基于BP神經(jīng)網(wǎng)絡的車牌識別系統(tǒng)研究.pdf

1、智能型交通體系(ITS——Intelligent Transportation System)是未來交通監(jiān)管系統(tǒng)的主要發(fā)展趨勢。車輛牌照識別技術(LPR——License Plate Recognition)又是ITS中的核心技術之一。因此研究與開發(fā)車牌識別系統(tǒng)對于我國交通管理領域的發(fā)展具有重要實用價值。LPR系統(tǒng)可分為車牌定位與車牌識別兩大部分，本文針對車牌識別部分進行了深入的研究與設計。
　　車牌識別系統(tǒng)要應對多種復雜環(huán)境，如

2、車流量高峰期、照射反光、車牌污染等。本課題依據(jù)車牌識別系統(tǒng)的高速率、高識別率的設計要求，采用了人工神經(jīng)網(wǎng)絡(ANN)來構(gòu)建系統(tǒng)識別模塊。ANN模擬人腦智能，在識別車牌時能進行聯(lián)想記憶與推理，從而較好地解決字符殘缺不完整而無法識別的問題。在處理機制上將信息存儲與處理并行起來，大大提高了運行速度。
　　本課題在 FPGA芯片上通過內(nèi)嵌 NIOSII軟核方式來設計系統(tǒng)方案。NIOSII CPU是一款可根據(jù)應用裁減性能的嵌入式軟核，配以可

3、編程并行處理特性的FPGA來承載車牌識別系統(tǒng)，能夠充分發(fā)揮系統(tǒng)性能并滿足實時性要求。論文包括車牌預處理模塊、識別模塊、硬件設計三方面內(nèi)容，主要工作如下：
　?、賹嚺茍D像預處理模塊進行了深入研究。在車牌二值化的OTSU算法上進行了改進，通過算法前銜接灰度拉伸算法增強了二值化效果。在字符分割的傳統(tǒng)投影算法上進行了修改，通過添加控制子圖像對字符粘連的判斷語句實現(xiàn)了粘連字符的分割；在字符特征提取上采取了綜合提取方法，有效提高了車牌字符特

4、征的采集效率。
　?、趯NN進行了研究，采用BP網(wǎng)絡對車牌識別模塊建模，并依據(jù)網(wǎng)絡訓練效果，對BP網(wǎng)絡實行優(yōu)化，采用樣本輪訓修改了權(quán)值調(diào)整算法，并在標準BP學習算法中添加了動量項，極大地提高了網(wǎng)絡學習效率及收斂速度。
　　③結(jié)合SOPC理念，在FPGA芯片上搭建了基于NIOSII的車牌識別系統(tǒng)。系統(tǒng)中對耗時的浮點運算模塊進行了硬件化，提高了系統(tǒng)執(zhí)行效率；系統(tǒng)輸出端設計了LCM接口電路，采用TRDB-LCM對車牌處理圖像進行