Directorio de artículos
1. Introducción
En los últimos años, con los requisitos de desarrollo de la modernización del tráfico, la gente ha prestado cada vez más atención a la tecnología de reconocimiento automático de matrículas.En la tecnología de reconocimiento automático de matrículas, el posicionamiento de matrículas, el corte de caracteres, el reconocimiento de caracteres y el posprocesamiento son las tecnologías clave y las limitaciones del tamaño de la memoria, el reconocimiento de matrículas anterior se basa principalmente en la tecnología de reconocimiento de procesamiento de imágenes en escala de grises.Entre ellos, primero se requiere detectar el área de la matrícula de manera correcta y confiable, por lo que se han propuesto muchos métodos, tales como la transformada de Hough para detectar la línea recta para extraer la región del límite de la matrícula, usando la segmentación en escala de grises y el crecimiento de la región para la segmentación de la región, o usando técnicas de análisis de características de textura, etc. El método de transformada de Hough aumentará en gran medida la posibilidad de falla cuando el área de la placa está deformada o la imagen está desfigurada, mientras que la segmentación en escala de grises es más probable que la línea recta El método de detección debe ser estable, pero cuando la imagen tiene muchas áreas que son muy similares a la escala de grises de la placa, el método es impotente. Cuando el análisis de textura encuentra otra interferencia similar a las características de la textura de la placa, la tasa correcta de posicionamiento de la placa también es baja. Se verá afectada. Este documento propone un método de segmentación de color basado en la información de color de la placa. placa.
2. Pasos de implementación
Los módulos principales de este documento son los siguientes: extracción de información de color, posicionamiento del área de matrícula, reconocimiento, extracción, inclinación de detección, corrección de matrícula, binarización del área de matrícula, borrado de áreas de interferencia, segmentación de texto, comparación de plantillas y salida de resultados.
1) Extracción de información de color
Este sistema reconoce la matrícula con letras blancas sobre fondo azul de los coches familiares pequeños. De acuerdo con la relación RGB de la imagen en color, se ubican las regiones candidatas que son aproximadamente azules. Sin embargo, dado que la distancia euclidiana entre dos puntos en el espacio de tres colores primarios RGB no es linealmente proporcional a la distancia de color, no se puede controlar bien al establecer el rango de posicionamiento del área azul. El error de posicionamiento causado por esto es el más importante. De esta manera, la tasa de reconocimiento disminuirá cuando haya más fondos azules en la imagen y el área de la matrícula no se pueda extraer de manera efectiva. En este trabajo se propone un esquema de ajuste adaptativo. Identificar y ajustar las regiones segmentadas. De acuerdo con la relación de aspecto, la relación azul-blanco realiza múltiples posicionamientos en el área candidata. Finalmente encontré el área de la matrícula.
2) Corrección de inclinación
En este documento, se utiliza el algoritmo rando para calcular el ángulo de inclinación de la imagen inclinada y se corrige la imagen inclinada. Así, se puede obtener una imagen con la misma dirección horizontal. Es beneficioso para la posterior segmentación de imágenes y reconocimiento de imágenes.
3) Segmentación de personajes
Calcule la imagen segmentada en color del área de la matrícula, proyecte el blanco horizontal y verticalmente, calcule los picos horizontales y verticales y detecte una relación de aspecto de caracteres razonable. Se puede usar el mismo método que la segmentación del área para eliminar y fusionar los picos. Pero en el corte de caracteres, el corte de caracteres a menudo es inexacto debido a la mala adquisición del valor umbral. En este caso, el conocimiento previo del formato de la matrícula se puede utilizar para realizar análisis estadísticos sobre el ancho de los caracteres cortados para guiar el corte, y para corregir el proceso de corte incorrecto. Los caracteres anchos se dividen. Para la palabra 'gui', a menudo parece separar los radicales al lado del carácter de madera ya la derecha. Para resolver este problema, el sistema compara el ancho de la fuente segmentada con el ancho de toda la matrícula y fusiona los caracteres mal utilizados. Un sistema de reconocimiento inteligente debería reducir la dependencia excesiva del sistema en los umbrales.
4) Reconocimiento de fuentes
Una práctica común es usar un modelo de red neuronal para entrenar el sistema. Sin embargo, este enfoque aumenta la complejidad del sistema y no es adecuado para ocasiones con altos requisitos de tiempo real. Aquí se utiliza un algoritmo de coincidencia de plantilla simple. Debido al procesamiento eficaz en la etapa inicial, la claridad y la integridad de las fuentes divididas se pueden mantener en un alto nivel. Es beneficioso para mejorar la tasa de éxito de la coincidencia de plantillas. Se ha comprobado que la tasa de reconocimiento puede alcanzar el 95 % para imágenes no inclinadas y más del 90 % para imágenes sesgadas. D–0, 6–8, 2–Z, A—4 son caracteres que son más fáciles de reconocer y cometer errores.
5) Transmisión de voz
Una vez que los caracteres se reconocen correctamente, la grabación de cada carácter se reproduce de acuerdo con la secuencia de caracteres correspondiente. Cuando hay un error en el reconocimiento del área de la placa o el error en la segmentación de caracteres, el programa se detiene y hay un recordatorio de voz.
6) Almacenar datos
Una vez finalizada la reproducción, los caracteres reconocidos correspondientes se almacenan en el archivo EXCEL en la carpeta especificada. Y almacena la hora correspondiente al mismo tiempo.
3. Visualización de efectos
Ejemplo:
Localización de matrícula:
Procesamiento en escala de grises:
Corrección de inclinación:
procesamiento binario, eliminación de ruido:
posicionamiento preciso de caracteres:
caracteres segmentados:
cuadro de solicitud de resultado de reconocimiento:
registro de tabla de Excel:
4. Resumen
Ventajas: Posicionamiento automático de áreas, extracción de texto y reconocimiento de matrículas. Después de que se reconozca el resultado, se dará un recordatorio de lectura de voz. Se pueden dar advertencias de voz cuando se producen errores de posicionamiento y errores de reconocimiento. El resultado del reconocimiento se almacena en un archivo dentro del archivo especificado.
5. Descarga completa del código fuente
Diseño de graduación basado en el sistema de reconocimiento de matrículas Matlab + interfaz GUI (código fuente completo + informe del proyecto + documento explicativo + datos), haga clic en el enlace para descargar: https://download.csdn.net/download/m0_62143653/87707450
