임베디드 자동차 자동 식별 시스템
첫째, 프로젝트 소개
(연구 목표, 연구 배경 및 현황, 작동 원리 및 방안 구상, 일정 등. ) 을 참조하십시오
부록을 참고하다.
둘째, 프로젝트 자체 평가
1, 고급:
디지털 정보 기술 및 네트워크 기술의 급속한 발전 이후 PC 시대에 임베디드 프로세서 성능이 지속적으로 향상됨에 따라 고성능 프로세서는 복잡한 알고리즘 애플리케이션 및 기타 복잡한 기능 애플리케이션을 만족시킬 수 있게 되었으며 임베디드 시스템은 모든 분야에 진입할 수밖에 없었습니다. 한편 중국 경제의 빠른 발전과 베이징 올림픽 개최로' 스마트교통' 이 큰 화제가 될 것으로 보인다. 교통업계의 특수성으로 인해 장비의 기술 매개변수와 사용 조건에 대한 엄격한 요구 사항이 있으며, 임베디드 스마트 교통설비의 광범위한 적용은 필연적인 추세입니다. 임베디드 자동 차량 식별 시스템은 지능형 교통 관리 시스템의 중요한 구성 요소로서 임베디드 기술과 차량 식별 기술의 완벽한 조화입니다. 임베디드 번호판 인식, 임베디드 차량 식별, 차량 색상 인식의 세 가지 주요 기능을 포괄하여 차량 목표를 한 번에 잠그는 데 힘쓰고 있습니다.
다음과 같은 장점이 있습니다.
1, 높은 독립: 통신 인터페이스를 통해서만 어플리케이션 시스템에 연결할 수 있는 임베디드 기술을 사용합니다.
2. 모든 기능: 자동차의 번호판, 번호판, 색상, 일회용 잠금 대상을 동시에 식별할 수 있으며 기존 시스템에서 사용할 수 없는 강력한 기능을 갖추고 있습니다.
3. 가소성이 강하다: 프런트 엔드는 신호 트리거 장치와 같은 업스트림 제품과 결합할 수 있고, 터미널 내장 무선 네트워크와 다양한 직렬 포트는 다운스트림 제품과 결합될 수 있다. 이 시스템의 기능과 적용 범위가 크게 확장되었다.
4. 유지 관리 용이성: 서비스 유지 보수는 이 시스템에만 적용되며 다른 모듈에는 영향을 주지 않으며, 유지 관리 비용은 동급 제품보다 훨씬 낮습니다.
5, 휴대성 유연성: 고도로 통합된 장치, 작고 유연하며 사용하기 쉽습니다.
2, 운영 가능성 및 실현 가능성:
현재 번호판 인식, 차량 식별 등의 기술이 점점 성숙해지고 완벽해지면서 관련 정보를 쉽게 얻을 수 있다. 기존 임베디드 기술도 비교적 성숙합니다. 그래서 기술적 난이도에서 이 과제는 다른 첨단 과학보다 쉽게 실현될 수 있다. 선정된 주제와 관련된 설비와 재료도 쉽게 구할 수 있고, 비용도 적당하다.
3. 혁신:
기존의 번호판 인식 설비는 일반적으로 컴퓨터를 사용하여 데이터를 처리하며, 어떤 것은 심지어 몇 대의 컴퓨터의 협조를 필요로 하며, 대량의 공간과 자원을 소모한다. 간혹 임베디드 시스템이 있더라도 그 기능은 번호판 인식이나 차량 인식으로 제한됩니다. 이 시스템은 임베디드 시스템을 번호판 인식, 자동차 인식, 자동차 색상 인식과 창의적으로 결합하여 장비 시스템의 비대함, 통합어려움, 안정성 저하, 유지 관리의 어려움, 단일 기능 등의 문제를 한 번에 해결합니다.
4. 가능한 문제:
현재 주요 문제는 임베디드 통합 및 무선 전송 거리입니다. Dell 의 이상은 현재 대부분의 컴퓨터 처리 데이터, 장비 유연성이 떨어지는 단점을 위해 무선 데이터 전송을 갖춘 휴대용 자동차 식별 시스템을 개발하는 것입니다. 그러나 우리의 시간, 정력, 자금의 제한으로 인해' 이식성 정도' 가 현재 가장 큰 문제다. 또한 속도와 필드 깊이가 이미지 인식에 미치는 영향도 우리가 직면할 수 있는 문제입니다.
셋. 예상 결과
(특허 출원, 논문 발표, 생산 기술 실물 (소프트웨어 절차 포함) 등 결과의 구체적인 형태. , 동시에 다양한 형태의 업적을 가질 수 있음)
우리는 우리의 실험 결과에 다음과 같은 측면이 있기를 기대한다.
첫째, 우리는 기술 개체, 즉 임베디드 시스템을 실제로 완성하고 실질적인 성과를 낼 계획입니다.
둘째, 현재 시장 상황에 대한 우리의 분석에서 임베디드 자동차 식별 시스템의 시장 전망은 매우 낙관적이며, 우리 제품에 특허를 출원하여 시장 생산에 투입할 수 있다.
다시 한 번, 자동차 색상, 번호판, 차량의 조합 인식에 적합한 알고리즘이 없기 때문에, 우리는 이 시스템을 완성하는 과정에서 반드시 알고리즘 설계를 완성할 것이며, 이 부분의 결과는 공개 논문으로 전시될 수 있다.
우리는 시스템을 완성할 계획이기 때문에 시스템의 하드웨어와 소프트웨어를 완성해야 한다. 큰 면에서 소프트웨어와 알고리즘의 성과는 논문을 통해 발표될 수 있고, 하드웨어의 성과는 생산에 투입되고 특허를 출원함으로써 드러날 수 있다. 우리의 성과가 소프트웨어나 하드웨어뿐만 아니라 더 많은 형태로 나타날 것이라는 데는 의심의 여지가 없습니다. 이것도 우리의 큰 장점이다.
실험 환경 요구 사항
예산 내용, 목적, 예산 금액, 예상 실행 시간
CCD 카메라 프런트 엔드 이미지 수집, 카메라 또는 카메라 구입 3000 07. 12~ 08.2 월.
보조 광원은 특수 환경에 따라 1500 07. 12~ 08.2 월을 보충합니다
이미지 수집 카드 아날로그 신호 디지털 2500 07. 12~ 08.2 월
2000 년 8 월 3 일 ~ 2000 년 8 월 6 일+10 월 임베디드 시스템 하드웨어 시설 이미지 처리.
하드 디스크 레코더 비디오 정보 저장 2500 08. 10~ 08. 12 월
장치 출력 1500 08. 12~ 09.2 개월 이미지 인식 결과를 표시합니다.
무선 송수신기 또는 유선 전송 장치의 정보 전송 2500 09. 2~ 09.3.
기계 부품을 2000 원형으로 조립하는 마지막 단계.
합계: 19500 원
학원 승인 의견
전문가위원회의 평가 의견
학교 승인 의견
부록 1: 주제의 현황, 배경 및 의미.
1885 이후 세계 최초의 자동차가 탄생한 이래 자동차는 우리의 일상 업무와 생활에 큰 영향을 미쳤다. 100 여 년 동안 자동차는 가격이 저렴하고 조작이 편리한 우세로 점차 대중에게 받아들여져 수많은 가구에 진입했다. 우리나라에서는 매년 많은 사람들이 차족에 가입한다. 자연은 점점 더 빠르고 편리한 생활방식과 이로 인한 일련의 문제이다. 매년 자동차 도난 사건이 만 건이 넘고 교통사고가 발생할 때가 있다. 자동차를 감독해야 한다는 것은 의심할 여지가 없다. 현재 우리나라의 자동차 관리는 대부분 사람이 완성한 것이다. 점점 더 커져가는 자동차 차량 대열에 직면하여 인공조작은 분명히 힘이 나지 않는다고 상상하기 어렵지 않다. 따라서' 교통지능' 은 미래의 교통관리의 필연적인 추세가 될 것이다.
"자동차 신분" 인식 없이 어떻게 지능형 교통을 실현할 수 있습니까? 일찍이 1990 년대 초, 자동차 식별은 이미 전 세계의 관심을 불러일으켰고, 사람들은 자동차 신분증의 자동 인식과 관련된 문제인 자동차 번호판을 연구하기 시작했다. 몇 년 후, 자동차의 또 다른 중요한 신분 표시인 자동차 로고도 화제가 되었다. 번호판 인식의 일반적인 방법은 컴퓨터 이미지 처리 기술을 이용하여 번호판을 분석한 다음 자동으로 번호판 정보를 추출하여 번호판 번호를 결정하는 것이다. 차량 인식은 가장자리 히스토그램 및 템플릿 일치 관련 계수를 기반으로 하는 혼합 알고리즘입니다. 현재, 번호판과 차량 식별을 구분하는 이론은 비교적 성숙했고, 오프라인 알고리즘의 인식률도 높은 수준에 이르렀으며, 통합과 지능화로 발전하고 있다.
지능형 교통 관리 시스템에서 자동차 식별은 vc++ 의 "기본 클래스" 에 해당합니다. 즉, 지능형 교통 관리 시스템의 다른 하위 모듈은 자동차 인식을 기반으로 계승되고 발전해야 합니다. 따라서 자동차 식별에는 고도의 통합이 필요하다고 생각하는데, 다른 시스템에 내장할 수 있는 고도로 통합된 모듈 (예: 단일 칩 마이크로 컴퓨터, CPLD 등) 을 통해 수행하는 것이 가장 좋습니다. 현재 자동차 식별은 대부분 컴퓨터가 완성한다.
또한 자동차가 인식하는 "기본 클래스" 포지셔닝으로 인해 "자동차를 고유하게 잠글 수 있는지 여부", "빠른 확인 가능 여부" 에 대한 요구 사항이 있습니다. 그러나 현재 자동차 식별은 단순히 번호판을 식별하는 데만 의존하고 있다. 시장에도 별도의 번호판이나 차량 식별 시스템이 많이 있지만 둘을 결합한 시스템은 매우 드물다. 이러한 단일 시스템은 분명히 자동차의 신분을 진정으로 식별하고 잠그기가 어렵다.
스마트 교통 관리 시스템의 수요, 자동차 식별의 현황 및 발전 추세와 함께, 우리 과제팀은 임베디드 자동차 자동 식별 시스템을 우리의 혁신적인 실험 계획의 과제로 선택했습니다. 우리는 내장되어 자동차 인식을 마친 후 처리된 디지털 정보를 지능형 교통 관리 시스템의 다른 모듈로 전송할 계획입니다. 컴퓨터 대신 임베디드 시스템으로 자동차 인식을 하면 지능형 교통 관리 시스템의 통합 정도를 크게 높이고 비용을 절감할 수 있다. 단일 인식 시스템과 달리, 우리가 설계한 자동차 식별 시스템은 자동차 번호판 인식과 자동차 식별을 결합하여 자동차 색상 인식을 보완한다. 동시에 출력을 식별하고, 여러모로 자동차를 잠그는 것을 판단하고, 만유의 실수가 없도록 노력하다. 이를 통해 다양한 분야에서 이 시스템을 쉽게 사용할 수 있습니다.
공안교통통제 분야에서는 임베디드 자동차 자동인식 시스템을 교통통제 시스템에 적용할 수 있다. 이 제품을 속도 측정, 과부하 측정을 위한 다른 교통시설에 내장하면 일련의 관리 작업을 수행할 수 있습니다. 터미널 컴퓨터 처리 시스템에 연결하여 사진 정보 대신 처리된 디지털 정보를 전송하면 터미널 컴퓨터의 처리 시간과 저장 공간이 크게 절약되고 응답 속도와 처리 효율성이 향상되며 교통 통제 분야의 인력 부족 문제를 효과적으로 해결할 수 있습니다.
캠퍼스 차량 관리의 경우, 이 내장형 자동 차량 식별 시스템에는 캠퍼스 소유자가 이사할 때 등록된 자동차 정보 데이터베이스에 연결할 수 있는 포트가 있습니다. 캠퍼스 입구에 우리의 번호판 자동인식 시스템을 설치하고, 출입 차량을 자동으로 식별하고, 데이터를 데이터베이스로 전송하고, 데이터베이스의 번호판 데이터에 따라 캠퍼스 내 차량인지 여부를 판단한 후 상황에 따라 처리한다. 이렇게 하면 캠퍼스 내 자동차의 안전 계수가 크게 증가하고, 이 시스템을 사용하는 데 드는 비용은 컴퓨터 기반 시스템을 사용하는 것보다 훨씬 낮습니다.
주차장 관리와 관련하여 Dell 의 내장형 자동 번호판 인식 시스템은 지능적인 관리 프로세스를 완료할 수 있습니다. 이 시스템은 주차장 출입구에 설치되어 주차장으로 드나드는 차량을 자동으로 식별하고, 처리된 데이터는 터미널 컴퓨터로 전달되며, 터미널 컴퓨터는 들어오는 정보를 데이터베이스와 결합하여 구매한 (또는 임대한) 차량에 속하는지 여부를 판단하고 그에 따라 처리합니다.
요약하자면, 우리가 계획한 임베디드 자동 번호판 인식 시스템이 미래의 지능형 교통 관리 시스템에서 결정적인 역할을 할 수 있다고 믿을 만한 이유가 있습니다. 연구하고 탐구할 가치가 있습니다.
부록 ii: 작동 원리 및 프로그램 아이디어
이 자동차 인식 시스템에는 번호판 인식, 자동차 색상 인식, 차량 식별 등이 포함되며, 이 시스템은 임베디드 시스템을 사용하여 이 세 부분의 식별을 완료합니다. 우리가 방금 이 부분의 내용을 접했기 때문에, 생각은 아직 그다지 성숙하지 않다.
번호판 인식과 자동차 색상, 자동차 인식, 임베디드 등 세 부분으로 나누어 Dell 의 작동 방식과 방안을 설명하겠습니다.
첫 번째 부분: 번호판 인식.
1, 전체 구조
번호판 자동 인식 시스템은 (1) 트리거, 즉 속도 측정 시스템과 같은 프런트 엔드 장치의 데이터 입구의 세 가지 모듈로 나뉩니다. (2) 이미지 처리: 이미지 수집, 번호판 위치, 문자 분할 및 문자 인식의 네 부분으로 나뉩니다. (3) 무선 전송 시스템은 처리된 데이터를 교통 위반 관리 시스템, 주차장 시스템, 보안 검사 시스템 등과 같은 백엔드 애플리케이션 시스템으로 전송합니다.
2. 알고리즘 섹션
① 전면 CCD 카메라:
원본 이미지 수집
CCD 카메라와 보조 조명 장치로 구성되어 있습니다. 이미지 수집의 품질은 백엔드 처리 및 인식의 효과에 직접적인 영향을 미칩니다. 더 명확한 이미지를 얻으려면 카메라 및 이미지 카드 선택, 카메라 위치 교정, 속도, 차량 출입 거리, 날씨, 빛이 카메라 촬영 이미지 노출에 미치는 영향 등 이미지 품질에 영향을 미치는 여러 가지 요소를 고려해야 합니다.
차량이 관측 구역에 진입하는지 여부를 판단하다.
이미지 차이 (image difference) 방법을 사용하여 모니터링 영역에 목표가 있는지 여부를 판단합니다. 즉, 비디오 이미지를 먼저 그레이스케일로 만든 다음 두 이미지의 해당 픽셀의 그레이스케일 값을 비교하여 변경 여부와 변경 사항이 있는지 확인합니다.
이미지 차이는 모니터링 영역에 물체가 지나가고 있는지, 교통 차량이 알려지지 않았는지 여부만 확인할 수 있습니다. 이미지 차이로 인한 소음, 보행자, 자전거가 자동차가 차지하는 면적보다 훨씬 작기 때문에 더 작은 스케일의 물체와 소음을 걸러낼 수 있는 스케일 필터가 설계되었습니다.
② 번호판 위치 및 전처리
왼쪽 그림은 번호판 위치의 주요 알고리즘입니다. 기본 번호판 위치 지정이 완료되면 몇 가지 기본적인 사전 처리가 필요합니다. 기울기 보정 포함.
리벳과 테두리를 제거합니다.
첫째, 번호판 문자 기울기 보정
번호판 문자 분할의 난점은 부분 번호판이 기울어져 직접 분할 효과가 좋지 않아 수정해야 한다는 것이다. 먼저 번호판의 기울기율을 얻고 이 기울기에 따라 번호판의 회전을 교정한다.
둘. 번호판 선반 및 리벳 분해
선험적 지식: 표준 번호판의 경우 문자 간격은 12mm 이고, 두 번째와 세 번째 문자 간격은 34mm 이며, 중간 점은 폭 l0mm 이고, 점은 두 번째와 세 번째 문자 간격은 각각 12mm 입니다. 번호판 모서리 선 내부에는 일반적으로 두 번째 문자나 여섯 번째 문자에 다양한 정도로 부착되는 네 개의 리벳이 있습니다. 리벳을 제거하지 않으면 두 번째와 여섯 번째 문자를 식별하기 어렵다.
번호판 이미지 이진화 후, 이미지는 흑백밖에 없다. 흰색 픽셀 (그레이스케일 값 255) 은 1, 검은색 픽셀 (그레이스케일 값 0) 은 0 입니다. 여기는 흰색 바탕에 검은 글씨의 도안을 채택한다. 번호판 이미지는 안쪽에서 바깥쪽으로 한 줄씩 스캔됩니다. 번호판 이미지에서 한 행의 흰색 픽셀 폭이 임계값 (첫 번째 그리드 선) 보다 크면 번호판 문자의 가장자리로 간주되고 그 위 또는 아래의 모든 행이 잘립니다.
③ 번호판 문자 분할
오른쪽 그림은 번호판입니다.
문자 분할의 주
알고리즘.
여기, 왜냐하면
우리의 지식은 한계가 있다.
이 알고리즘들은 정확하지 않다.
구체적인 소개를 했다.
④ 문자 인식 방법
성격; 역할; 글자
그것이 자동차라는 것을 확인하다.
카드 인식
핵심 부분.
일반차
카드 문자 인식
기타 알고리즘 패키지
여섯 가지를 포함해서요.
우리는 그를
아이들이 열거되어 있다.
오른쪽에 있습니다.
그 중에서도 우리는 신경망 기반 문자 인식 알고리즘에 더 관심이 있다. 다음으로, 두 가지 간단하고 일반적으로 사용되는 알고리즘과 신경망 기반 문자 인식 알고리즘을 소개했습니다.
첫째, 템플릿 일치 번호판 문자 인식
중국 번호판의 문자 템플릿은 한자, 영문자, 숫자 템플릿으로 나뉘어 통계 방법으로 구축되어 데이터베이스에 저장됩니다. 템플릿 일치는 문자 템플릿을 표준화된 번호판 문자와 일치시켜 문자를 식별하는 것입니다.
둘. 특징 일치 번호판 문자 인식
번호판 인식 방법에서는 사용할 수 있는 문자 기능이 많이 있으며 구조 피쳐, 픽셀 분포 피쳐 및 기타 기능으로 크게 나눌 수 있습니다.
여기서 우리는 신경 네트워크 방법을 돌파할 계획이다. 인공 신경 네트워크 기술은 비선형 설명, 대규모 병렬 분산 처리 능력, 노봉, 자체 학습, 연상 등의 특징을 가지고 있기 때문에 비선형 시변 시스템의 시뮬레이션과 온라인 제어에 적용된다. 구체적인 단계는 다음 그림과 같습니다.
게다가, 우리는 각종 알고리즘을 결합하여 장점을 살리고 단점을 피하려고 노력할 것이다. 예를 들어, 유전 알고리즘과 인공 신경망을 결합하면 유전 알고리즘의 병렬 계산, 빠른 글로벌 검색의 장점을 활용할 수 있을 뿐만 아니라, 신경망 고유의 검색 속도가 느리고 국부적인 가뭄과 홍수에 쉽게 빠지는 등의 단점을 극복할 수 있다.
대학 2 학년은 여전히 전공 기초과목을 공부하고 있기 때문에 이미지 처리에 대한 최신 알고리즘에 대한 이해가 부족하다. Dell 은 실제 운영 과정에서 최적의 솔루션을 선택하고 시스템 특성에 따라 개선 방안을 제안합니다.
두 번째 부분: 자동차 색상 및 자동차 식별
(1), 차체 색상 인식
색상 특징은 이미지 자체의 크기, 방향 및 시야각에 대한 의존도가 낮고 견고성이 높기 때문에 컨텐츠 기반 이미지 인덱싱 기술, 지능형 교통 시스템 및 제지, 섬유, 인쇄 등 많은 I-industry 시스템에서 매우 중요한 응용 프로그램을 제공합니다. ). 오랫동안 여러 가지 이유로 많은 색상 공간 모델이 제시되어 왔습니다. 첫 번째 범주는 RGB, H SI, M unsell 색상 공간 등을 포함한 인간 시각 시스템을 기반으로 하는 색상 공간 (H VS) 입니다. 두 번째 범주는 TV 시스템에서 사용하는 YUV 와 YIQ, 코닥의 YCC 와 같은 사진 산업, 인쇄 시스템의 CMY (K) 색상 공간을 포함한 전용 색상 공간을 적용하는 것입니다. 세 번째 범주는 CIE 색상 공간 (CIE XYZ, CIE Lab, CIE Luv 등 포함) 입니다. ). 이 색상공간들은 각각 장단점이 있어 각자의 분야에서 중요한 역할을 했다.
우리는 RGB 색 공간을 사용하여 시스템을 완성할 계획이다. RGB 색상 공간은 일반적인 CRT 모니터와 같은 컴퓨터 관련 분야에서 널리 사용됩니다. RGB 색상 공간에서 각 색상 값은 R, G, B 채널 값의 조합으로 표시되며 해당 채널 값은 그래픽 수집 카드의 감광체 또는 CCD 센서에서 가져옵니다. 여기서 각 채널의 값은 입사광과 해당 광수용체의 감광 함수 값의 합계로 표시됩니다.
R=
G=
B=
여기서 S (A) 는 스펙트럼이고 R(A), G(A) 및 B(A) 는 각각 R, G, B, G 및 B 센서의 민감도 함수입니다. 위의 공식에서 알 수 있듯이 색상 공간은 장치와 관련이 있으며 특정 캡처 장치의 감광 기능과 관련이 있습니다. 그러나 RGB 값을 쉽게 얻을 수 있기 때문에 컴퓨터에서 쉽게 계산하고 표현할 수 있으며 일반적으로 다른 색상 공간을 나타내는 데 사용할 수 있습니다. 즉, RGB 값을 다른 색상 공간 값으로 변환할 수 있습니다. RGB 색상 공간의 표준 색상 차이는 다음과 같이 정의됩니다.
) 을 참조하십시오
색상마다 주관적인 감정에 다른 영향을 미치기 때문에 색차를 더 잘 표현하기 위해 이 색상 인식 하위 시스템은 경험적 색차 공식을 사용합니다.
우리가 설계할 차체 색상 인식 시스템의 경우, 주로 4 단계로 차체 색상 인식을 완성한다.
1. 영역 선택 식별
본체 색상을 정확하게 식별하기 위해서는 영역 선택을 식별하는 것이 중요합니다. 이 실험에서는 배기팬 근처에 있는 자동차 전면의 전면을 선택했다
2. 색상 히스토그램 계산
선택한 영역에 대해 가장 많이 나타나는 색상을 계산합니다. 실제 응용 프로그램에서는 다른 색상 공간 모델의 컴포넌트 값을 RGB 값으로 나타낼 수 있으므로 계산을 단순화하기 위해 RGB 색상 공간 모델에만 색상 막대 그래프를 계산할 수 있습니다.
색차 계산
해당 색상 공간 모델의 색상 차이 계산 공식에 따라 색상 템플릿과의 색상 차이를 계산합니다.
4. 색상 인식
각 색상 공간 모델에서 샘플 색상과 표준 색상의 해당 색상 차이를 얻은 후 결과에 따라 색상을 식별할 수 있습니다. 즉, 이전 단계에서 계산된 색상 차이의 최소값을 식별 결과로 선택합니다.
(2), 자동차 로고 부분 없음
번호판과 차량의 자동 실시간 식별이 운동차형 정밀 식별 시스템의 두 가지 중요한 구성 요소라는 것은 의심의 여지가 없다. 현재 많은 번호판 위치 알고리즘이 제시되어 있으며, 주로 흑백 이미지를 기반으로 하는 번호판 위치 알고리즘과 컬러 이미지를 기반으로 하는 번호판 위치 알고리즘의 두 가지 주요 범주로 나눌 수 있습니다. 흑백 이미지를 기반으로 하는 번호판 위치 지정 알고리즘은 어댑티브 에너지 필터를 기반으로 하는 특징 번호판 위치 알고리즘, 소파 변환 및 형태학 처리를 기반으로 하는 번호판 위치 알고리즘, 이진 투영을 기반으로 하는 번호판 위치 알고리즘, 유전 알고리즘을 기반으로 하는 번호판 위치 알고리즘 등 여러 범주로 나눌 수 있습니다.
이러한 번호판 위치 지정 알고리즘에는 각각 장단점이 있지만 어느 정도 차량 위치 지정에 대한 참조로 사용될 수 있습니다.
자동차 표지판 위치 및 식별은 국내외에서 모두 비교적 새로운 분야이다. 자동차 표지판 자체의 고유한 특수성: 목표가 작고 유사성이 크며, 크기와 조명의 영향을 많이 받고, 배경이 일치하지 않으며, 자동차 회사마다 차량 표지의 모양과 크기가 일치하지 않아 정확하게 배치하고 식별하기 어렵다.
우리는 자동차 식별을 다음과 같은 주요 단계로 나눕니다.
(1) 번호판 위치 지정: 번호판의 텍스처 특징에 따라 다중 해상도 분석을 기반으로 신속하게 번호판 영역을 얻을 수 있습니다.
(2) 헤드 위치 지정: 헤드 영역의 에너지가 높고 집중된 특징에 따라 OTSU 이진화 알고리즘을 사용하여 이미지를 이진화한 다음 번호판의 위치 정보와 결합하여 이진 투영을 통해 머리를 빠르게 배치합니다.
(3) 중심 축 위치 지정: 정면 영역에서 축 대칭에 따라 정면의 중심 축을 배치합니다.
(4) 차량의 거친 위치: 차의 앞부분을 찾는 기초 위에서, 차량과 번호판의 선험적 지식에 근거하여, 차의 경험을 얻어 직사각형을 검색한다.
(5) 식별의 정확한 위치: 단계 (4) 를 기준으로 식별 텍스처 피쳐를 사용하여 식별을 정확하게 배치합니다. 주로 두 단계가 포함됩니다. 하나는 수직 방향의 높은 에너지, 상대적 집중의 특징에 따라 에너지 향상과 어댑티브 형태 필터를 사용하여 위치 표시를 한 번 필터링하는 것입니다. 둘째, 향상된 템플릿 일치 알고리즘을 사용하여 플래그를 정확하게 배치합니다. 차량 식별 시스템은 이동 차량 식별 시스템의 중요한 구성 요소이다. 번호판 인식과 마찬가지로 위치 지정과 식별이라는 두 가지 핵심 기술도 포함되어 있습니다.
위 그림은 차량 식별 시스템의 구조도이다. 일반적인 타겟 인식 시스템과 마찬가지로 오프라인 교육 프로세스와 온라인 인식 프로세스가 포함됩니다. 훈련 과정에서 먼저 수동으로 수집한 샘플을 이미지 정규화 및 스케일 정규화 사전 처리한 다음 템플릿을 추출하여 로고의 표준 템플릿 라이브러리를 얻습니다. 차량 표준 템플릿 라이브러리의 템플릿은 차량 위치 지정뿐만 아니라 피쳐 추출, 차량 식별을 위한 차량 표준 피쳐 모델 라이브러리 획득에도 사용됩니다. 위치 지정 과정에서 자동차 이미지 외에 번호판의 위치 정보도 필요하다. 이는 다양한 차량 표지에 안정된 텍스처 특징이 없고 크기 모양이 다르기 때문에 복잡한 배경에서 피쳐 일치 또는 템플릿 일치를 통해 차량 표지를 직접 찾기가 어렵기 때문입니다. 따라서 번호판 위치, 차량 대칭 등의 사전 정보를 사용하여 대략적인 위치를 지정한 다음 관련 이미지 처리 기술 및 템플릿 일치를 사용하여 정확하게 배치해야 합니다. 차량 표지판이 배치되면 차량 인식 문제가 2D 모양 인식 문제로 전환되어 템플릿 일치를 통해 수행할 수 있습니다. 그러나 실제로 수집된 이미지에서는 조명, 소음, 부분 폐색, 모양 유사성 등의 문제가 자주 발생하므로 일반적인 템플릿 일치 방법은 만족스러운 인식 효과를 얻기가 어렵습니다. 따라서 일반적으로 적절한 피쳐 추출 및 인식 방법이 필요합니다. 이를 통해 차량 식별을 보조하여 시스템 인식률을 높일 수 있습니다.
세 번째 부분: 임베디드
역사적, 본질적, 보편적인 요구 사항에 따라 임베디드 시스템은 "대상 시스템에 내장된 전용 컴퓨터 시스템" 으로 정의되어야 합니다. 임베디드, 전용 및 컴퓨터 시스템은 임베디드 시스템의 세 가지 기본 요소입니다. 대상 시스템은 임베디드 시스템에 내장된 호스트 시스템입니다.
임베디드 시스템의 핵심은 임베디드 마이크로프로세서이며 네 가지 장점이 있습니다.
(1) 실시간 멀티 태스킹 지원, 멀티 태스킹, 짧은 응답 시간 중단, 내부 코드 및 실시간 운영 체제 실행 시간 최소화
(2) 강력한 스토리지 영역 보호 기능을 갖추고 있습니다.
(3) 애플리케이션 요구 사항에 맞게 고성능 임베디드 마이크로프로세서로 빠르게 확장 가능한 확장 가능한 프로세서 구조
(4) 임베디드 마이크로프로세서는 전력 소비량이 매우 낮으며, 특히 휴대용 무선 및 모바일 컴퓨팅, 통신 장비에 사용되는 배터리 전원을 사용하는 임베디드 시스템의 경우 전력 소비량은 mW 또는 μ W 에 불과할 수 있으며, 이는 에너지 부족과 값비싼 시대에 매우 매력적입니다.
또한 내장된 실시간 운영 체제는 시스템의 신뢰성을 향상시킵니다. 이것들은 모두 임베디드 번호판 인식 시스템을 만들 가치가 있다.
일반적인 번호판 및 차량 인식 알고리즘 계산량이 많다는 점을 감안하면 실시간 요구 사항을 충족해야 합니다. 따라서 우리는 32 비트 ARM 임베디드 마이크로프로세서를 핵심 장치로, CPLD 를 타이밍 제어 장치로, ARM 9 S3C 24 1 C 기반 임베디드 이미지 수집 처리 시스템을 사용하여 임베디드 Linux 운영 체제를 기반으로 ARM 부품의 작은 크기, 강력한 용량, 낮은 전력 소비 기능을 최대한 활용할 예정입니다. 이 시스템을 사용하면 전체 시스템이 회로를 단순화하고 점유 자원을 줄일 수 있습니다.
시스템 설계 구성 요소
전체 시스템은 U SB 이미지 수집 하위 시스템, ARM 처리 하위 시스템 및 네트워크 데이터 전송 하위 시스템으로 구성됩니다. 카메라에서 수집한 비디오 데이터는 USB 를 통해 ARM 처리 보드로 전송됩니다. ARM 프로세싱 보드는 Linux 운영 체제를 내장하고 빠른 이미지 알고리즘을 사용하여 이미지 시퀀스를 처리하고 처리 결과에 따라 적절한 조치를 취합니다. 네트워크 전송 하위 시스템은 데이터를 처리하고 추가 후속 처리를 위해 모니터링 센터에 업로드할 수 있습니다. 시스템 구조는 다음과 같습니다.
ARM 이미지 처리 하위 시스템은 S3C 24 10 프로세서를 사용하여 이미지 처리 속도 요구 사항을 충족합니다. USB 이미지 액세스는 이미지 전송 속도를 보장합니다. 64M Flash RAM 및 64M 플래시 확장, 대용량 RAM 은 여러 개의 이미지를 저장하여 이미지 분석 처리를 용이하게 합니다. 무선 네트워크 인터페이스는 데이터 정보의 네트워크 관리를 실현합니다.
물론, 이상은 우리의 초보적인 구상일 뿐, 앞으로 대량의 실험에서 논증과 최적화를 할 것입니다!
부록 iii: 일정 및 일정
계획 일정:
1. 실험에 필요한 기본 용품을 사는 데 약 15 일이 걸립니다.
2. 여가 시간을 이용하여 자신이 필요로 하는 것을 배운다.
3. 프로그래밍을 완료하고 소프트웨어 문제를 해결하는 데 약 7 개월이 걸립니다.
4. 하드웨어를 완성하고 원형을 만드는 데 약 1 년이 걸립니다.
1 차 검사는 한 달 정도 걸립니다.
6 개월 디버깅 프로토 타입, 결함 발견 및 수정. 만족스러운 수준에 도달할 때까지 실험을 반복하다.
결론적으로, 우리는 이 프로젝트를 2 년 정도 걸릴 계획이다. 물론, 이상은 대략적인 방안일 뿐, 앞으로 실험의 실제 진전에 따라 적절히 조정될 것이다.