徐文文 徐静 王超
摘要：车辆车牌的识别在现代交通中至关重要，发展空间巨大，基于ZigBee和计算机视觉的车牌识别是智能交通领域应用的板块之一，是实现交通管理智能化的关键一环。车牌自动识别系统主要包括预处理、车牌定位、字符分割、字符识别四个关键环节。基于此，在采集图片后对图片进行一系列预处理，再通过图像处理技术进行数字和字母的识别。在识别阶段，利用模板匹配的方法，通过识别算法来确定待测字符和模板字符中的相似程度，最终从车辆图像中有效的识别车牌字符。此实验对大量图片进行测试，结果表明，基于ZigBee的车牌识别系统的车牌识别方法整体识别率约为90%，证明该方法是有效的、可行的。
关键词：ZigBee；
图像识别；
车牌处理
中文图类号：TP391 收稿日期：2024-04-20
DOI：1019999/jcnki1004-0226202406034
1 前言
车牌识别技术在现代城镇道路和高速公路以及停车收费中起着重要作用，它不仅是计算机视觉和数字图像处理的重要研究领域，更是实现道路管理科学化的关键所在。随着国家经济和城镇道路的蓬勃发展，人们的平均收入不断提高，而汽车作为一种消耗品，其先进、高效、准确的交通智能管理系统备受关注，汽车牌照识别技术的广泛应用则为现代交通的智能管理开启了一扇大门。在车牌识别领域，汽车识别技术展现出了强大的生命力，尤其是加上ZigBee技术以来，它能够自动实现车辆ETC收费，如医院及商城一些停车收费场所的计时收费功能，以及查处一些车辆行驶过程中闯红灯及各种的违法违纪行为，通过车牌识别可以找到车主并进行思想教育及处罚，这样就提高了效率，省时省力［1］。
本文提出了一种基于ZigBee无线传输技术的车牌识别系统。本系统的识别流程为：先定位车牌位置，然后对每一个字符进行特征提取和分类处理，后用模式识别技术把这些字符分离开，最终进行车牌字符的识别工作。本文所提出的识别算法可以在较低的计算复杂度下完成车辆牌照的快速、准确检测和自动识别［2］。
2 相关技术简介
a.无线传输技术。ZigBee技术作为一个可以使用在中短距离和低速度环境下使用的无线通信技术，完全符合本文的要求。在本文中，ZigBee扮演着至关重要的角色，首先使用一块ZigBee板子进行摄像头识别，将识别出的车牌显示在屏幕上，然后进行计时收费，并通过板子将数据传输到另一块ZigBee板子上，最终通过串口打印出车牌信息。
b.图像预处理。图像质量的好快直接影响车牌识别的精确度，因此在进行图像分析前，需要进行图像预处理。图像预处理可以减少无关信息的干扰，增强有用信息的可检测性和可靠性。本文采用二值化处理方法对车牌图片进行预处理，二值化处理的基本原理在于利用图像中目标图像与背景图像之间的灰度值差异，推导出一个特定的阈值或范围，然后将图像转换为仅包含目标图像和背景图像的二值化图像[3]。
c.车牌定位。车牌的定位是摄像头对车牌区域的定位。在识别车牌时，找到车牌的位置是最重要的，也会直接影响后续操作的准确性。车辆牌照的定位问题涉及图像分割和目标提取两个关键环节。
d.字符分割。字符分割是指将一串连续的字符序列按照特定规则或标准划分成若干个独立的字符的过程。在车辆识别中，字符分割的重要过程为：首先确定车牌区域，然后将车牌图像上的像素点的灰度值设置好后对字符进行进一步的分割。在处理过程中，获取每个字符左侧和右侧的边界线k，每个字符的边界线均以垂直的蓝色线条为标志。
e.字符识别。在上述处理后，一个完整的车牌号就被分成一个一个有字符组成的图像。由于字符具有唯一性和稳定性，所以对其进行编码处理就成为车牌识别系统的第一步。当上述过程都准确无误后，就进入最复杂也是最难的一部分。字符识别技术是一项至关重要的核心技术，它利用图像分析和模式识别技术，通过一系列数学运算，生成附加在图像中的字符信息，以确保正确的字符识别结果［4］。
3 系统实现
本系统的主要工作流程如下：
a.STM32微控制器利用摄像头实时捕捉图像，并通过TFT液晶屏幕实时呈现相应的图像。
b.STM32微控制器使用OV7670摄像头，对车牌区域进行识别，并使其处于屏幕中的两根蓝线中间。
c.完成识别过程，完成预处理及字符的分割与识别。
d.两个ZigBee模块互传信息。
e.一旦车辆入库，蜂鸣器便会嘀一声，表示已经开始计时。
f.如果再次识别到相同的车牌号，就表示车辆出库。
31 硬件设计
本文系统硬件由STM32F103RCT6 单片机、无线通信模块、ZigBee模块、28寸TFT液晶屏显示、OV7670、CH340串口等主要模块共同组成［5］。图1为硬件设计实物图。
32 软件设计
本文软件设计流程如图2所示。软件设计主要采用C语言进行相关模块代码编程，主要包括车牌识别预处理、车牌定位、字符分割、字符匹配等模块。
a.图像预处理。使用OV7670摄像头进行图像采集；
使用二值化方法把图像从彩色变为灰度突变从而提高图片亮度，方面后续的操作。
b.车牌定位。在识别车牌时，对车牌进行定位是至关重要的一步，在车牌区域内，其纹理结构和背景呈现出显著的差异，车牌区域的纵向边界更加密集，同时车牌字符和背景之间的对比度较高，导致车牌区域水平方向上的灰度变化频率极高[6]。为了更好地检测出图像中的车牌区域，本文提出一种基于数学形态学方法来提取牌照区域边缘的算法。通过运用这些特征以及必要的先验知识，能够更加准确地找到粗略的定位区域。
c.字符分割及匹配。首先将一个完整的车牌号分成一个一个由字符组成的图像，然后找到需要识别的字符的独有之处，通过对其拓扑结构或数据库的分析，对其特征精准分类。最后待识别字库与标准库中相同或相似字进行比较来实现匹配。
4 系统调试
41 硬件调试
在接入电源后，STM32F103RCT6单片机、无线通信模块、ZigBee模块、TFT液晶屏显示、OV7670摄像头、CH340串口等硬件部件均能正常工作，实现其功能。使用摄像头拍摄车牌图像，STM32芯片对车牌进行预处理、定位、分割等操作后，显示器显示出相应车牌号，图3为系统硬件测试示意图。
42 软件调试
软件调试主要测试图像预处理、字符分割、字符匹配模块能否正常工作。
利用模板匹配算法对整幅图像进行处理后，再与数据库中各行数对应起来，从而实现了车辆牌照自动识别系统的自动定位功能。图4为二值化识别示意图，其中，左侧的红色标记点所代表的是各行的跳跃变化点的数量。
在找到车牌区域，将图像上像素点的灰度值设置好后对字符进行进一步的分割。在处理过程中，获取每个字符的左侧和右侧的边界线k。图5是字符分割示意图。
5 结语
基于ZigBee的车牌识别，本实验所设计的算法经过上百张的图片测试之后，得到的结果是正确的。但是此算法只能识别光线较好情况下的图像，因司机技术或其他原因导致车身倾斜以至于采集到的车辆图不正，也有可能导致识别失败。本算法在更为复杂的环境下需要更强的算法去实现，但此次所涉及的还达不到实际生活的需要。因此，这些不足以后都是需要去改进的，这样才能使车牌识别系统更加完善，更加贴合现实生活。具体的展望方向如下：
a.通过实验对车牌图像识别环节进行优化，使其能够适应更多复杂恶劣环境下的应用需求；
使该系统所适用的范围越来越广，而不仅限于某些方面。
b.在挑选核心器件的过程中，尽可能简化硬件电路，以便在调试过程中更加便捷高效，从而达到最佳的效果。
c.经过实际情况证明，本系统功能运行完好无误。该设计降低了硬件成本，简化了硬件结构，但仍需要进一步研究和改进，完善和更新本系统以便于更适实人们的生产生活。
参考文献：
[1]牛志刚，张瑞全，高树静，等基于深度学习的端到端车牌检测与识别[J]电子设计工程，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]杨金鑫，颜湘炎，王子宁基于深度学习的复杂场景下车牌识别算法研究[J]智能计算机与应用，2023，13（3）：33-38
[4]宁娜文，卢梅，陈旋，等基于深度学习的车牌定位与字符识别[J]智能计算机与应用，2023，13（3）：88-92
[5]台骋基于深度学习的车牌识别方法的设计[D]大连：大连海洋大学，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.
作者简介：
徐文文，女，1994年生，硕士，研究方向为计算机应用技术。
基金项目：黄河交通学院精品在线开放课程《数据库原理及应用》（HHJTXY-2023jpzx03）
猜你喜欢 图像识别 基于Resnet-50的猫狗图像识别电子制作(2019年16期)2019-09-27高速公路图像识别技术应用探讨中国交通信息化(2019年4期)2019-07-13图像识别在物联网上的应用电子制作(2018年19期)2018-11-14图像识别在水质检测中的应用电子制作(2018年14期)2018-08-21浅谈模式识别在图像识别中的应用电子测试(2017年23期)2017-04-04基于多组合内容的图像识别机制电子设计工程(2015年8期)2015-02-27
