|
3．论文（设计）任务、重点研究内容、技术方案（方法）及进度安排、主要参考资料
3.1 设计的任务
         
  
图像采集：借助摄像机等拍摄设备采集。
车牌预处理：本部分主要进行车牌的灰度化，图像去噪，边缘检测，形态学开闭运算。
车牌定位：考虑到我国小汽车基本是蓝底白字，蓝色车牌在整张图像中，是属于比较明显的一个色块。因为车牌定位采用基于颜色的方法进行处理。统计蓝色的像素点，记录蓝色区域突变的四个角坐标，进行切割即可。
字符分割：考虑到车牌的7个字符属于相互独立，不黏连，因此采用连通域法进行字符分割，即如两个字体不黏连，则切割成一个字符。
车牌识别：本课题采用模板匹配的方法。将切割到的字符与字符库里面的字符进行一一对比，利用做差法，像素值相差最少的字符即为目标字符。
计时计费：车牌识别，分入库和出库两个阶段，在入库和出库的时候，分别记录北京时间，前后时间相减，即为停车时长，按照收费标准，计算停车费用。
图3.3-1 车牌识别流程图
3.2 论文（设计）需要重点研究的内容
对计算机车牌识别技术的一般流程进行介绍，并介绍几种主要的车牌定位算法，对目前研究中常用的一些车牌识别方法进行简单介绍，最后介绍了车牌识别的计时计费功能。
介绍车牌预处理，车牌定位，车牌识别算法，并介绍了计时计费功能。
3.3 技术方案
本设计中的车牌识别，是基于蓝底车牌定位，模板匹配识别的设计。用摄像机或摄像头采集含有车牌的图像，并自动在图像中检测车牌，进而对检测到的车牌进行脸部的一系列相关技术。
因此，机器对车牌进行识别的过程与人类视觉识别人脸的过程类似，大致可分为四个步骤，如图3.3-1 所示。
（1）图像预处理：在整个车牌识别系统中，由于采集进来的图像为真彩图，再加上实际采集环境的影响以及采集硬件等原因，图像质量并不高，其背景和噪声会影响字符的正确分割。和识别，所以在进行车牌分割和识别处理之前，需要先对车牌图像进行图像预处理操作。
（2）车牌定位：首先对车牌的二值图片进行形态学滤波，使车牌区域形成一个连通区域，然后根据车牌的先验知识对所得到的连通区域进行筛选，获取车牌区域的具体位置，完成从图片中提取车牌的任务。
（3）车牌分割：首先对车牌进行水平投影，去除水平边框；再对车牌进行垂直投影。通过对车牌进行投影分析可知，与最大值峰中心对应的为车牌中第二个字符和第三个字符的间隔，与第二大峰中心距离对应的即为车牌字符的宽度，并以此为依据对车牌进行分割。
（4）字符识别：本文采用模板匹配方法来对车牌进行识别。识别过程中，首先建立标准字库，再将分割所得到的字符进行归一化，将归一化处理后的字符与标准字库里的字符逐一比较，最后把误差最小的字符作为结果显示出来。
（5）入库、出库分别计算时间，记录时间差，按照某标准识别停车费用；
3.4 论文（设计）的进度安排
20年月日---20年月日 主要工作： 论文选题
20年月日---20年月日 主要工作： 开题报告撰写
20年月日---20年月日 主要工作： 需求调研与需求分析
20年月日---20年月日 主要工作： 车牌字符库建立
20年月日---20年月日 主要工作： 项目框架搭建
20年月日---20年月日 主要工作： 论文详细设计编写
20年月日---20年月日 主要工作： 详细代码编写
20年月日---20年月日 主要工作： 程序测试
20年月日---20年月日 主要工作： 完成论文编写
3.5 主要参考资料
[1] 迟铁军, 高鹏. 国外智能交通系统发展状况分析及对我国的启示[J]. 黑龙江交通科技, 2009, 32(2): 111~114
[2] 郭红兵. 智能交通系统在城市道路交叉口中的应用现状与发展展望[J]. 陕西交通职业技术学院学报,2009, 2(1): 13~17
[3] 杨忠秀, 宋加涛等. 车牌定位算法研究[J]. 实用设计, 2007, 31(1) : 79~81
[4] 梅林, 刘锋. 基于边缘检测与垂直投影相结合的车牌定位方法[J]. 甘肃科技, 2009, 25(3):16~17
[5]Wenjing Jia, Huaifeng Zhang, Xiangjian He. Region-based license plate detection[J]. Journal of Network and Computer Applications, 2007, 30(4): 1324~1333
[6] 杨家辉, 王建英. 基于色彩分割与体态纹理分析的车牌定位方法[J]. 计算机与现代化,2004, 25(11): 23~25
[7]Feng Wang, Lichun Manb, Bangping Wang, Yijun Xiao, Wei Pan, Xiaochun Lu. Fuzzy-based algorithm for color recognition of license plates[J]. Pattern Recognition Letters, 2008, 29(7): 1007~1020
[8] 范蕤, 潘永惠. 基于小波变换的车牌定位算法研究[J], 通化师范学院学报, 2008, 29(10): 4~6
[9] 张玲, 刘勇, 何伟. 自适应遗传算法在车牌定位中的应用[J]. 计算机应用, 2008, 28(1): 184~186
[10] 谭熙, 黄樟灿. 基于自适应性的车牌定位新方法[J]. 计算机技术与自动化, 2008, 27(3): 73~77
[11] 陆恩诞, 陆锋, 袁晓辉. 用神经网络进行车牌定位的研究[J]. 南京理工大学学报, 2002,26(S1): 501~7017
[12] 范玮琦, 穆长江. 一种基于汉字结构特征的车牌照字符分割方法[J]. 仪器仪表学报, 2003, 24(4): 472~474
[13] 胡小峰, 赵辉. Visual C++/MATLAB 图像处理与识别[M]. 北京: 人民邮电出版社, 2004.84~233
[14] 李文举, 梁德群. 质量退化的车牌字符分割方法[J]. 计算机辅助设计与图形学学报, 2004, 6(5): 697~700
[15] Shigueo Nomura , Keiji Yamanaka, Osamu Katai , Hiroshi Kawakami , Takayuki Shiose. A
报告人签名：
年 月 日
|
