基于FPGA车牌识别系统的设计与实现

本文对传统的以通用数字信号处理器(DSP)为核心的车牌识别系统进行了改进,介绍了一种新的基于FPGA车牌识别系统。该系统主要通过摄像头采集汽车车牌图像,经过FPGA核心处理器对图像进行处理,识别出车牌号,并通过LCD显示。经过调试运行,该系统实现了车牌识别的功能,可运用于工程实践。     

基于SOPC技术的车牌识别系统设计

可编程片上系统（SOPC）是Altera公司提出的一种灵活、有效的片上系统解决方案，为构建实时、便携的车牌自动识别系统提供了较好的解决途径。本文以Nios Ⅱ嵌入式软核处理器为核心，通过IP核复用技术，内嵌MicroC／OS-Ⅱ操作系统，实现车牌自动定位与识别的片上系统设计。介绍了系统的基本功能与硬件设计，以及车牌定位分割与字符识别算法的实现。测试结果表明．该系统具有集成度高、可靠性好、车牌识别误差低等特点。     

一种实时汽车车牌识别系统的研究

提出一种适用于汽车车牌识别系统的灵敏且简易的算法。这种基于模板匹配的算法可收集实时车牌检测所需数据,以便达成用于研究或某些特殊应用的目的。该系统的模型用C++编程完成,通过抽取美国车牌进行实验,得出了对车牌字符进行识别的结果。     

4K视频流异构多核的多路分屏方法

针对视频多屏显示系统无法依据分屏数量进行超高清视频自适应分屏传输的问题,提出了异构多核的视频流传输方法。该方法首先采用基于ARM处理器的嵌入式系统实现多任务处理与实时监控;然后通过FPGA实现对视频流的接收、转换、处理及分屏输出显示的硬件加速。系统可以根据输入信号实时配置FPGA的工作参数,实现分辨率和分屏数量可变的超高清视频流分屏显示。最后采用Zynq UltraScale+MPSOC XCZU7EV多核异构处理器开发平台对本文系统进行测试,结果表明：4K视频多路分屏画面拼接无明显错位,同步一致,较好地满足了视频多路分屏显示要求。     

基于正交盖氏矩和SVM的车牌字符识别

针对传统字符特征提取算法中特征不稳定的缺点,提出一种基于正交盖氏矩的特征提取方法。采用支持向量机解决车牌字符识别问题,自动寻找对分类有较好区分能力的支持向量,由此构成的分类器可以最大化类间间隔,达到正确区分类别的目的。实验结果表明,该方法对于实时视频流中的车牌识别能取得理想效果,在解决有限样本、非线性及高维模式识别问题中表现出优越的性能,且具有适应性强和效率高的特点。     

基于DSP和ARM的车牌识别系统设计

研究了一种基于DSP和ARM的嵌入式车牌识别系统,通过DSP实现视频图像数据采集、车牌识别算法处理、网络传输等任务;ARM处理器使用Linux系统调度和管理视频接收、视频显示、识别结果显示等控制任务。整个系统通过网络实现通信与同步。     

基于DM642的纹理检测与Adaboost分类器相结合的车牌定位

智能交通系统（Intelligent Transportation System,简称ITS）是一种实时、准确、高效的综合交通运输管理系统,而车牌识别（License Plate Recognition LPR）技术是智能交通系统的关键技术之一.为了在嵌入式系统中实现车牌的实时检测,研究了基于TMS320DM642的车牌检测、定位与识别技术.本文提出一种基于纹理检测和Adaboost分类器相结合的车牌定位算法,针对该算法与DM642的结合进行了系统设计,并且基于EMCV与Opencv图像处理库进行了代码移植.该系统很好的避免了单独纹理检测的定位无方向性和单独Adaboost分类的定位不完整性的缺点,较好的提高了定位准确率,且定位后的车牌图像能够基于TCP协议发送到PC服务器,实现远程的车辆车牌的定位和监控.     

基于多核的车牌识别的架构实现

多核技术是现在提高芯片性能的主要方法;区别于传统以PC和DSP为核心的车牌识别系统,以FPGA为核心,利用SOPC技术构建了车牌识别多核处理器;给出了一种基于多核的车牌识别架构,在该多核处理器中,以3个Nios Ⅱ软核为主要处理器核处理车牌定位、字符特征识别提取及识别等处理,同时构建硬件加速器作为协处理器处理图像增强、边缘检测和膨胀、腐蚀等数学形态学处理;在CQ片上路由器基础上,构建了NOC用以实现片上多核通信;另外,为了保证路由器与多处理器核之间的快速、并行通信,加入了数据驱动模块;整个系统在Altera Cyclone IV FPGA上实现了车牌的识别;这种片上系统设计方法具有硬件设计灵活,可扩展性强等优点,能有效地降低系统软硬件设计的难度,缩短开发周期,并提高设计的可靠性.     

基于深度学习的含堆叠字符的车牌识别算法

车牌识别是构建智慧城市交通系统的重要技术,当前车牌识别系统对于单行车牌已经达到了较好的识别和应用效果,但无法满足对包含堆叠字符的车牌的识别需求。针对该问题,提出了一种基于深度学习且不依赖于字符分割的方法以识别含堆叠字符的车牌。首先对倾斜、扭曲的车牌进行投影矫正;然后使用MobileNet-SSD算法检测定位车牌中的单排字符和堆叠字符;之后将堆叠字符送入基于CTC损失的堆叠字符识别网络,进行非字符分割的端到端识别。实验结果表明,该算法不仅对含堆叠字符的车牌具有较高的识别精度,同时对倾斜、扭曲等复杂环境下的车牌具有鲁棒性,极大提高了车牌识别系统的通用性。     

基于FPGA的智能车牌定位识别系统设计

智能交通体系中,专用计算机视觉系统即牌照识别技术(License Plate Reeognition,LPR)占有极其重要的地位。设计了一种基于FPGA平台的智能车牌定位识别系统,在EP2C35平台上搭建SOPC系统,完成了车牌图像定位、字符提取识别等功能。该设计采用FPGA为核心,大大减小了制板的面积,有效提高了系统定位的速度及准确性;可定制的软核Nios II处理器使得智能车牌识别系统具有了更大的灵活性。     

Real-time automatic license plate recognition for CCTV forensic applications

We propose an efficient real-time automatic license plate recognition (ALPR) framework, particularly designed to work on CCTV video footage obtained from cameras that are not dedicated to the use in ALPR. At present, in license plate detection, tracking and recognition are reasonably well-tackled problems with many successful commercial solutions being available. However, the existing ALPR algorithms are based on the assumption that the input video will be obtained via a dedicated, high-resolution, high-speed camera and is/or supported by a controlled capture environment, with appropriate camera height, focus, exposure/shutter speed and lighting settings. However, typical video forensic applications may require searching for a vehicle having a particular number plate on noisy CCTV video footage obtained via non-dedicated, medium-to-low resolution cameras, working under poor illumination conditions. ALPR in such video content faces severe challenges in license plate localization, tracking and recognition stages. This paper proposes a novel approach for efficient localization of license plates in video sequence and the use of a revised version of an existing technique for tracking and recognition. A special feature of the proposed approach is that it is intelligent enough to automatically adjust for varying camera distances and diverse lighting conditions, a requirement for a video forensic tool that may operate on videos obtained by a diverse set of unspecified, distributed CCTV cameras.     

Cortex-A8的远程运动目标检测系统设计

设计了一种基于Cortex-A8的远程视频运动目标检测系统.系统包含以Cortex-A8为核心的视频采集端和以VS2015与OpenCV3.2结合为运行环境的运动目标检测端.视频采集端以S5PV210芯片作为处理器,以USB摄像头进行视频采集,并搭建了Linux操作系统对视频数据进行H.264编码,对编码后的视频数据进行RTP打包和网络传输;在PC机上通过FFMPEG对视频数据进行接收解码,然后以OpenCV函数库中的函数实现对ViBe算法的改进,使用改进后的ViBe算法对运动运动目标加以检测.经过测试,系统能够有效地减少视频数据量,而且可以得到清晰的运动目标.     

基于嵌入式的新型停车场智能控制器

分析了传统的基于PC的停车场控制器后发现,传统的停车场控制器具有受停车场规模的限制,布线复杂,以及未考虑到保障车辆在停车场中安全等缺点.为解决这些缺点,新型的停车场控制器采用嵌入式ARM系统来保证实时性和可靠性提高集成度,同时集成了SAA7115视频解码芯片,实现了实时补光选优算法,并支持后端车牌号牌自动识别,从而提供停车场内车辆的安全保障.经过大量测试和实际使用证明了该智能控制器具有高可靠性、稳定性以及很好的安全保障能力因此能够很好替代现有的传统停车场控制器.     

基于ARM11的H.264硬编解码视频传输系统设计

为了解决视频信息冗余、视频传输系统成本较高,视频编解码效率低等缺陷,研究了一种基于H.264硬编解码器的视频传输系统;该系统采用以ARM11为核心的,包含多媒体硬编解码器MFC的S3C6410作为处理器,使用CMOS摄像头采集实时视频数据;在嵌入式Linux操作系统上构建基于live555的RTSP服务器,监听客户端请求;重点阐述了多媒体硬编解码器MFC对视频数据进行的H.264硬件压缩编码,以及数据包的RTP封装,然后经由live555流媒体服务器转发至PC机;最后,在PC上对接收到的数据流进行解码播放,经实验测试证明,系统设计稳定可靠,具有可扩展性强、性能高、成本和功耗低等优点,图像质量和时延满足实际应用需求。     

基于ZYNQ的远程图像采集系统设计

针对传统图像采集系统远程图像传输延时长和数据丢失的缺点,设计了一种基于ZYNQ芯片开发的实时视频采集与图像传输系统;系统具有两个采集通道,模拟视频信号通过BNC(Bayonet Neill-Concelman)信号线接入设备并经过ADC(Analog-to-Digital Converter)完成信号的数字化;利用主控芯片内部的FPGA资源部署并行处理单元完成对数字化图像数据的低时延处理;通过驱动片内AXI(Advanced eXtensible Interface)总线以DMA(Direct Memory Access)的方式将数据传输至DDR3存储器中;利用芯片内部的双核ARM Cortex-A9处理器高性能,在采集设备上移植嵌入式Linux系统,搭建Gstreamer流媒体应用服务器端,实现整个采集系统复杂任务调度和图像数据远程网络传输;与传统单ARM或DSP处理器的图像采集系统相比,该系统具有FPGA(Field Programmable Gate Array)的并行处理能力和高带宽的内部互联总线的优势,提高了图像数据处理速度,降低了图像数据由采集端到存储器的传输延时,提供了稳定远程图像传输功能,经实验测试该系统实现了每秒25帧的视频信号输出,与前端ADC的采集速率保持一致,整个采集展示的过程中视频画面连续且稳定。     

基于SOPC的汽车车牌识别系统设计

介绍一种基于SOPC的车牌识别系统的设计方案,利用SOPC Builder创建和配置Nios II软核处理器及其外围设备,实现对图像传感器输出数据的采集、存储和显示;在Nios IDE软件开发平台上设计本系统图像处理的程序流程,通过对车牌图像进行定位、字符分割、字符识别等操作,完成对车牌号的处理。这种基于SOPC技术的车牌识别系统降低系统软硬件设计的难度,缩短开发周期,并提高设计的可靠性,具有较高的实用价值和应用前景。     

BP神经网络在车牌识别技术中的应用

车牌识别系统作为智能交通系统的重要部分,对车辆定位、交通流量的监控具有重要的意义。在车牌识别系统中,利用BP神经网络对车牌进行识别得到广泛的应用,如何提高车牌识别的准确率是车牌识别系统最根本的问题。在多路监控系统中,所采集的车牌图像大小比较小,严重影响了车牌的识别率。采用优化的BP神经网络结构以及根据环境差异进行识别的方法,对车牌识别进行研究,研究实现了对较小的车牌进行准确的识别。     

车辆捕获中的补偿算法研究

应用于视频监控与流量统计的车牌识别系统,其核心模块是对图象中车辆牌照进行识别,准确地捕获车辆的到来事件是提高车牌识别率的有效方法之一。传统的基于相邻帧的差值累计方法在捕获车辆到来事件与离开事件时存在着重复捕获同一车辆的到来事件,以及抗干扰性不强等缺陷。在传统方法的基础上,提出了一种补偿算法,即对传统方法进行修正与扩充,特别是对车道背景的补偿。实验表明：该算法显著地提高了车辆捕获的准确性。