體電路原理圖整個系統(tǒng)由5V電源供電，在穩(wěn)定的工作狀態(tài)下，圖像通過OV7670攝像頭進行圖像數(shù)據(jù)采集，采集的圖像大小為320*240像素，像素格式為RGB565,并TFT顯示屏可以實時顯示OV7670攝像頭所采集到的RGB圖像；然后STM32單片機讀取OV7670攝像頭采集到的圖像數(shù)據(jù)，并將圖像進行二值化處理、識別車牌區(qū)域、字符分割、歸一化、字符匹配等過程；最后把識別出來的車牌號顯示于TFT顯示屏上。

32、3.2系統(tǒng)模塊設計處理器的選擇本設計處理器采用的是設計靈活、功能強大的ARMCortex-M3內核，32位超前的體系結構的嵌入式微控制器芯片STM32F103RBT6,如圖3.2所示，主要是考慮到其以下主要優(yōu)點：F呂2了PB22SPCD8PCJ3PC210FCH12VCC3J9FM2LPBQ26PB10西VCC3J32STEZFLOJRBT*VCC3.5J42PBSMBooro52PCL150PAIS舶PA144S.vg46PA13:45PA121衛(wèi)HML143PAIDJ41PAS:37PCS跖PEL535PBL4弭PBLS:33PBL2PC332RESET?VEHTPCLBANTPCIDSC

33、IZPCIlSnSCPDttnSCINPDl-OSCOUTnrsttPCQADC10PCL.-ADC1LPCJADCIZPCADCUVSSAVDD孔PAWWKUPADCQTIM2_CHLETRTIM二CHITIMLETRPCIOUTXSDIO-DZPAt-ADCL.Ta2_CH2!tTILiS_CH2P.-2厲斗PC5/ADC15PBOADCS-TIMj_CH3TIMS.CmNPBL/AM9-mB_CH4TBfS_CH3NPBlBOOTlPBLOI2C2_SCLiU3_TXPB11班匸沁亙遠駄VSEVDDRVDDVfigPEPTTM匕CTW,SDIO_D5PBSTIKi4CH3喈DIolMBO

34、OTOPBJrCL&DA-TM.Cffi：PE6I2CL_SCL!Tn4_CHlPBS*rCl_SB.SPlJ.MOSirS3_SDpb屮misT-sPB_nsoPB3-JTDO.!5PI3_SCK1253_CKPD-TINK_ETRU5_RX-SDIO_CMDPCiZSTXSDld.CKPCLTJ4RX-SDIOD3PAbJTDMPI3_K卑血LWEPAH/JTCKSWCLKVDDVSEPALSmiSSTOIOPA12CAN_TXPSBDPTlM_ErLPAL1CAN3,USBDNrTMl_CH4PAlQULRXTnil.CHJPA?IDS11132TSCfc104.i2D_D百DALCDD

35、J2LCDD14圖4.4TFTLCD顯示屏電路圖像采集電路設計攝像頭采集到清晰有效的圖像是系統(tǒng)識別處理的第一步，采集到的圖像質量決定著識別的正確率。經過與其它類型的攝像頭對比，OV767O在價格上、性能上、功耗上都具有很大的優(yōu)勢，因此，本設計選用OV7670進行圖像的采集。OV7670是OV(OmniVision)公司生產的一款1/6寸的CMOSVGA圖像傳感器，體積小，工作電壓低，提高單片VGA攝像頭和影像處理器的所有功能。通過主控器對SCCB總線的控制，可以得到整幀、子采樣、取窗口等方式的各種分辨率8位影像數(shù)據(jù)；該產品的VGA圖像最快達到30幀/秒；可以控制圖像質量、數(shù)據(jù)格式、和傳輸方式等

36、；支持自動曝光控制、自動增益控制、自動白平衡等功能；還支持色飽和度、色相、伽馬、銳度等設置。因為OV7670的像素時鐘(PLCK)最高可達到24MHZ，用STM32F103的I/O口直接進行讀取時非常困難的，也十分占耗CPU，所以本設計并不采取直接讀取來自OV7670的數(shù)據(jù)，而是通過FIFO讀取。AVO口DOVDDDVDDAGNDClIaapdAl104C210400131FlC3DTDCl104-用OV1SIOOSIOCXCLKVSWCPCLKHREFBlE2PWDlSTROBEC2KTVi4eF2VKKF1VKEF2RESET01234507DDDDOOODA2QVSDAOVSCLE3OV

37、XCLKEHOV匸ElOVPCLJ2QVHREFB4OVDOA4OVDIB5OVD2ASOV03FSOV3Eov4F4OVD6E4ovD7圖3.7圖像采集電路第4章系統(tǒng)軟件設計STM32開發(fā)環(huán)境的介紹Keil是美國KeilSoftware公司推出的針對各類單片機和ARM結構嵌入式的微處理器C語言軟件開發(fā)系統(tǒng)，C語言在功能上、結構上、可讀性、可維護性上都具有明顯的優(yōu)勢。Keil提供了包括C編譯器、宏匯器、連接器、庫管理和一個功能強大的仿真調試器在內的完整開發(fā)方案，通過一個集成開發(fā)環(huán)境（口Vision）將這些功能組合在一起。Keil和Dos的集成開發(fā)環(huán)境（IDE）可以共同完成編輯、編譯、連接、調試

38、、仿真等整個開發(fā)流程。開發(fā)者可以選用IDE或其他編輯器編輯C或匯編源文件。然后由編輯器編譯生成目標文件（.obj）,接著目標文件可由LIB51創(chuàng)建生成庫文件，也可以與庫文件一起經L51連接定位生成絕對目標文件（.abs），最后abs文件由OH51轉換成標準的hex文件，以供調試器dscope51或tscope51使用進行源代碼級調試，也可由仿真器使用直接對目標板進行調試，也可以直接寫入程序存貯器如EPROM中。相比較于其他的ARM嵌入式開發(fā)環(huán)境，Keil開發(fā)平臺具有目標代碼效率高、匯編代碼緊湊、操作便捷的特點，并且在開發(fā)大型軟件時更能體現(xiàn)高級語言的優(yōu)勢，所以選擇合適的開發(fā)環(huán)境可以加快開發(fā)進度，

39、節(jié)省開發(fā)成本。STM32的ARMCortex的軟件架構介紹STM32是基于ARMCortex內核的嵌入式微控制器，而其ARMCortex微控制器軟件接口標準（CortexMicrocontrollerSoftwareInterface，簡稱CMSIS）是MCortex處理器，是和芯片生產商共同提出的一套標準的硬件抽象層。CMSIS一共有3個基本功能層，分別為核內外設訪問層、中間件訪問層、外設訪問層；CMSIS層在整個系統(tǒng)中處于中間層，有著上傳下達的重要樞紐地位，向上提供實時操作系統(tǒng)用戶程序調用的函數(shù)接口，向下負責與內核、各個外設直接連接。使用CMSIS，給處理器和外設之間提供一個簡單、一致的軟

40、件接口，便于開發(fā)者編程開發(fā)與應用。車牌識別系統(tǒng)的總體設計車牌號是一輛汽車獨一無二的“身份”標識，系統(tǒng)經過檢測路面的車輛并自動分析提取車牌照信息，進行圖像處理、模式匹配等識別過程，從而得到汽車唯一車牌號碼，因此，對車牌號的識別技術可以作為辨別一輛汽車的最為有效的方法。車牌識別系統(tǒng)由圖像采集、二值化分析、識別車牌區(qū)域、字符分割、歸一化、字符匹配的六個部分組成，如圖4.3車牌識別流程圖所示。圖4.3.1車牌識別工作流程圖本設計是基于STM32的車牌識別系統(tǒng)，能夠實現(xiàn)對藍底白字車牌進行識別，其系統(tǒng)的主程序流程圖，如圖4.3.2所示。當系統(tǒng)開機運行后，首先STM32、TFT顯示屏、0V7670攝像頭、定

41、時器進行初始化；然后通過OV7670攝像頭采集圖像；接著STM32單片機讀取攝像頭采集到圖像數(shù)據(jù)，并進行縱向跳變點和藍色區(qū)域的分析，從而獲取車牌上下、左右邊界；再然后對車牌區(qū)域進行二值化處理，和橫向跳變點的分析，進而定位出車牌區(qū)域的準確邊界；再接著對字符進行分割和歸一化；最后對字符進行模式識別并在TFT上顯示識別結果。圖4.3.2車牌識別主程序流程圖4.3.1圖像采集圖像通過OV767O攝像頭進行數(shù)據(jù)采集，采集的圖像大小為320*240像素，像素格式為RGB565。每個像素由兩個字節(jié)組成，第一個字節(jié)的高五位是R,第一個字節(jié)的低三位和第二個字節(jié)的高三位組成G,第二個字節(jié)的低五位是B。OV7670

42、攝像頭模塊自帶了一個FIFO芯片，用于暫存圖像，可以高速獲取圖像數(shù)據(jù),減輕了CPU的負擔。所以，本文采取通過FIFO的方式來讀取OV7670的數(shù)據(jù)。圖像采集過程的主要函數(shù)如下：0V7670_Gpio_Init();/OV7670引腳初始化Data_Image_Capture();/圖像采集函數(shù)4.3.2二值化分析一般采取的方法是選擇一個合適的閾值，把原來多個灰度值的彩色圖像變換成能夠呈現(xiàn)出圖像局部特征的黑白二值化圖像。二值化是圖像處理中極為重要的一個環(huán)節(jié)，圖像經過二值化處理后，我們就會得到更為簡單明了、圖像信息量更少的圖像，而且把我們需要的那一部分信息突顯出來了，把我們不關心的圖像部分給抹去了

43、，進而大大提高了圖像處理的效率。OV7670攝像頭在采集數(shù)據(jù)的過程中，對圖像中的每個像素進行二值化處理，即設定R、G、B的閾值。通過二值化處理，將像素值分為全黑0 x0000和全白0 xffff兩種。同時通過程序分析出每行的跳變點。分析跳變點的目的是識別出車牌區(qū)域。4.3.3識別車牌區(qū)域車牌定位的工作對最后能不能成功地識別出來車牌號起著舉足輕重的作用，也正因為這樣國內外的許多這方面的專家很早就開始了對這一問題的關注。并且，他們都已經提出了許多各具特色的解決方案和算法。經過查閱大量的資料，目前在解決車牌定位這方面的技術大概可分為兩種。第一種是在二值化后的黑白圖像上做一系列的處理。第二種利用顏色空

44、間距離和相似度進行車牌的底色的顏色分割，基于邊緣顏色對來對車牌圖像進行提取和定位10。本文通過二值化分析出各行的跳變點，車牌區(qū)域處由于字符，導致跳變點明顯較多，約大于15個，通過跳變點的分析和判斷，即可識別出車牌區(qū)域位置。如下圖中左側紅色標記點，即為各行的跳變點數(shù)目。本系統(tǒng)程序中設定跳變點大于15個，在連續(xù)行存在多個跳變點大于15的位置處，將起始位置設定為車牌區(qū)域的上邊邊界，結束位置設定為車牌區(qū)域的下邊邊界。再通過RGB-HSV顏色轉換，識別出車牌區(qū)域的左邊邊界和右邊邊界。這樣就可以獲取車區(qū)域的準確邊界。主要函數(shù)如下：voidChangePoint_Show_240();/240方向跳變點顯示

45、240方向跳變點顯示函數(shù)首先先建立參考線，縱方向劃三條綠色的線，分別是在橫坐標為10、20、30處劃線，目的是為了以后畫點使用。如果這一行的跳變點是10個就在這條線畫一個紅點。劃綠線的程序如下：LCD_DrawPoint(10,a,0 x635);/10LCD_DrawPoint(20,a,0 x635);/20LCD_DrawPoint(30,a,0 x635);/30240方向跳變點顯示函數(shù)之后執(zhí)行240跳變點分析函數(shù)，主要是通過這個函數(shù)分析出車牌區(qū)域的上邊界和下邊界。首先進行240方向上的掃描，通過跳變點閾值的分析獲取車牌的上下限。再根據(jù)上下限橫向畫兩條長的藍色的線，標識車牌區(qū)域。其函數(shù)

46、如下：voidChangePoint_Analysis_240()/240跳變點分析4.3.4字符分割處理過程中，獲取各個字符的左邊邊界kk和右邊邊界k,若分割出來的字符數(shù)為8，則分割比較準確。如下圖所示，豎向藍線為各個字符的邊界標記。字符分割，為下一步字符匹配準備總要參數(shù)。4.3.5字符匹配分割后，進行歸一化處理。再一個一個地對字符進行匹配。字符模板通過取模軟件先提取出，存放于程序中，其大小為24*50的單一像素。匹配后，將相似性最大值的對應字符作為輸出結果，并予以顯示。車牌識別過程中的部分主要數(shù)組及函數(shù)如下：Stm32_Clock_Init(16);/初始化時鐘Data_LCD_Color

47、Change();/車牌測定MoShiShiPie_All(u8begin,u8end)/字符匹配，模式識別，選擇性匹配第5章系統(tǒng)測試本系統(tǒng)是以統(tǒng)以STM32F103RBT6單片機為主控，它的內核最高工作頻率為72MHZ,在存儲器的0等待周期訪問時可達1.25DMips/MHZ，0V7670攝像頭為30萬像素。在系統(tǒng)開機的情況下，攝像頭對準測試車牌，通過顯示屏可以實時看到攝像頭所采集到的圖像，選擇合適的角度，使車牌信息完全在藍色邊框區(qū)域內，系統(tǒng)會自動識別，并對其二值化、字符分割、模式匹配等，識別結果一欄會顯示識別出來的車牌號。其車牌識別結果如表5.1所示：表5.113張車牌識別結果車牌號識別結

48、果識別時間錯誤原因桂DZX12110s桂D886999s皖A378J3X12s漢字識別錯誤皖AL203L彳13s冀AF570AX11s定位失敗冀AMX081X14s字母識別錯誤渝F20F19X15s數(shù)字識別錯誤粵GQ7665X13s分割錯誤晉FC9325彳12s晉FZ063210s渝D52160X15s漢字識別錯誤晉F8995710s粵FQK8838s在實驗中對13張進行測試，其中識別正確為7張，準確率為54%；漢字識別錯誤為2張，誤識率為15%；定位失敗為1張，誤識率為7.8%；數(shù)字和字母識別錯誤各為1張，誤識率各為7.8%；分割錯誤為1張，誤識率為7.8%；其識別率如圖5.1所示：數(shù)字識別

49、錯溟壬確率宇母識別錯誤分劃錯誤圖5.1車牌識別率實驗分析：字符識別錯誤：可能是因為字符出現(xiàn)了變形、斷裂，和字符的模糊或者分割錯誤等原因造成的?？梢酝ㄟ^進一步完善字符模板庫，進行糾正；改進識別算法，與神經網絡字符識別相結合，對信息復雜、背景模糊和推理不明確的圖像進一步提取特征統(tǒng)計。定位失敗：可能在拍攝圖像的過程中，受到光線、車牌的晃動等復雜多變的外部因素所干擾。由此可以改進攝像設備、提高圖像的質量和完善圖像的校正、灰度化的預處理等等。分割錯誤：主要由于拍攝角度、雜質等因素影響圖像的處理，導致在分割時出現(xiàn)字符粘連、缺失，或者將單個字符進行分割兩次?？梢愿倪M識別分割方式，圖像采集的規(guī)范，和增加腐蝕、

50、膨脹、濾波等處理。1.成功識別圖例：圖5.2成功識別圖例定位失敗圖例：IFC93251分割錯誤圖例：圖5.3定位失敗圖例圖5.4分割錯誤圖例字符識別錯誤圖例：Q7665I圖5.5字符識別錯誤圖例第6章總結與展望6.1總結本設計選用ARMCortex內核的STM32F103RBT作為主控制器對車牌識別進行學習與研究，采用TFTLCD顯示屏和0V7670攝像頭模塊，完成了一套簡易的基于STM32的車牌識別系統(tǒng)設計，相比于基于FPGA或DSP為平臺的系統(tǒng)相比，本系統(tǒng)電路簡單、成本低、功耗少。本設計的硬件電路包括了最小系統(tǒng)、OV7670攝像頭、TFTLCD顯示屏等其他輔助電路。在焊接完成后，經過系統(tǒng)測試，可以地實現(xiàn)了預期的功能。但本設計還存在很多不足之處，距離實際應用的要求仍有很大的距離。在復雜、模糊的背景中，不能有效地將目標圖像與背景進行分離；在圖像的預處理中，使用單一、簡單的算法，進而無法達到預期的效果，導致整個系統(tǒng)的識別性能下降；在程序中，減少代碼冗余，優(yōu)化讀取，提高運算速度。在以后的學習中，應汲取掌握更多的識別技術和方法，將多種方法有機地結合，從而有效地提高系統(tǒng)的識別能力。6.2展望本設計基于STM32的車牌識別系統(tǒng)，經過實際的調試與測試，成功地完成相應的功能要求。但是還存在很多的不