【正文】 牌圖像獲取、車牌區(qū)域定位、字符分割和字符識(shí)別等幾個(gè)部分。當(dāng)有車輛通過預(yù)定區(qū)域時(shí)，一般通過埋在該區(qū)域的地感線圈觸發(fā)圖像采集系統(tǒng)，通過CCD攝像機(jī)拍攝車輛圖像，經(jīng)過處理器分系統(tǒng)，輸出車牌號(hào)碼。在文字材料的識(shí)別中，人們不僅可以把一個(gè)漢字的筆劃或偏旁等單元組成一個(gè)組塊，而且能把經(jīng)常在一起出現(xiàn)的字或詞組成組塊單位來(lái)加以識(shí)別。對(duì)于熟悉的圖形,由于掌握了它的主要特征，就會(huì)把它當(dāng)作一個(gè)單元來(lái)識(shí)別，而不再注意它的細(xì)節(jié)了。同時(shí),在大腦里必定有一個(gè)負(fù)責(zé)整合信息的機(jī)制，它能把分階段獲得的信息整理成一個(gè)完整的知覺映象。而且眼睛的掃描路線也總是依次從一個(gè)特征轉(zhuǎn)到另一個(gè)特征上。每個(gè)圖像都有它的特征,如字母A有個(gè)尖，P有個(gè)圈、而Y的中心有個(gè)銳角等。例如，人可以用眼看字，當(dāng)別人在他背上寫字時(shí)，他也可認(rèn)出這個(gè)字來(lái)。即使在這種情況下，人們?nèi)匀豢梢哉J(rèn)出他們過去知覺過的圖像。2系統(tǒng)開發(fā)環(huán)境 系統(tǒng)配置 電腦:X86 兼容 臺(tái)式電腦 操作系統(tǒng):Windows XP 專業(yè)版 ( 32位 / SP3 / DirectX ) 處理器:英特爾 Pentium(奔騰) 雙核 E5300 主板:捷波 藍(lán)光P43/XBLUEP43D 07272009( 英特爾 4 Series Chipset ) 內(nèi)存: 2 GB ( 金士頓 DDR2 800MHz ) 圖像識(shí)別技術(shù)簡(jiǎn)介人的圖像識(shí)別能力是很強(qiáng)的。建立車輛數(shù)據(jù)庫(kù)所需要的車輛信息，初步設(shè)計(jì)數(shù)據(jù)庫(kù)。圖1 校園監(jiān)控效果圖初步規(guī)劃出網(wǎng)站的具體模塊，包括進(jìn)出校園車輛識(shí)別、車輛數(shù)據(jù)庫(kù)、實(shí)時(shí)車輛分析。因此建立一套既能快速高效識(shí)別車輛牌號(hào)、將車輛數(shù)據(jù)與已知數(shù)據(jù)庫(kù)相匹配，對(duì)車輛信息長(zhǎng)期進(jìn)行管理的車輛管理系統(tǒng)就顯得尤為重要了。這種簡(jiǎn)單的記錄對(duì)需要對(duì)學(xué)校進(jìn)行長(zhǎng)期車輛監(jiān)管的需求已經(jīng)完全不適應(yīng)。不管是教職工人員開車來(lái)上班還是學(xué)生開車來(lái)上課，又或則是進(jìn)出高校的其他社會(huì)車輛對(duì)校園這個(gè)類小區(qū)型的區(qū)域已經(jīng)形成了比較大的車輛管理需求。綜上所述，不管是傳統(tǒng)的人工識(shí)別還是半智能化的車輛識(shí)別都已經(jīng)不適應(yīng)現(xiàn)階段的車輛管理要求。人工識(shí)別，首先要耗費(fèi)大量的人力、物力，其次人工識(shí)別隨著人的主觀性會(huì)比較多的發(fā)生錯(cuò)誤識(shí)別，最后人工識(shí)別需要記錄以及辨認(rèn)會(huì)耽誤車輛的正常運(yùn)行。而要實(shí)現(xiàn)對(duì)每輛車的管理維護(hù)首先要做到的就是對(duì)每輛車的識(shí)別。據(jù)權(quán)威媒體預(yù)測(cè)，2025年，中國(guó)汽車市場(chǎng)將超過美國(guó)，成為世界第一的汽車市場(chǎng)。21世紀(jì)初中國(guó)加入WTO后，汽車市場(chǎng)規(guī)模迅速擴(kuò)大，全面融入世界汽車體系。期待根據(jù)這個(gè)設(shè)計(jì)做出的智能車輛管理系統(tǒng)。其中車牌定位后的分割，以及識(shí)別，還有與數(shù)據(jù)庫(kù)的比對(duì)本文并沒有涉及。本文所探究的車牌識(shí)別，是基于圖像識(shí)別的大體處理步驟的包括了車牌的定位、分隔、識(shí)別。從網(wǎng)站的功能劃分，到網(wǎng)站的重點(diǎn)功能圖像識(shí)別出發(fā)規(guī)劃出了網(wǎng)站的雛形。不論是小區(qū)還是高校，又或則是高速公路的收費(fèi)站對(duì)于車輛管理的智能化都是有著迫切的期望。摘 要隨著我國(guó)道路的迅猛發(fā)展，智能交通系統(tǒng)越來(lái)越成為現(xiàn)代交通道路管理的強(qiáng)烈需求。而類區(qū)域性的車輛管理更是成為了需求的熱點(diǎn)。本論文研究的主要內(nèi)容是將高校作為類區(qū)域的典型，從高校的安保以及便捷管理出發(fā)，設(shè)計(jì)了一個(gè)基于圖像識(shí)別的車輛管理系統(tǒng)網(wǎng)站。另外為了網(wǎng)站整體的實(shí)現(xiàn)，對(duì)網(wǎng)站的重點(diǎn)功能車牌識(shí)別中的車牌定位編寫了一個(gè)專門的java程序?qū)嚺谱R(shí)別進(jìn)行了分析以及實(shí)現(xiàn)。其中主要是研究車牌的定位，即從圖像的灰度、強(qiáng)化邊緣最后再到車牌定位。程序?qū)崿F(xiàn)結(jié)果表明，車牌定位成功效果比較理想，但是還有一些車牌難以定位。關(guān)鍵詞 車輛管理系統(tǒng) 圖像識(shí)別 高校安保 目 錄1 前言 1 設(shè)計(jì)背景與意義 1 設(shè)計(jì)目標(biāo) 12系統(tǒng)開發(fā)環(huán)境 2 系統(tǒng)配置 2 圖像識(shí)別技術(shù)簡(jiǎn)介 3 車牌識(shí)別技術(shù)簡(jiǎn)介 33 總體設(shè)計(jì) 44 詳細(xì)設(shè)計(jì) 5 5 圖像識(shí)別功能設(shè)計(jì)以及實(shí)現(xiàn) 6 灰度化 6 灰度直方圖 8 圖像均衡化 9 邊緣化 11 找車牌 13 二值化 21 數(shù)據(jù)庫(kù)設(shè)計(jì) 24 數(shù)據(jù)庫(kù)ER圖設(shè)計(jì) 24 創(chuàng)建主要數(shù)據(jù)庫(kù) 265 運(yùn)用讀取jar包實(shí)現(xiàn)車牌號(hào)碼識(shí)別 276 總結(jié)與展望 34 總結(jié) 34 展望 34致 謝 361 前言 設(shè)計(jì)背景與意義汽車工業(yè)產(chǎn)生一百多年來(lái)，一直都被當(dāng)成是工業(yè)發(fā)達(dá)國(guó)家的經(jīng)濟(jì)指標(biāo)，在國(guó)家的實(shí)際成長(zhǎng)中發(fā)揮著非常重要的作用。同時(shí)，伴隨著工業(yè)經(jīng)濟(jì)的強(qiáng)勁發(fā)展，未來(lái)生活工作的節(jié)奏將大大加快，汽車不可避免地成為大眾的代步工具。這個(gè)時(shí)候隨著汽車數(shù)量增多所衍生的一系列對(duì)汽車的管理維護(hù)配套系統(tǒng)就顯得尤為重要。出于高效，智能，便捷等方面的考慮，傳統(tǒng)的人工識(shí)別，或則半智能識(shí)別已經(jīng)不適合現(xiàn)代高速發(fā)展的生活、工作要求了。而半智能識(shí)別，是智能化道路的必經(jīng)之路，為最終智能化做出了貢獻(xiàn)但是還沒有真正實(shí)現(xiàn)智能化，高效、便捷的最終要求。隨著車輛的增多，進(jìn)出高校車輛必然增多。就以華南農(nóng)業(yè)大學(xué)作為例子，進(jìn)出華農(nóng)的車輛每天都以數(shù)百輛記錄，由于學(xué)校內(nèi)部出入口眾多，現(xiàn)階段采用的是設(shè)立專門的監(jiān)管人員對(duì)進(jìn)出車輛進(jìn)行簡(jiǎn)單的記錄。采用人工監(jiān)管的方式，不僅對(duì)進(jìn)出車輛通過關(guān)卡時(shí)間大大增加，還會(huì)增加車輛記錄的錯(cuò)誤風(fēng)險(xiǎn)，從而對(duì)學(xué)校內(nèi)部的安檢產(chǎn)生影響。 設(shè)計(jì)目標(biāo)設(shè)計(jì)目標(biāo)是建立一個(gè)web版本的基于圖像識(shí)別的車輛管理系統(tǒng)，初步計(jì)劃采用J2EE開發(fā)這個(gè)系統(tǒng)，依據(jù)圖像識(shí)別的方法建立一個(gè)系統(tǒng)網(wǎng)站，通過網(wǎng)絡(luò)與網(wǎng)站系統(tǒng)數(shù)據(jù)庫(kù)進(jìn)行交互，并且將各個(gè)接口采集回來(lái)的圖像數(shù)據(jù)進(jìn)行分析處理，從而實(shí)時(shí)的將這些分析處理后的數(shù)據(jù)反饋到網(wǎng)站上。其中車牌的識(shí)別部分為重點(diǎn)內(nèi)容是本文主要研究的模塊。對(duì)網(wǎng)站系統(tǒng)的圖像識(shí)別模塊進(jìn)行重點(diǎn)研究，能夠通過調(diào)用jar包實(shí)現(xiàn)對(duì)車輛圖像的車牌識(shí)別。圖像距離的改變或圖像在感覺器官上作用位置的改變，都會(huì)造成圖像在視網(wǎng)膜上的大小和形狀的改變。甚至圖像識(shí)別可以不受感覺通道的限制。 圖像識(shí)別技術(shù)可能是以圖像的主要特征為基礎(chǔ)的。對(duì)圖像識(shí)別時(shí)眼動(dòng)的研究表明，視線總是集中在圖像的主要特征上，也就是集中在圖像輪廓曲度最大或輪廓方向突然改變的地方，這些地方的信息量最大。由此可見，在圖像識(shí)別過程中，知覺機(jī)制必須排除輸入的多余信息,抽出關(guān)鍵的信息。 在人類圖像識(shí)別系統(tǒng)中，對(duì)復(fù)雜圖像的識(shí)別往往要通過不同層次的信息加工才能實(shí)現(xiàn)。這種由孤立的單元材料組成的整體單位叫做組塊，每一個(gè)組塊是同時(shí)被感知的。 車牌識(shí)別技術(shù)簡(jiǎn)介車牌識(shí)別系統(tǒng)一般由圖像采集部分、中央處理器、識(shí)別系統(tǒng)、相關(guān)數(shù)據(jù)庫(kù)等幾個(gè)部分組成。為了提高系統(tǒng)對(duì)天氣、環(huán)境、光線等的適應(yīng)性，攝像機(jī)一般采用自動(dòng)對(duì)焦、自動(dòng)光圈調(diào)整的一體化攝像機(jī)。 圖2 車牌識(shí)別設(shè)計(jì)流程車牌識(shí)別系統(tǒng)中最重要的部分是車牌區(qū)域定位分割技術(shù)和車牌字符識(shí)別技術(shù)。完整的系統(tǒng)包括連接相應(yīng)的數(shù)據(jù)庫(kù)，并實(shí)時(shí)進(jìn)行數(shù)據(jù)的更新、存儲(chǔ)、查詢、修改等功能的完整的工程體系。整個(gè)車輛管理系統(tǒng)的核心部分在于三個(gè)模塊的組合使用。對(duì)于圖像識(shí)別模塊主要采用以下幾個(gè)步驟對(duì)圖像進(jìn)行識(shí)別：灰度化、灰度直方圖、圖像均衡化、邊緣化、找車牌、二值化。對(duì)一些車輛車牌被遮住、污染等狀況發(fā)出警報(bào)。車輛數(shù)據(jù)庫(kù)模塊車輛數(shù)據(jù)庫(kù)主要存儲(chǔ)的是進(jìn)出校園車輛的所有具體信息，包括了車主的信息，進(jìn)出時(shí)刻車牌的照片，通過圖像識(shí)別所得到的車牌號(hào)碼，車輛所屬單位，車輛進(jìn)出校園的每個(gè)具體時(shí)刻。車輛數(shù)據(jù)庫(kù)模塊分為：按日期查找模塊、按車牌號(hào)碼查找模塊、以及車輛信息查詢。通過調(diào)用車輛數(shù)據(jù)庫(kù)的信息，能夠查知最近某個(gè)時(shí)間段進(jìn)出校園比較頻繁的車輛牌照號(hào)碼，還能識(shí)別出最近都沒有出現(xiàn)過的陌生牌號(hào)。 圖4 系統(tǒng)功能模塊圖 圖像識(shí)別功能設(shè)計(jì)以及實(shí)現(xiàn) 灰度化 灰度圖像是一種具有從黑到白256級(jí)灰度色域或等級(jí)的單色圖像。該圖像只有灰度等級(jí)，而沒有顏色的變化。因此，要表示灰度圖，就需要把亮度進(jìn)行量化，通常劃分為0~255共256個(gè)級(jí)別，0最暗（全黑），255最亮（全白）。gt。gt。 ：Gray=（R+G+B）/3。本次功能實(shí)現(xiàn)主要采用第一種方法對(duì)圖像進(jìn)行灰度化。 i width。 j height。 pixels[i][j][1] = grayValue。 pixels[i][j][3] = grayValue。 } } for (int i = 0。 i++) { for (int j = 0。 j++) { (i, j, getGRB(pixels[i][j][0], pixels[i][j][1], pixels[i][j][2], pixels[i][j][3]))。如下圖所示，灰度直方圖的橫坐標(biāo)是灰度級(jí)，縱坐標(biāo)是該灰度級(jí)出現(xiàn)的頻率，是圖象的最基本的統(tǒng)計(jì)特征。在具體實(shí)現(xiàn)時(shí)，本次設(shè)計(jì)程序采用了一個(gè)長(zhǎng)度為256的數(shù)組來(lái)記錄各個(gè)灰度級(jí)的統(tǒng)計(jì)值，同時(shí)對(duì)其做了歸一化操作。 i width。 j height。 } } 圖像均衡化 圖像對(duì)比度增強(qiáng)的方法可以分成兩類:一類是直接對(duì)比度增強(qiáng)方法。直方圖拉伸和直方圖均衡化是兩種最常見的間接接對(duì)比度增強(qiáng)方法。直方圖均衡化則通過使用累積函數(shù)對(duì)灰度值進(jìn)行“調(diào)整”以實(shí)現(xiàn)對(duì)比度的增強(qiáng)。 直方圖均衡化就是對(duì)圖像進(jìn)行非線性拉伸，重新分配圖像像元值，是一定灰度范圍內(nèi)的像元數(shù)量大致相同。缺點(diǎn)：　　1）變換后圖像的灰度級(jí)減少，某些細(xì)節(jié)消失；　　2）某些圖像，如直方圖有高峰，經(jīng)處理后對(duì)比度不自然的過分增強(qiáng)。 double[] densityArray = new double[256]。 for (int i = 0。 i++) { densityArray[i] = histogramArray[i] * / totalPixels。 } for (int i = 0。 i++) { for (int j = 0。 j++) { distributionArray[i] += densityArray[j]。 i 256。 } for (int i = 0。 i++) { histogramArray[i] = 0。 i width。 j height。 pixels[i][j][1] = grayValue。 pixels[i][j][3] = grayValue。 } } for (int i = 0。 i++) { for (int j = 0。 j++) { (i, j, getGRB(pixels[i][j][0], pixels[i][j][1], pixels[i][j][2], pixels[i][j][3]))。本實(shí)驗(yàn)采用了拉普拉斯算子，是一種微分算子，是輸入圖像為f(i,j),算子輸出圖像為g(i,j),拉普拉斯4算子鄰域算子圖下： 表1 拉普拉斯算子010141010圖9 邊緣化后的圖像實(shí)現(xiàn)代碼： public BufferedImage borderMethd() {BufferedImage outImage = new BufferedImage(currentImage .getWidth(), (), currentImage .getType())。 Kernel kernel = new Kernel(3, 3, elements)。 (currentImage, outImage)。 for (int i = 0。 i++) { histogramArray[i] = 0。 i width。 j height。 pixels[i][j][0] = getAlpha(pixel)。 pixels[i][j][2] = getGreen(pixel)。 histogramArray[pixels[i][j][1]]++。 } 找車牌本次程序?qū)崿F(xiàn)中找車牌有兩種方法，第一種是通過找頂點(diǎn)來(lái)確定矩形，第二種采用矩形框模式匹配。用相似的方法可以找到右上角的點(diǎn)、左下角的點(diǎn)，和右下角的點(diǎn)。本次程序?qū)崿F(xiàn)中X軸的距離取70，Y軸的距離取20，也就是說一條由點(diǎn)出發(fā)，拿左上角的點(diǎn)為例，往X軸出發(fā)，如果有條直線，其長(zhǎng)度大于70，灰度值總和大于某一特定值；且往X軸出發(fā)，如果有條直線，其長(zhǎng)度大于20，灰度值總和大于某一特定值則這個(gè)點(diǎn)滿足左上角點(diǎn)的要求，列入了fixlefttop[]數(shù)組中。其中在查找過程中設(shè)了一個(gè)灰度過高象素過濾值，以防治由于灰度值不均衡，某些點(diǎn)灰度過大影響灰度總和最低值的過濾作用。求得滿足要求的四個(gè)點(diǎn)以后，在對(duì)四個(gè)數(shù)組進(jìn)行矩形的匹配。以左上角和右下角的兩個(gè)數(shù)組進(jìn)行循環(huán)搜索。在用兩個(gè)過濾條件對(duì)所有可能的矩形進(jìn)行過濾。車牌的長(zhǎng)度和寬度有一定的限制，而且都大于0。過濾條件2是在由左上角點(diǎn)和右下角的點(diǎn)可以求出右上角和左下角的點(diǎn)的坐標(biāo)，看看是否存在于右上角和左下角這兩個(gè)數(shù)組中。采用方法一由于圖片效果的問題和最小條