[发明专利]一种智能车牌识别系统

摘要

本发明属于图像处理技术领域，公开了一种智能车牌识别系统，该智能车牌识别系统包括车牌识别单元用于采集车牌信息并对车牌信息进行处理的车牌识别单元；停车场计费单元与车牌识别单元电性连接用于对与车牌相对应的车辆进行停车计费；通道门禁出入单元与车牌识别单元电性连接，用于对车辆出入通道信息进行处理；车牌识别单元包括图像采集模块、人机录入模块、车牌定位模块、字符分割模块、字符识别模块等。本发明技术具有明显优势，解决了车辆的自动计费功能，智能化程度高，并且具有智能门禁的功能，基于RFID技术，通过无线射频技术和智能卡技术相结合，具有使用简单、维护方便、便于控制等特点。

主权项

一种智能车牌识别系统，其特征在于，所述智能车牌识别系统包括：车牌识别单元、停车场计费单元、通道门禁出入单元；所述车牌识别单元，用于采集车牌信息并对车牌信息进行处理的车牌识别单元；所述停车场计费单元与车牌识别单元电性连接，用于对与车牌相对应的车辆进行停车计费；所述通道门禁出入单元与车牌识别单元电性连接，用于对车辆出入通道信息进行处理；所述车牌识别单元包括：图像采集模块、人机录入模块、车牌定位模块、字符分割模块、字符识别模块；所述图像采集模块，用于采集车牌图像信息；具体包括：使用移动最小二乘法替代最小二乘法构造拉普拉斯矩阵，并使用KNN邻域替代空间邻域，获取非邻域像素在alpha图上的线性关系，从而计算出移动拉氏矩阵，并得到alpha图；对接收的含有Alpha稳定分布噪声的PSK信号求循环共变函数；通过对循环共变函数进行傅里叶变换，求其循环共变谱；根据所得的循环共变谱提取其中循环频率ε＝0Hz的截面；分别搜索所得截面的正负半轴的峰值，找到峰值对应的正负频率值，并取绝对值后求均值作为载频的估计值Alpha稳定分布噪声下PSK信号的载频估计并输出；对输出的图像特征向量进行提取并输出最终采集的图像；所述移动最小二乘抠图的方法如下：在灰度图像中,窗口wi的邻域内alpha值满足局部线性条件，使用移动最小二乘法求解局部线性关系，表示如下：J(α,a,b)=Σj∈I(Σi∈wjωi2(αi-ajIi-bj)2+ϵaj2)ωi=k(i-j)2---(1)]]>公式(1)中权值ω，ωi是邻域wk中的权值；式(1)表示为以下矩阵的形式:J(α)=ΣkWk2||Gk.akbk-α‾k||2;]]>对于每个邻域wk,Gk定义为‖wk‖×2矩阵；Gk每行包括向量(Ii,1)，Wk是每行向量对应的权值ωi组成的向量，Gk’为Gk的Wk加权，对应的每行向量表示为(Wk.Ii,Wk)，是邻域内所有像素对应的alpha值组成的向量；系数ak,bk解得如下所示：(ak,bk)=argmin(Wk.(Gk.akbk-α‾k||)2)=(Gk′TGk′)-1Gk′TWkα‾kGk′=Wk.Gk;]]>令J(α)表示为下式：J(α)=ΣkαkTG‾k′TG‾k′αk=αkTLαk;]]>L=Wk2.δi,j+1-2Wk||wk||(1+1σk2+ϵ||wk||(Ii-μk)(Ij-μk));]]>δi,j是Kronecker delta函数，μk和σ2分别是小窗口wk内的基于Wk的加权均值和方差，‖wk‖是窗口内像素的个数,L为移动拉氏抠图矩阵；所述接收信号的循环共变函数包括：所述信号含有服从SαS分布噪声的MPSK信号，表示为：x(t)=EV(t)exp[j(2πfct+φ0)]+w(t)]]>其中E是信号的平均功率，M＝2k，m＝1,2,...M,q(t)表示矩形脉冲波形，T表示符号周期，fc表示载波频率，φ0表示初始相位，若w(t)是服从SαS分布的非高斯噪声，则其自共变函数定义为：Rx,C(t,τ)=[x(t),x(t-τ)]α=E(x(t)(x(t-τ))<p-1>)E(|x(t-τ)|p)γx(t-τ)]]>其中(x(t‑τ))<p‑1>＝|x(t‑τ)p‑2x*(t‑τ)，γx(t‑τ)是x(t)的分散系数，则x(t)的循环共变定义为：Rx,Cϵ(t,τ)=1T0∫-T0/2T0/2Rx,C(t,τ)e-j2πϵtdt=1T∫-T/2T/2E(x(t)(x(t-τ))<p-1>)E(|x(t-τ)|p)γx(t-τ)e-j2πϵtdt]]>其中ε称为循环频率，T为一个码元周期；所述图像特征向量提取方法具体步骤为：步骤一、采集到N个样本用作训练集X，采用下式求出样本平均值m：m=1NΣi=1Nxi]]>其中，xi∈样本训练集X＝(x1，x2，…，xN)；步骤二、求出散布矩阵S：S=Σi=1N(xi-m)(xi-m)t;]]>求出散布矩阵的特征值λi和对应的特征向量ei，其中，ei便是主分量，将特征值从大到小依次排列λ1，λ2，…；取出p个值，λ1，λ2，…，λp确定出车牌空间E＝(e1，e2，…，eP)，在此车牌空间上，训练样本X中，每个元素投影到该空间的点由下式得到：x'i＝Etxi，t＝1，2，…，N；由上式得到的是将原向量经过PCA降维后的p维向量；所述的特征提取基于稀疏表征，采用图像识别算法进行多图像识别；图像识别算法进行多图像识别的具体方法为：对当前帧车牌检测并按坐标排序得出当前帧多个车牌的识别结果；根据当前帧各车牌的识别结果计算对应的车牌各自相邻n帧识别结果；统计各个车牌的身份，由超过半数n/2的统一身份决定目标的最终身份；其中，计算待识别图片与预置的图像库各类别间的重建误差{r1，r2……rn}，r1<r2<……<rn，将得到的相似度值按照的规则确定最终识别结果；其中T1为比率值，T1＝0.65；所述人机录入模块，与图像采集模块电性连接，可以在图像采集模块不灵敏时，进行人工输入，有利于防止可疑车牌逃避处罚；所述车牌定位模块，与图像采集模块电性连接，可以根据图像采集信息，有效定位车牌；所述车牌定位模块的车牌定位方法包括：根据车牌大小、比例留下每个子空间的外接矩阵即为疑似车牌区域；设置一个跳变函数f(i,j)，对疑似车牌区域进行精确定位，确定车牌区域的上下边界：其中c(i,j)为c(i,j)＝LBP8,1(i,j)‑LBP8,1(i,j‑1)上两式中i＝1,2,3,4,…N,j＝2,3,4,…M，因此任意一行i的跳变次数和S(i)为：S(i)=Σi=2N|f(i,j)|]]>如果任意一行跳变次数的和S(i≥12)，则这一行就有可能属于车牌区域；由上至下对整幅图像进行扫描，找出所有满足S(i≥12)的行，并记录下这一行的行数i；如果有连续的h行满足S(i≥12)，则可以得到一个宽度为M，高度为h的矩形区域，这个区域就有可能是车牌区域，因此车辆图像中不具有此特征的区域得到了排除；所述字符分割模块，与车牌定位模块电性连接，用于将车牌上的字符进行分割读取；所述字符识别模块，与字符分割模块电性连接，用于将分割完的字符分别识别，最后输出结果；所述停车场计费单元包括：读卡器、控制器、计费器；所述读卡器，用于读取车主身份识别卡片；所述控制器，根据计费器上所显示的费用，对车主的卡片进行扣费；所述通道门禁出入单元，包括RFID控制单元和电磁门锁。所述RFID控制单元，采用RFID射频芯片，RFID射频芯片向车主身份识别卡片发射读取信号，所述RFID控制单元连接电磁门锁，用于控制电磁门锁的开关。