哪位哥哥、姐姐、弟弟有国模？

嵌入式汽车自动识别系统

一、项目介绍

(研究目标、研究背景及现状、工作原理及方案设想、日程安排等。)

见附录。

二、项目自我评价

1，高级:

在数字信息技术和网络技术飞速发展的后PC时代，随着嵌入式处理器性能的不断提高，高性能处理器已经能够满足复杂的算法应用和其他复杂的功能应用，嵌入式系统必然会进入各个领域。另一方面，随着中国经济的快速发展和北京奥运会的召开，“智能交通”无疑将成为一个热门话题。由于交通行业的特殊性，对其设备的技术参数和使用条件有着严格的要求，而嵌入式正好可以满足这一要求，因此嵌入式智能交通设备的广泛应用是必然趋势。嵌入式自动车辆识别系统是智能交通管理系统的重要组成部分，是嵌入式技术和车辆识别技术的完美结合。涵盖嵌入式车牌识别、嵌入式车辆识别、车辆颜色识别三大主要功能，力争一次性锁定车辆目标。

它具有以下优点:

1，高度独立:采用嵌入式技术，只通过通信接口与应用系统连接，高度独立。

2.功能全:能同时识别汽车的车牌、车标、颜色，一次性锁定目标，具有现有系统不具备的强大功能。

3.可塑性强:前端可与信号触发器件等上游产品结合，末端内置无线网络和各种串口可与下游产品结合。该系统的功能和应用范围得到了极大的扩展。

4.易维护:维修维护只涉及本系统，不影响其他模块，维护成本远低于同类产品。

5、便携灵活:设备集成度高，小巧灵活，使用方便。

2、可操作性和可实现性:

目前，车牌识别、车辆识别等技术越来越成熟和完善，相关信息更容易获取。现有的嵌入式技术也比较成熟。所以从技术难度上来说，这个课题比其他前沿科学更容易实现。选题涉及的设备和材料也容易获得，费用适中。

3.创新:

现有的车牌识别设备一般使用计算机处理数据，有的甚至需要几台计算机的配合，占用大量的空间和资源。即使偶尔有嵌入式系统，其功能也仅限于车牌识别或车辆识别。该系统创造性地将嵌入式系统与车牌识别、汽车识别、汽车颜色识别相结合，一次性解决了设备系统臃肿、集成困难、稳定性差、维护困难、功能单一等问题。

4.可能的问题:

目前主要问题是嵌入式集成和无线传输距离。我们的理想情况是针对目前大部分采用计算机处理数据，设备灵活性差的缺点，开发一种具有无线数据传输的便携式汽车识别系统。但由于我们时间、精力、资金的限制，“可移植程度”是目前最大的问题。另外，车速和景深对图像识别的影响也是我们可能面临的难题。

三。预期结果

(成果的具体形式，如申请专利、发表论文、生产科技实物(包括软件程序)等。，可以同时拥有多种形式的成就)

我们期望我们的实验结果有以下几个方面。

首先，我们计划生产科技物件，即实际完成嵌入式系统，并产生切实的成果。

其次，从我们对目前市场情况的分析来看，嵌入式汽车识别系统的市场前景非常乐观，可以为我们的产品申请专利，投入市场生产。

再次，由于汽车颜色、车牌、车标的组合识别没有合适的算法，我们在完成这个系统的过程中必然会完成算法设计，这部分结果可以以公开论文的形式展示出来。

因为我们计划完成一个系统，所以我们需要完成系统的硬件和软件。从大的方面来说，软件和算法的成果可以通过论文发表，而硬件的成果可以通过投产和申请专利来体现。毫无疑问，我们的成果会以更多的形式出现，而不仅仅是做软件或硬件。这也是我们的一大优势。

实验环境要求

预算内容、目的、预算金额、预计执行时间

CCD相机前端图像采集，购买相机或摄像机3000 07.12~ 08.2月。

辅助光源根据特殊环境补光1500 07.12~ 08.2月

图像采集卡模拟信号数字化2500 07.12~ 08.2月

2000年8月3日-2000年8月6日+10月嵌入式系统硬件设施图像处理。

硬盘录像机的视频信息存储2500 08.10~ 08.12月

显示设备输出1500 08.12~ 09.2个月的图像识别结果。

无线收发器或有线传输设备的信息传输2500 09。2~ 09.3.

将机械零件组装成2000原型的最后阶段。

合计:19500元

学院审批意见

专家委员会的评估意见

学校审批意见

附录1:选题的现状、背景和意义。

自从1885，世界上第一辆汽车诞生以来，汽车给我们的日常工作和生活带来了翻天覆地的影响。一百多年来，汽车以其价格低廉、操作方便的优势逐渐被大众接受，进入千家万户。在我们国家，每年都有很多人加入到有车一族。自然是越来越快捷便利的生活方式以及由此引发的一系列问题:每年汽车被盗事件超过万起，交通事故时有发生...毋庸置疑，汽车需要监管。目前我国的汽车管理大部分是由人来完成的。不难想象，面对日益庞大的汽车车队，人工操作显然力不从心。因此，“交通智能”将成为未来交通管理的必然趋势。

没有“汽车身份”的识别，如何实现智能交通？早在20世纪90年代初，汽车识别就已经引起了全世界的关注，人们开始研究汽车身份证自动识别的相关问题——汽车牌照。几年后，汽车的另一个重要身份标志——车标识别也成为热门话题。车牌识别的一般方式是利用计算机图像处理技术对车牌进行分析，然后自动提取车牌信息，确定车牌号码。车辆识别是基于边缘直方图和模板匹配相关系数的混合算法。目前，区分车牌和车辆识别的理论已经比较成熟，离线算法的识别率也达到了很高的水平，并且正在向集成化和智能化发展。

在智能交通管理系统中，汽车识别相当于vc++中的“基类”地位，即智能交通管理系统中的其他子模块需要在汽车识别的基础上继承和发展。因此，我们认为汽车识别需要高度的集成，最好由可以嵌入其他系统的高度集成的模块来完成，比如单片机、CPLD等。目前汽车识别多由计算机完成。

此外，由于汽车识别的“基类”定位，对“能否唯一锁定汽车”、“能否快速确定”有一定要求。然而，目前汽车识别仅仅依靠简单地识别车牌。市场上也有很多单独的车牌或车标识别系统，但是将两者结合起来的系统非常少见。这些单一系统显然很难真正识别和锁定汽车的身份。

结合智能交通管理系统的需求、汽车识别的现状及其发展趋势，我们课题组选择嵌入式汽车自动识别系统作为我们创新实验计划的课题。我们计划在嵌入完成汽车识别后，将处理后的数字信息传输到智能交通管理系统的其他模块。用嵌入式系统代替计算机进行汽车识别，将大大提高智能交通管理系统的集成度，降低成本。不同于单一的识别系统，我们设计的汽车识别系统将车牌识别与汽车识别相结合，并辅以汽车颜色识别。同时识别输出，从多方面判断锁定汽车，力求万无一失。从而极大地方便了该系统在各个领域的使用。

在公安交通控制领域，嵌入式汽车自动识别系统可以应用于交通控制系统。将该产品嵌入到其他用于测速、测超载的交通设施中，可以完成一系列管理工作；与终端计算机处理系统连接，传输处理后的数字信息，而不是图片信息，大大节省了终端计算机的处理时间和存储空间，提高了响应速度和处理效率，有效解决了交通管制领域的人力不足问题。

在园区的车辆管理方面，这种嵌入式自动车辆识别系统将有一个端口，以便在园区的所有者搬进来时，可以与他注册的汽车信息数据库连接。在园区门口安装我们的车牌自动识别系统，自动识别进出车辆，然后将数据传输到数据库，根据数据库中的车牌数据判断是否是园区内的车辆，再根据情况进行处理。这将大大增加园区内汽车的安全系数，而且使用该系统的成本远低于使用基于计算机的系统。

关于停车场管理，我们的嵌入式自动车牌识别系统可以完成智能化的管理过程。该系统安装在停车场出入口，自动识别进出停车场的车辆，处理后的数据会传送到终端电脑，终端电脑会将传入的信息与数据库相结合，判断是否属于已购买(或租用)车位的车辆，并做出相应的处理。

综上所述，我们有理由相信，我们计划完成的嵌入式自动车牌识别系统能够在未来的智能交通管理系统中发挥决定性的作用，值得研究和探索。

附录二:工作原理和方案设想

这个汽车识别系统包括车牌识别、汽车颜色识别和车标识别，本系统将使用嵌入式系统来完成这三个部分的识别。由于我们刚刚接触到这部分内容，想法还不是很成熟。

下面将分三个部分介绍我们的工作原理和方案:车牌识别和汽车颜色、汽车识别和嵌入式。

第一部分:车牌识别。

1，整体结构

车牌自动识别系统主要分为三个模块:(1)触发器，即前端设备的数据入口，如测速系统。(2)图像处理:分为图像采集、车牌定位、字符分割和字符识别四个部分。(3)无线传输系统将处理后的数据传输到后端应用系统，如交通违章管理系统、停车场系统、安检系统等。

2.算法部分

①前置CCD摄像头:

原始图像采集

它由CCD摄像机和辅助照明装置组成。采集图像的质量直接影响后端处理和识别的效果。为了获得更清晰的图像，需要考虑很多影响图像质量的因素，包括:摄像机和图像卡的选择、摄像机位置的标定、车速、车队进出公司的距离、天气和光线对摄像机拍摄图像曝光的影响。

判断车辆是否进入观察区域。

采用图像差分法判断是否有目标进入监控区域，即先将视频图像灰度化，然后比较两幅图像对应像素的灰度值，看有没有变化，变化多少。

图像差异只能确定监控区域是否有物体经过，是否是交通车辆未知。鉴于图像差异产生的噪声、行人、自行车远小于汽车占据的面积，设计了尺度滤波器，滤除尺度更小的物体和噪声。

②车牌定位和预处理

左图是车牌定位的主要算法。基本的车牌定位完成后，还需要做一些基本的预处理。包括倾斜校正。

移除铆钉和边框。

一、车牌字符倾斜校正

车牌字符分割的难点是部分车牌倾斜，直接分割效果不好，需要修正。首先获得车牌的倾斜率，并根据这个斜率进行车牌的旋转校正。

二。牌照架和铆钉的拆卸

先验知识:对于标准车牌，字符间距为12mm，第二个和第三个字符间距为34mm，其中中间圆点宽l0mm，圆点与第二个和第三个字符间距分别为12mm。车牌边缘线内侧一般有四个铆钉，不同程度地附着在第二个字符或第六个字符上。如果不去掉铆钉，就很难识别第二个和第六个字符。

车牌图像二值化后，图像只有黑白。白色像素(灰度值255)取1，黑色像素(灰度值0)取0。这里采用白底黑字的图案。车牌图像由内向外逐行扫描。当车牌图像中某一行的白色像素宽度大于某一阈值(第一条合格线)时，认为是车牌字符的边缘，该行以上或以下的所有行都被切断。

③车牌字符的分割

右图为车牌。

字符分割的主要

算法。

在这里，由于

我们的知识有限。

这些算法是不正确的。

做了具体介绍。

④字符识别方法

性格；角色；字母

识别它是一辆汽车

卡片识别的

核心部分。

普通汽车

卡片字符识别

其他算法包

包括六种。

我们把他

孩子们被列在

在右边。

其中，我们对基于神经网络的字符识别算法更感兴趣。接下来，我们介绍了两种简单常用的算法和基于神经网络的字符识别算法。

一、模板匹配车牌字符识别

中国车牌的字符模板分为汉字、英文字母和数字模板，采用统计方法构建，存储在数据库中。模板匹配就是通过字符模板与标准化的车牌字符进行匹配来识别字符。

二。特征匹配车牌字符识别

在车牌识别的方法中，可以使用的字符特征有很多，大致可以分为结构特征、像素分布特征和其他特征。

在这里，我们打算突破神经网络方法，因为人工神经网络技术具有非线性描述、大规模并行分布式处理能力、高鲁棒性、自学习和联想等特点，适用于非线性时变大系统的仿真和在线控制。具体步骤如下图所示:

此外，我们还会尝试将各种算法结合起来，从而扬长避短。比如将遗传算法与人工神经网络相结合，既可以利用遗传算法并行计算、快速全局搜索的优点，又可以克服神经网络固有的搜索速度慢、易陷入局部旱涝等缺点。

因为大学二年级还在学习专业基础课，对图像处理的最新算法了解不够。我们会在实际操作过程中选择最优方案，并根据我们的系统特点提出改进建议。

第二部分:汽车颜色与汽车识别

(1)、车身颜色识别

颜色特征具有对图像本身的大小、方向和视角依赖性小、鲁棒性高等优点，因此在基于内容的图像索引技术、智能交通系统和许多I-industry系统(如造纸、纺织、印刷等)中有着极其重要的应用。).长期以来，由于各种原因，人们提出了大量的颜色空间模型，主要可以分为三类:第一类是基于人类视觉系统的颜色空间(H VS)，包括RGB、H SI、M unsell颜色空间等。第二类是应用专用色彩空间，包括电视系统采用的YUV和YIQ，摄影行业如柯达的YCC，印刷系统的CMY (K)色彩空间。第三类是CIE颜色空间(包括CIE XYZ、CIE Lab、CIE Luv等。).这些颜色空间各有优缺点，在各自的领域发挥了重要作用。

我们计划使用RGB颜色空间来完成我们的系统。RGB颜色空间广泛应用于计算机相关领域，如常见的CRT显示器。在RGB颜色空间中，每个颜色值由R、G、B通道值组合表示，对应的通道值由图形采集卡中的感光体或CCD传感器获取。其中，每个通道的值由入射光及其对应光感受器的感光函数值之和表示:

R=

G=

B=

其中S (A)是光谱，R(A)、G(A)和B(A)分别是R、G、B、G和B传感器的灵敏度函数。从上面的公式可以看出，色彩空间是设备相关的，与具体的捕捉设备的感光功能有关。但由于RGB值容易获取，在计算机中容易计算和表达，通常可以用来表示其他颜色空间，即把RGB值转换成其他颜色空间值。RGB色彩空间的标准色差定义为:

)

由于不同的颜色对人的主观感受有不同的影响，为了更好地表达色差，本颜色识别子系统采用了经验色差公式:

对于我们计划设计的车身颜色识别系统，主要有四个步骤来完成车身颜色识别。

1.识别区域的选择

为了准确识别车身颜色，识别区域的选择非常重要。在这个实验中，选择了靠近排气扇的汽车正面的前部

2.颜色直方图计算

对于所选区域，计算出现次数最多的颜色。在实际应用中，由于其他颜色空间模型的分量值都可以用RGB值来表示，为了简化计算，可以只对RGB颜色空间模型计算颜色直方图。

3.色差计算

根据相应颜色空间模型的色差计算公式，计算其与颜色模板之间的色差。

4.颜色识别

在获得每个颜色空间模型中样本颜色与标准颜色的对应色差后，就可以根据结果进行颜色识别。也就是说，选择在先前步骤中计算的色差的最小值作为识别结果。

(2)、汽车标志不要部分

毫无疑问，车牌和车标的自动实时识别是运动车型精确识别系统中的两个重要组成部分。目前已经提出了很多车牌定位算法，主要可以分为两大类:基于黑白图像的车牌定位算法和基于彩色图像的车牌定位算法。基于黑白图像的车牌定位算法可以分为多类，如基于自适应能量滤波的特征车牌定位算法、基于小波变换和形态学处理的车牌定位算法、基于二值投影的车牌定位算法和基于遗传算法的车牌定位算法。

这些车牌定位算法各有优缺点，但都可以在一定程度上作为车标定位的参考。

车标定位与识别在国内外都是一个比较新的领域。由于车标本身固有的特殊性:目标小、相似性大、受大小和光照影响大、背景不一致、不同汽车公司的车标形状和大小不一致，很难准确定位和识别。

我们将汽车识别分为以下几个主要步骤:

(1)车牌定位:根据车牌的纹理特征，基于多分辨率分析快速获得车牌区域；

(2)头部定位:根据头部区域能量高且集中的特点，采用OTSU二值化算法对图像进行二值化，然后结合车牌的位置信息，通过二值投影快速定位头部；

(3)中轴线定位:在车头区域根据轴对称定位车头的中轴线；

(4)车标粗定位:在定位车头的基础上，根据车标和车牌的先验知识，得到车标的经验搜索矩形；

(5)标识的精确定位:在步骤(4)的基础上，利用标识纹理特征对标识进行精确定位。主要包括两步:一是根据垂直方向能量高、相对集中的特点，采用能量增强和自适应形态滤波一次定位标识；其次，利用改进的模板匹配算法对标志进行精确定位。车辆识别系统是移动车辆识别系统的重要组成部分。和车牌识别一样，它也包括两个关键技术:定位和识别。

上图是车辆识别系统的结构图。与典型的目标识别系统一样，它包括离线训练过程和在线识别过程。在训练过程中，首先对手工采集的样本进行图像归一化和尺度归一化预处理，然后提取模板，得到标志的标准模板库。车标标准模板库中的模板不仅用于车标定位，还用于特征提取，获得车标特征模型库，用于车辆识别。在定位的过程中，除了汽车图像，还需要车牌的位置信息。这是因为各种车标都不具有稳定的纹理特征，大小形状不一，在复杂背景下直接通过特征匹配或模板匹配定位车标非常困难。因此，需要利用车牌位置、车辆对称性等先验信息进行粗略定位，然后利用相关的图像处理技术和模板匹配进行精确定位。车标定位后，车辆识别问题转化为2D形状识别问题，可以通过模板匹配来实现。然而，在实际采集的图像中，往往存在光照、噪声、部分遮挡和形状相似等问题，常规的模板匹配方法很难达到满意的识别效果。因此，通常需要一种合适的特征提取和识别方法来辅助车辆识别，以提高系统的识别率。

第三部分:嵌入式

根据历史的、本质的和普遍的要求，嵌入式系统应定义为“嵌入在目标系统中的专用计算机系统”。嵌入式、专用性和计算机系统是嵌入式系统的三个基本要素。目标系统是指嵌入在嵌入式系统中的主机系统。

嵌入式系统的核心是嵌入式微处理器，它有四个优点:

(1)对实时多任务的支持能力强，可以完成多任务，中断响应时间短，从而最大限度地减少内部代码和实时操作系统的执行时间；

(2)具有强大的存储区域保护功能。

(3)可扩展的处理器结构，可以快速扩展成高性能的嵌入式微处理器，满足应用的需求；

(4)嵌入式微处理器的功耗很低，特别是对于便携式无线和移动计算、通信设备中使用的电池供电的嵌入式系统，功耗只能是mW甚至μ W，这对于能源日益稀缺和昂贵的时代无疑是非常具有吸引力的。

此外，嵌入式实时操作系统提高了系统的可靠性。这些都值得做一个嵌入式车牌识别系统。

考虑到通常的车牌和车辆识别算法计算量大，必须满足实时性要求。因此，我们准备采用32位ARM嵌入式微处理器为核心单元，CPLD为时序控制单元，基于ARM 9 S3C 241 C的嵌入式图像采集处理系统，在嵌入式Linux操作系统的基础上，充分利用ARM器件体积小、能力强、功耗低的特点，实现并行数据总线/USB日常接口图像访问、快速图像处理、图像信息的本地压缩存储和IP数字数据传输。该系统可以使整个系统简化电路，减少占用资源。

系统设计组成

整个系统由U SB图像采集子系统、ARM处理子系统和网络数据传输子系统组成。摄像头采集的视频数据通过USB传输到ARM处理板。ARM处理板内嵌Linux操作系统，采用快速图像算法对图像序列进行处理，并根据处理结果采取相应措施；网络传输子系统可以对数据进行处理，并上传到监控中心进行进一步的后续处理。系统结构如下所示。

ARM图像处理子系统拟采用S3C 2410处理器，能够满足图像处理速度的要求。USB图像接入可以保证图像传输速度；扩展64M SD RAM和64M Flash，大容量RAM可存储多张图像，方便图像分析处理；无线网络接口实现数据信息的网络化管理。

当然，以上只是我们的初步设想，还会在以后大量的实验中进行论证和优化！

附录三:时间表和安排

规划时间表:

1.大约需要15天才能买到实验所需的一些基本用品。

2.利用业余时间学习自己需要的东西。

3.完成编程和解决软件问题大约需要7个月的时间。

4.完成硬件，做出样机，大概需要一年的时间。

5.初次检查大约需要一个月。

6.六个月调试样机，发现缺陷并改正。重复实验，直到达到令人满意的程度。

综上所述，我们计划用两年左右的时间拿下这个项目。当然，以上只是一个大概的方案，以后会随着实验的实际进展进行适当的调整。