車牌識別是智能交通系統(tǒng)的一個重要研究課題，存在巨大的市場需求。車牌識別系統(tǒng)分車輛圖像的獲取、車牌的定位與字符分割、車牌字符識別3大部分。對于車牌字符識別，目前最常用的方法是基于模板匹配的方法和基于神經(jīng)網(wǎng)絡(luò)的方法兩大類。前者多利用了字符的輪廓、網(wǎng)格、投影等統(tǒng)計特征，相似字符區(qū)分能力差，且因特征數(shù)據(jù)維數(shù)過大會導(dǎo)致識別速度慢；而后者則存在網(wǎng)絡(luò)輸入數(shù)據(jù)的選擇和網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計等問題。

目前，普遍采用3類方法來提高字符的識別性能：第1類是尋找更好的分類識別算法；第2類是將幾種分類器結(jié)合起來，相互補充，根據(jù)不同方面的特征分類，如文獻；第3類是抽取具有更強描述能力的特征，結(jié)合其它輔助特征來進行分類。本文所構(gòu)建的車牌字符系統(tǒng)基于FPGA平臺，具有并行運算能力強、接口邏輯豐富等特性，為構(gòu)建實時、便攜的車牌字符識別系統(tǒng)提供了一種有效、可行的解決方案。

1 系統(tǒng)概述

本系統(tǒng)主要采用Altera公司的DE2開發(fā)板為實驗平臺，根據(jù)該系統(tǒng)實現(xiàn)的功能，將系統(tǒng)劃分為硬、軟件兩部分，硬件部分包括車牌采集[5][6]和A/D轉(zhuǎn)換、車牌預(yù)處理等；軟件部分主要使用CyclONe II FPGA內(nèi)嵌的NIOS II軟核，采用SOPC Builder配置生成片上系統(tǒng)，并使用模板匹配算法對車牌進行識別，最后識別結(jié)果在LED上顯示。

FPGA（Field-Programmable Gate Array），即現(xiàn)場可編程門陣列，它是在PAL、GAL、CPLD等可編程器件的基礎(chǔ)上進一步發(fā)展的產(chǎn)物。它是作為專用集成電路（ASIC）領(lǐng)域中的一種半定制電路而出現(xiàn)的，既解決了定制電路的不足，又克服了原有可編程器件門電路數(shù)有限的缺點。FPGA采用了邏輯單元陣列LCA（Logic Cell Array）這樣一個概念，內(nèi)部包括可配置邏輯模塊CLB（Configurable Logic Block）、輸出輸入模塊IOB（Input Output Block）和內(nèi)部連線（Interconnect）三個部分

2 車牌預(yù)處理

2.1 粗定位和灰度化

車牌定位是整個系統(tǒng)的關(guān)鍵問題之一，它直接影響了后續(xù)的分割以及識別的準確率?？紤]到整個圖像車牌部分的字符顏色和車牌背景顏色差別很大，其灰度級別分布有一定規(guī)律和范圍，兼之車牌的寬度有一定的比例，因此可以將車牌從背景圖片中分離出來。

我國現(xiàn)有的車輛主要有藍底白字牌照、黃底黑字牌照等四種類型。鑒于車牌前景、背景色的顏色特征，可以通過對顏色通道的分析來大致的確定車牌所在的位置以完成車牌位置的粗定位。在確定參數(shù)的時候，除了要考慮主色的下限參數(shù)以外還要考慮另外二個通道的上限參數(shù)。經(jīng)過反復(fù)的試驗對比后得出經(jīng)驗參數(shù)值為：以藍底白字的車牌為例，在RGB 三個通道中：R< 10'b0110110000; G<10'b0111010000; B>10'0110110000,由以上參數(shù)為掃描閾值，自動剔除車牌位置之外的其他圖像部分，完成粗定位。

2.2 中值濾波處理

中值濾波法是一種非線性平滑技術(shù)，它將每一象素點的灰度值設(shè)置為該點某鄰域窗口內(nèi)的所有象素點灰度值的中值。

粗定位后的車牌首先進行灰度化處理以減小數(shù)據(jù)量利于實時處理。其次為了抑制車牌圖像在采集時產(chǎn)生的椒鹽噪聲等脈沖噪聲影響，改善圖像質(zhì)量，本文對灰度化后的車牌圖像進行中值濾波處理。

在FPGA中實現(xiàn)中值濾波，出于實際處理速度、處理效果和器件資源考慮，本文選用3×3鄰域窗口?？紤]到FPGA強大的并行處理數(shù)據(jù)能力，此處設(shè)計一種對3×3鄰域中九個數(shù)據(jù)一起處理的方法，它是基于三輸入排序單元構(gòu)成，而每個三輸入單元又是由若干二輸入單元構(gòu)成。這種方法比傳統(tǒng)的冒泡排序法減少了邏輯資源的占用，卻和其一樣能找出中值，且只需經(jīng)過3級的比較，即3個時鐘周期的延時就可以找出中值。圖2-2為本文在FPGA中設(shè)計實現(xiàn)快速中值濾波的框圖。據(jù)此即完成了所采集的車牌圖像的中值濾波去噪。

2.3 二值化處理

因為車牌定位和字符分割都是基于車牌區(qū)域的二值化結(jié)果進行，所以二值化的效果直接影響到車牌識別的效果。由于要從待檢測的車牌圖像區(qū)域截取圖像的背景不會很復(fù)雜。前景區(qū)域和背景區(qū)域的差異比較明顯，所以車牌圖像的灰度直方圖將有明顯雙峰效果。本文通過直方圖的雙峰法的方法來求取閾值，對車牌圖像進行二值化處理。

一幅圖像包括目標物體、背景還有噪聲，要想從多值的數(shù)字圖像中直接提取出目標物體，最常用的方法就是設(shè)定一個閾值T,用T將圖像的數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群。這是研究灰度變換的最特殊的方法，稱為圖像的二值化（BINARIZATION）。圖像的二值化，就是將圖像上的像素點的灰度值設(shè)置為0或255,也就是將整個圖像呈現(xiàn)出明顯的只有黑和白的視覺效果。

3 車牌檢測

在對采集到的車牌圖像二值化處理以后，一幀圖像的大小大幅度減小，約為400k 左右，下面就是把該二值化車牌圖像傳輸至NIOS II 軟核內(nèi)進行分割等后續(xù)處理，考慮到NIOS II軟核中資源豐富的特點，本文通過增加輸入輸出口的數(shù)量來提升數(shù)據(jù)傳入的速度，從而滿足系統(tǒng)的實時性處理要求。根據(jù)數(shù)據(jù)傳輸需求，本文設(shè)計通過22 個32bit 的輸入輸出口來傳送數(shù)據(jù)，雖然22×32=704bit 相比一幀圖像的一行720bit 少了16bit,但考慮到車牌圖像的邊緣是非字符目標區(qū)域的背景圖像，對最終識別結(jié)果的影響甚小，故可以近乎忽略。

3.1 基于車牌字母及數(shù)字特征的準確定位

通過車牌的彩色特性對車牌進行預(yù)定位后，再根據(jù)車牌號碼的字母和數(shù)字在二值化后的特性準確定位出車牌的位置，如果此時定位出車牌的位置在彩色通道預(yù)定位的車牌區(qū)域內(nèi)，則說明車牌位置已經(jīng)確定，如果不在彩色通道定義的車牌位置范圍之內(nèi)，則需要重新判斷。

（1）定位牌照的上下邊界：若某一行的0→1（白到黑）和1→0（黑到白）變化次數(shù)大于設(shè)定的閾值，則設(shè)其為待測車牌的最低點，繼續(xù)掃描直至0→1 和1→0 變化次數(shù)小于閾值，將該閾值設(shè)為待測車牌的最高點。若最高點與最低點之差大于15,則認為目標已檢測到，否則繼續(xù)進行掃描；如果未檢測到符合上述條件的目標，則自動門限值重復(fù)以上的操作，直到找到目標為止。

（2）定位牌照的左右邊界：在找到車牌的上下限后，利用二值圖像在豎直方向上的投影作為特征，從左到右尋找目標的中心點坐標。

3.2 基于垂直灰度法的字符分割

在對車牌進行定位后，考慮到車牌字符的排放特點與字符間的微小間隙，采用垂直灰度法進行車牌字符的分割。主要思想是設(shè)定一個垂直投影的閾值，判斷投影大于閾值則標記并保存，遇到空隙則分割，最后判斷字符區(qū)域的長度是否滿足字符的長度，滿足字符長度的則記錄為有效字符，不滿足將剔除繼續(xù)掃描下一個知道掃描完整行為止。

3.3 模板匹配

我國的車牌，字符標志的首位為漢字的省名縮寫，次位為英文字母，再次位為英文字母或阿拉伯數(shù)字，末四位均為數(shù)字。由于實際可能出現(xiàn)的英文字母和數(shù)字字符數(shù)目不多，再基于NIOS II 軟核的運算能力考慮，采用模板匹配方法進行字符識別。即將待識別的車牌字符矩陣與庫內(nèi)的標準字符矩陣（標準模版）對比，相似度最大的則認為一致。

首先將標準模板入庫，按國家車牌標準的大小、字體、字符間距等打印出數(shù)張樣品，其前景、背景清晰，字符沒有斷續(xù)，很少噪聲、且包含了所有可能的車牌字符，作為"標準車牌",用以采樣制作標準字符矩陣庫。把每一張"標準車牌"分割出來的字符歸一化[7],接著將歸一化后的模板矩陣存入FPGA中作為標準模板庫，根據(jù)實驗情況，模板越大識別率越高，但同時會帶來運算數(shù)據(jù)量的大大增加，于是在綜合考慮準確度和NIOS II軟核的工作效率后采用20×15 bit大小的數(shù)組作為標準模板。

當車牌上的待識別字符歸一化以后，依次與標準庫中的模板進行匹配，即矩陣對應(yīng)位依次做差，分別計算總的相同像素個數(shù)，則有最大相同數(shù)目的那一組數(shù)認為是相似度最大，則用此時的標準模板所對應(yīng)的數(shù)字或字母作為最終識別的結(jié)果。

在PAL 制式的CCD 攝像頭、Altera DE2 開發(fā)板和普通VGA 顯示器的實驗環(huán)境下，隨機選取20 張車牌進行檢測，在不同的光照條件下，正確檢測出的字符率達到了90%以上，在光照較好的情況下，識別率達到94%以上，且平均識別時間不到0.1 秒，完全滿足實時性的需求。實驗結(jié)果表明，采用FPGA 可以很好的完成對車牌實時檢測的任務(wù)，且具有體積小、功耗低、速度快等明顯的優(yōu)點。

4 結(jié)論

本文在利用FPGA 采集車牌圖像的基礎(chǔ)上，實現(xiàn)了一種利用字符歸一化和模板匹配的簡單快速的車牌字符識別系統(tǒng)，并在SOPC 中實現(xiàn)。系統(tǒng)具有視頻圖像采集實時，車牌定位分割準確和識別誤差低等特點。這種基于SOPC 技術(shù)的片上系統(tǒng)設(shè)計方法具有硬件設(shè)計靈活，可擴展性強等優(yōu)點，它彌補了傳統(tǒng)PC 機系統(tǒng)和DSP 系統(tǒng)設(shè)計的不足，有效地降低了系統(tǒng)軟硬件設(shè)計的難度，縮短了開發(fā)周期，并提高了設(shè)計的可靠性?？捎糜诘缆奋囕v監(jiān)控、智能交通管理等應(yīng)用領(lǐng)域，具有較高的實用價值和應(yīng)用前景。