찾았어요, 하하. 개인정보는 업로드되지 않으며 주요 정보만 업로드됩니다.
내장형 자동차 신원 자동 식별 시스템
1. 프로젝트 소개
(연구 목적, 연구 배경 및 현황, 작동 원리 및 방안 가정, 계획 일정 등) .)
부록을 참조하세요.
II. 프로젝트 자체 평가
1. 발전:
디지털 정보 기술과 네트워크 기술의 급속한 발전으로 인해 임베디드 프로세싱의 급속한 발전 프로세서 성능이 지속적으로 향상됨에 따라 고성능 프로세서는 이미 복잡한 알고리즘 애플리케이션과 기타 복잡한 기능 애플리케이션을 충족할 수 있게 되었습니다. 한편, 우리나라 경제의 급속한 발전과 베이징 올림픽 개최로 인해 '지능형 교통'은 틀림없이 큰 화두가 될 것입니다. 운송 산업의 특수성으로 인해 ITS 장비의 기술적 매개 변수 및 사용 조건에 대한 엄격한 요구 사항이 있으며, 내장형 지능형 운송 장비는 이러한 요구 사항을 충족할 수 있으므로 내장형 지능형 운송 장비의 광범위한 적용은 피할 수 없는 추세입니다. . 임베디드 차량 자동 식별 시스템은 지능형 교통 관리 시스템의 중요한 부분으로 임베디드 기술과 차량 식별 기술의 완벽한 결합으로 임베디드 번호판 인식, 임베디드 자동차 로고 인식 및 자동차 색상 인식이라는 세 가지 주요 영역을 포괄합니다. 주요 기능은 자동차 타겟을 한번에 잠그려고 노력하는 것입니다.
다음과 같은 장점이 있습니다.
1. 높은 독립성: 임베디드 기술을 사용하고 통신 인터페이스를 통해서만 애플리케이션 시스템에 연결되며 독립성이 높습니다.
2. 완벽한 기능: 자동차 번호판, 로고, 색상을 동시에 식별하고 대상을 한 번에 잠글 수 있으며 기존 시스템에는 없는 강력한 기능을 갖추고 있습니다.
3. 강력한 가소성: 프런트 엔드는 신호 트리거 장치와 같은 업스트림 제품과 결합될 수 있으며, 엔드에는 다운스트림 제품과의 통합을 위한 내장 무선 네트워크 및 다중 직렬 인터페이스가 있습니다. 시스템 기능과 사용 범위가 대폭 확장되었습니다.
4. 유지 관리가 용이합니다. 수리 및 유지 관리는 이 시스템에만 해당되며 다른 모듈에는 영향을 주지 않습니다. 유지 관리 비용은 유사한 제품보다 훨씬 저렴합니다.
5. 휴대성과 유연성: 이 장치는 고집적이며 컴팩트하고 유연하며 사용하기 쉽습니다.
2. 운용성 및 실행 가능성:
현재 번호판 인식, 차량 로고 인식과 같은 기술은 점점 더 성숙해지고 완벽해지고 있으며 관련 정보를 얻기가 더 쉬워졌습니다. 기존 임베디드 기술도 상대적으로 성숙해졌습니다. 따라서 기술적 난이도 측면에서 이 주제는 다른 첨단 과학보다 구현하기가 더 쉽습니다. 주제 선택에 필요한 장비와 재료도 비교적 구하기 쉽고 비용도 적당합니다.
3. 혁신:
기존 번호판 인식 장치는 일반적으로 컴퓨터를 사용하여 데이터를 처리하며, 일부는 여러 컴퓨터의 협력이 필요하므로 많은 공간과 자원을 차지합니다. 가끔 임베디드 시스템이 있더라도 그 기능은 번호판 인식이나 차량 로고 인식으로 제한됩니다. 이 시스템은 번호판 인식, 자동차 로고 인식 및 자동차 색상 인식 기능이 내장된 기능을 창의적으로 결합하여 비대해진 장비 시스템, 통합의 어려움, 안정성 저하, 유지 관리의 어려움 및 단일 기능의 현재 문제를 한 번에 해결합니다.
4. 가능한 문제:
현재 주요 문제는 임베디드 통합 및 무선 전송 거리입니다. 우리가 상상하는 이상적인 상황은 데이터를 처리하기 위해 완전한 컴퓨터를 사용하는 현재의 단점과 열악한 장비 유연성을 해결하기 위해 데이터를 무선으로 전송할 수 있는 휴대용 차량 식별 시스템을 개발하는 것입니다. 하지만 시간, 에너지, 자금의 한계로 인해 현재 가장 큰 문제는 '이동성'입니다. 또한 차량 속도와 피사계 심도가 이미지 인식에 미치는 영향도 우리가 직면할 수 있는 어려운 문제입니다.
3. 기대되는 결과
(특허 출원, 논문 출판, 과학 및 기술 개체(소프트웨어 프로그램 포함) 생산 등과 같은 구체적인 형태의 결과는 다음과 같습니다. 동시에 여러 결과 형식을 갖습니다. )
실험 결과는 다음과 같은 측면을 가질 것으로 예상됩니다.
우선 물리적인 기술, 즉 실제로 임베디드 시스템을 완성하고 가시적인 성과를 만들어 낼 계획이다.
둘째, 현재 시장 상황을 분석한 결과 임베디드 자동차 식별 시스템의 시장 전망은 매우 낙관적이어서 우리 제품에 대한 특허를 출원하고 시장에 출시하여 생산할 수 있습니다.
셋째, 자동차 색상, 번호판, 자동차 로고의 통합 인식에 적합한 알고리즘이 없기 때문에 이 시스템을 완성하는 과정에서 필연적으로 알고리즘 설계를 완료해야 하며, 이 부분은 결과는 출판된 논문의 형태로 발표를 통해 얻을 수 있습니다.
우리는 시스템을 완성할 계획이기 때문에 시스템의 하드웨어 부분과 소프트웨어 부분을 동시에 완성해야 합니다. 넓은 관점에서 볼 때, 소프트웨어와 알고리즘의 결과는 논문을 통해 발표될 수 있고, 하드웨어의 결과는 제품화 및 특허출원을 통해 반영될 수 있습니다. 의심할 바 없이 우리의 결과는 소프트웨어 부분만 수행하거나 하드웨어 부분만 수행한 결과보다 더 많은 형태로 나타날 것입니다. 이것은 또한 우리의 큰 장점 중 하나입니다.
실험 환경 요구 사항
자금 예산 내용, 목적, 예산 금액, 예상 실행 시간
CCD 카메라 부분의 전면 이미지 획득, 구매 카메라 또는 카메라 3000 07.12~08.2개월
특수환경에 빛을 보충하는 보조광원 1500 07.12~08.2개월
영상획득카드 아날로그 신호 디지털화 2500 07.12~08.2개월
임베디드 시스템 하드웨어 설비 영상처리 4000 08.3~08.10개월
하드디스크 비디오 레코더 영상정보 저장 2500 08.10~08.12개월
디스플레이 장치 영상인식 결과 출력 1500 08.12 ~ 09.2개월
무선 송수신기 또는 유선 전송 장치로부터 정보 전송 2500 09. 2~ 09.3
기계 부품의 기계 가공 및 프로토타입 조립 2000 최종 단계
합계: 19,500위안
대학 승인 의견
전문위원회 승인 의견
학교 승인 의견
부록 1: 현황, 주제 선정 배경 및 의의
1885년 세계 최초로 자동차가 탄생한 이후 자동차는 우리의 일상 업무와 생활에 엄청난 영향을 미치고 있습니다. 지난 100년 동안 자동차는 저렴한 가격과 편리한 조작성으로 인해 점차 대중에게 받아들여졌으며, 수천 가구에 보급되었습니다. 우리나라에서는 매년 많은 사람들이 자동차 소유권 강좌에 참여하고 있습니다. 당연히 점점 더 빠르고 편리한 생활 방식과 그에 따른 일련의 문제가 발생합니다. 매년 10,000건이 넘는 자동차 도난 사건이 발생하고, 수시로 교통사고도 발생하는데... 자동차에 대한 규제가 필요하다는 것은 의심의 여지가 없습니다. 그리고 관리했다. 요즘 우리나라의 자동차 관리업무는 대부분 사람이 하고 있습니다. 점점 더 많은 차량이 늘어나는 상황에서 수동 작업이 확실히 부적절하다는 것을 상상하는 것은 어렵지 않습니다. 따라서 '트래픽 인텔리전스'는 향후 교통관리에서 피할 수 없는 트렌드가 될 것이다.
'자동차 정체성'을 식별하지 않고 어떻게 지능형 운송을 구현할 수 있습니까? 이미 1990년대 초반부터 자동차 식별은 전 세계적으로 큰 관심을 끌었고, 자동차 ID 카드와 관련된 문제인 자동차 번호판 자동 인식에 대한 연구가 시작되었습니다. 몇 년 후, 자동차의 또 다른 중요한 상태 상징인 자동차 로고 인식도 화제가 되었습니다. 번호판 인식에 대한 일반적인 접근 방식은 컴퓨터 이미지 처리 기술을 사용하여 번호판을 분석한 다음 자동으로 번호판 정보를 추출하여 번호판 번호를 결정하는 것입니다. 차량 로고 인식은 에지 히스토그램과 템플릿 매칭 상관 계수를 혼합하는 알고리즘을 기반으로 합니다. 현재 번호판 및 차량 로고 식별 이론은 성숙되었으며 오프라인 알고리즘 인식률은 높은 수준에 도달했으며 통합 및 지능화 방향으로 발전하고 있습니다.
지능형 교통 관리 시스템에서 자동차 식별은 vc++의 "기본 클래스" 상태와 동일합니다. 즉, 지능형 교통 관리 시스템의 다른 하위 모듈은 자동차 식별을 기반으로 상속해야 합니다. . 및 개발. 따라서 우리는 자동차 신원 인식에 필요한 높은 수준의 통합이 마이크로컨트롤러 및 CPLD와 같은 다른 시스템에 내장될 수 있는 고도로 통합된 모듈에 의해 가장 잘 달성될 수 있다고 믿습니다. 현재 대부분의 차량 식별은 컴퓨터를 통해 이루어집니다.
또한 자동차 식별의 '기본 클래스' 포지셔닝으로 인해 사용 시 '자동차를 고유하게 잠글 수 있는지 여부'와 '어떤 자동차인지 빠르게 확인할 수 있는지 여부'에 대한 특정 요구 사항이 있습니다. 그것. . 이 단계에서 자동차 식별은 단순한 번호판 인식에만 의존합니다. 시중에 나와 있는 대부분의 시스템은 번호판이나 차량 로고를 별도로 인식하는 시스템이지만, 이 둘을 결합한 시스템은 매우 드뭅니다. 이러한 단일 시스템이 자동차의 신원을 실제로 식별하고 잠그는 목적을 달성하는 것은 분명히 어렵습니다.
지능형 교통 관리 시스템의 요구 사항과 자동차 식별 현황 및 두 분야의 개발 동향을 토대로 우리 팀은 혁신적인 실험 계획의 주제로 자동차 내장형 자동 식별 시스템을 선택했습니다. 임베디드 방식으로 차량 식별을 완료한 후 처리된 디지털 정보를 지능형 교통 관리 시스템의 다른 모듈로 전송할 계획입니다. 차량 식별 처리를 위해 컴퓨터를 내장형 컴퓨터로 교체하면 지능형 교통 관리 시스템의 통합이 크게 향상되고 비용이 절감됩니다. 우리가 설계한 차량 식별 시스템은 단일 식별 시스템과 달리 번호판 인식과 차량 로고 인식을 결합하고 차량 색상 인식을 보완합니다. 동시 식별과 동시 출력을 통해 자동차를 다방면에서 판단하고 잠글 수 있도록 노력하고 있습니다. 이는 다양한 분야에서 시스템의 사용을 크게 촉진합니다.
공안 교통 관제 분야에서는 내장형 자동 차량 신원 인식 시스템을 교통 관제 시스템에 적용할 수 있다. 속도와 과적을 측정하는 데 사용되는 다른 운송 시설에 이 제품을 내장함으로써 일련의 관리 작업을 단말 컴퓨터 처리 시스템에 연결하고, 처리된 디지털 정보를 사진 정보 대신 전송하여 비용을 크게 절감할 수 있습니다. 단말 컴퓨터의 시간과 메모리 공간은 응답 속도와 처리 효율성을 향상시켜 현재의 교통 관제 분야 인력 부족 상황을 효과적으로 해결합니다.
공원 내 차량 관리 측면에서, 이 내장된 자동 차량 식별 시스템은 공원 주인이 체크인할 때 등록한 자동차 정보 데이터베이스와 연결될 수 있도록 포트를 갖게 됩니다. 공원 입구에 자동 번호판 인식 시스템을 설치하여 출입 차량을 자동으로 식별한 후, 데이터를 데이터베이스로 전송하고 데이터베이스의 번호판 데이터를 기반으로 공원 내 차량인지 여부를 판단하고, 그런 다음 상황에 따라 처리하십시오. 이는 공원 차량의 안전율을 크게 높이고 시스템 사용 비용은 컴퓨터 처리 시스템을 사용하는 비용보다 훨씬 저렴합니다.
주차장 관리는 내장된 자동 번호판 인식 시스템으로 지능형 관리 프로세스를 완료할 수 있습니다. 이 시스템은 주차장 입구와 출구에 설치되어 주차장에 들어오고 나가는 차량을 자동으로 식별합니다. 처리된 데이터는 터미널 컴퓨터로 전송되어 들어오는 정보와 데이터베이스를 결합하여 주차 여부를 결정합니다. 차량을 구입(또는 임대)한 경우 주차 공간이 이에 따라 처리됩니다.
요컨대, 우리가 완성하려는 임베디드 자동 번호판 인식 시스템은 미래의 지능형 교통 관리 시스템에서 결정적인 역할을 할 수 있으며 연구 및 탐구할 가치가 있다고 믿을 만한 이유가 있습니다.
부록 2: 작동 원리 및 계획 아이디어
이 자동차 식별 시스템에는 번호판 인식, 자동차 색상 및 자동차 로고 인식이 포함됩니다. 이 시스템은 임베디드 시스템을 사용하여 이 세 부분을 완성합니다. . 식별하다. 우리는 이 부분의 콘텐츠를 처음 접하기 때문에 우리의 아이디어가 그다지 성숙하지 않습니다.
다음에서는 번호판 인식, 자동차 색상, 자동차 로고 인식 및 임베디드의 세 부분으로 나누어 작동 원리와 솔루션을 소개합니다.
1부: 번호판 인식
1. 전체 구조
자동 번호판 인식 시스템은 주로 세 가지 주요 모듈로 나뉩니다. (1) 트리거: 즉, 속도 측정 시스템 등과 같은 프런트엔드 장치 데이터 입구입니다. (2) 이미지 처리 부분: 이미지 수집, 번호판 위치 확인, 문자 분할, 문자 인식의 네 부분으로 구분됩니다. (3) 무선 전송 시스템은 처리된 데이터를 교통 위반 관리 시스템, 주차 시스템, 보안 검사 시스템 등과 같은 백엔드 응용 시스템으로 전송합니다.
2. 알고리즘 부분
①전면 CCD 카메라:
원본 이미지 획득
CCD 카메라와 보조 조명으로 구성됩니다. 장치. 획득한 이미지의 품질은 백엔드 처리 및 인식 효과에 직접적인 영향을 미칩니다. 보다 선명한 이미지를 얻으려면 주로 카메라 및 이미지 카드 선택, 위치 보정을 포함하여 이미지 품질에 영향을 미치는 많은 요소를 고려해야 합니다. 카메라 및 차량의 위치 차량 속도, 장치에 들어오고 나가는 차량 사이의 거리, 날씨, 조명 및 기타 조건이 카메라로 캡처한 이미지의 노출에 미치는 영향.
차량이 관찰 영역에 들어왔는지 확인
이미지 차이 방법을 사용하여 대상이 관찰 영역에 들어왔는지 확인합니다. 즉, 먼저 비디오 이미지를 회색조로 조정한 다음 두 이미지 간의 대응 관계를 비교하십시오. 픽셀의 회색조 값을 확인하여 변화가 있는지, 얼마나 변화했는지 확인하십시오.
영상 차이로 감시 구역을 통과하는 물체가 있는지 여부만 확인할 수 있을 뿐, 교통 차량인지는 아직 알 수 없습니다.
이미지 차이로 인해 발생하는 소음, 보행자, 자전거는 자동차에 비해 훨씬 작은 면적을 차지한다는 점을 고려하여, 스케일 필터는 작은 물체와 소음을 필터링하도록 설계되었습니다.
②번호판 위치 확인 및 전처리
왼쪽 그림은 번호판 위치 확인을 위한 주요 알고리즘을 보여줍니다. 기본 번호판 위치 지정을 완료한 후 번호판에 대한 몇 가지 기본 전처리가 필요합니다. 리벳 및 프레임 제거와 함께 기울기 수정
이 포함됩니다.
I. 번호판 문자의 기울기 수정
번호판 문자 분할의 어려움은 일부 번호판 문자가 기울어져 있어 직접 분할이 효과적이지 않아 수정이 필요하다는 것입니다. 먼저, 번호판의 기울기를 찾고, 이 기울기를 기준으로 번호판의 회전 보정을 수행합니다.
II. 번호판 프레임 및 리벳 제거
사전 지식: 표준 번호판의 경우 문자 사이의 간격은 12mm이고 두 번째와 세 번째 문자 사이의 간격은 34mm입니다. 그 중 가운데 작은 점의 폭은 10mm이고, 작은 점과 두 번째 문자와 세 번째 문자 사이의 간격은 각각 12mm입니다. 일반적으로 번호판 테두리 안쪽에는 4개의 리벳이 있으며, 리벳을 제거하지 않으면 2번째와 6번째 문자를 식별하기가 어렵습니다.
번호판 이미지를 이진화한 결과 이미지에는 흑백 값만 있습니다. 흰색 픽셀(회색조 값 255)은 1을 취하고 검정색 픽셀(회색조 값 0)은 0을 취합니다. 여기서는 흰색 배경 모드의 검정색 텍스트가 사용됩니다. 번호판 이미지를 안쪽에서 바깥쪽으로 한 줄씩 스캔합니다. 번호판 이미지의 특정 라인을 스캔할 때 흰색 픽셀의 너비가 특정 임계값(조건을 충족하는 첫 번째 라인)보다 큰 경우 , 번호판 문자의 가장자리에 있는 것으로 간주됩니다. 이 행 위 또는 아래의 모든 행을 삭제합니다.
3번호판 문자 분할
오른쪽 그림은 자동차번호판 문자 분할의 주요 알고리즘을 보여줍니다
문자 분할
.
여기에서는
우리의 지식이 제한되어
이러한 알고리즘을 자세히 소개하지 않겠습니다
.
4문자 인식 방법
문자 인식은 자동차 번호판 인식의 핵심 부분입니다
.
일반적인 자동차 번호판 문자 인식
알고리즘에는 6가지 유형이 포함됩니다.
오른쪽 사진에
목록이 나와 있습니다.
그 중에서도 신경망 기반의 문자 인식 알고리즘에 더 관심이 쏠리고 있습니다. 아래에서는 상대적으로 간단하고 일반적인 두 가지 알고리즘과 신경망 기반의 문자 인식 알고리즘을 자세히 소개합니다.
I. 템플릿 매칭 자동차번호판 문자 인식
중국어 자동차번호판의 문자 템플릿은 한자, 영문자, 숫자 템플릿으로 나누어 통계적 방법으로 구성되어 저장됩니다. 데이터베이스. 템플릿 매칭은 문자 템플릿을 표준화된 번호판 문자와 일치시켜 문자를 식별하는 것입니다.
II. 특징 매칭 번호판 문자 인식
번호판 인식 방법에는 사용할 수 있는 문자 특징이 많이 있는데, 크게 구조적 특징, 픽셀 특징으로 나눌 수 있다. 배포 기능 및 기타 기능.
여기서 인공신경망 기술은 비선형 기술, 대규모 병렬 분산 처리 능력, 높은 견고성, 자가 학습 및 연관되어 있으며, 선형 시변 대형 시스템의 시뮬레이션 및 온라인 제어에 적합합니다. 구체적인 단계는 아래 그림과 같습니다.
또한 유전 알고리즘과 인공 신경망을 결합하는 등 장점을 극대화하고 단점을 피하기 위해 다양한 알고리즘을 결합하려고 노력할 것입니다. 병렬 계산을 수행하는 유전자 알고리즘 더욱이 빠르고 전역적인 검색의 장점은 검색 속도가 느리고 국지적 가뭄과 폭염에 쉽게 빠지는 신경망의 본질적인 단점을 극복할 수 있습니다.
저희는 아직 대학교 2학년 때 전문 기초과목을 공부하고 있고 최신 영상처리 알고리즘에 대해서는 잘 알지 못하기 때문에 실제 실습에서 최적의 솔루션을 선택하여 자사의 시스템 특성과 결합해 나가겠습니다. 운영 개선을 위한 제안을 제공합니다.
2부: 자동차 색상 및 자동차 로고 인식
1, 차체 색상 인식
색상의 특징은 크기, 방향, 보는 각도 등에 따라 다릅니다. 이미지 자체의 크기가 작고 견고성이 높다는 장점을 갖고 있어 콘텐츠 기반 이미지 인덱싱 기술과 지능형 교통 시스템은 물론 다양한 산업(제지, 섬유, 인쇄 등) 분야에서 매우 중요한 응용 분야를 갖고 있습니다. 시스템. 오랫동안 다양한 이유로 사람들은 많은 수의 색 공간 모델을 제안해 왔으며 이는 주로 세 가지 범주로 나눌 수 있습니다. 첫 번째 범주는 인간 시각 시스템(Human Vision System, H VS)을 기반으로 한 색 공간입니다. )에는 RGB, H SI, M 미판매 색 공간 등이 포함됩니다. 두 번째 범주는 TV 시스템에 채택된 YUV 및 YIQ, Kodak과 같은 사진 산업의 YCC 및 CMY를 포함하는 특정 응용 프로그램을 기반으로 하는 색 공간입니다. (K) 인쇄 시스템의 색 공간, 세 번째 범주 클래스는 CIE 색 공간(CIE XYZ, CIE Lab 및 CIE Luv 등 포함)입니다. 이러한 색 공간은 각각 장단점이 있으며 해당 분야에서 중요한 역할을 합니다.
RGB 색공간을 활용해 시스템을 완성할 계획이다. RGB 색공간은 일반적인 CRT 모니터 등 컴퓨터 관련 분야에서 널리 사용됩니다. RGB 색공간에서 각 색상값은 R, G, B 채널 값의 조합으로 표현되며, 해당 채널 값은 그래픽 획득 카드나 CCD 센서 또는 기타 유사한 장치의 광수용체를 통해 얻어집니다. 그 중 각 채널의 값은 입사광과 해당 광수용체의 감광성 함수 값의 합으로 표시됩니다.
R=
G=
B=
여기서 S(A)는 스펙트럼이고 R(A), G(A) 및 B(A)는 각각 R, G 및 B 센서의 감도 함수입니다. 위의 방정식에서 볼 수 있듯이 이 색 공간은 장치에 따라 다르며 특정 캡처 장치의 감광성 기능과 관련이 있습니다. 그러나 RGB 값은 구하기 쉽고 컴퓨터에서 계산하고 표현할 수 있기 때문에 일반적으로 다른 색공간을 표현하는 데, 즉 RGB 값을 다른 색공간 값으로 변환하는 데 사용할 수 있습니다. RGB 색공간의 표준 색차는 다음과 같이 정의됩니다.
)
색에 따라 사람의 주관적인 느낌에 미치는 영향이 다르기 때문에, 색차를 더 잘 표현하기 위해 이 색상으로 사용합니다. 인식 하위 시스템 경험적 색상 차이 공식을 사용합니다.
우리가 설계할 차체 색상 인식 시스템은 주로 다음 4단계로 나누어 차체 색상 인식을 완료합니다.
1. 인식 영역 선택
차체 색상을 정확하게 인식하기 위해서는 인식 영역 선택이 매우 중요합니다. 이 실험에서는 배기 팬에 가까운 자동차 표면의 앞부분을 선택했습니다
2. 색상 히스토그램 계산
선택한 영역에 대해 가장 자주 나타나는 색상을 계산합니다. 실제 응용에서는 다른 색공간 모델의 성분값을 RGB 값으로 표현할 수 있으므로, 계산의 단순화를 위해 RGB 색공간 모델에 대해서만 색상 히스토그램을 계산할 수 있다.
3. 색차 계산
해당 색공간 모델의 색차 계산 공식에 따라 해당 색공간 모델과 색상 템플릿 간의 색차를 계산합니다.
4. 색상 식별
각 색공간 모델에서 샘플 색상과 표준 색상 간의 해당 색상 차이를 얻은 후 그 결과에 따라 색상 식별을 수행할 수 있습니다. 즉, 이전 단계에서 계산된 색상 차이 중 최소값을 인식 결과로 선택한다.
②. 차량 로고 인식 부분
번호판과 차량 로고의 자동 및 실시간 인식은 스포츠카의 정확한 식별 시스템에 있어 두 가지 중요한 부분임에는 의심의 여지가 없습니다. 유형. 현재 많은 번호판 위치 확인 알고리즘이 제안되어 있는데, 이는 주로 흑백 이미지를 기반으로 한 번호판 위치 확인 알고리즘과 컬러 이미지를 기반으로 한 번호판 위치 확인 알고리즘의 두 가지 범주로 나눌 수 있습니다. 흑백 이미지를 기반으로 한 번호판 위치 알고리즘은 특징 기반 번호판 위치 알고리즘, 적응형 에너지 필터링을 기반으로 한 번호판 위치 알고리즘, 웨이블릿 변환 및 형태학적 조합을 기반으로 한 번호판 위치 알고리즘 등 여러 범주로 나눌 수 있습니다. 처리, 바이너리 프로젝션 기반의 번호판 위치 확인 알고리즘, 유전자 알고리즘 기반의 번호판 위치 확인 알고리즘 등
이러한 번호판 포지셔닝 알고리즘은 각각 장단점이 있지만 어느 정도 차량 로고 포지셔닝의 참고 자료로 사용할 수 있습니다.
차량 로고 위치 지정 및 식별은 국내외 모두 비교적 새로운 분야입니다.
자동차 로고 자체의 특성으로 인해 작은 목표, 큰 유사성, 크기와 조명에 의한 큰 영향력, 균일하지 않은 배경, 자동차 회사마다 자동차 로고의 모양과 크기가 일관되지 않는 등 정확한 위치를 지정하고 어려운 점을 인식합니다.
차량 로고 인식은 다음과 같은 주요 단계로 나뉩니다.
(l) 번호판 위치 지정: 번호판의 텍스처 특성에 따라 번호판 영역을 빠르게 획득합니다. 다중해상도 분석
(2) 자동차 전방 위치 확인: 전방 영역의 높고 집중된 에너지의 특성에 따라 OTSU 이진화 알고리즘을 통해 이미지를 이진화한 후 이진 투영을 사용합니다. , 번호판 위치 정보와 결합하여 차량 전면 위치를 신속하게 결정합니다.
(3) 중심 축 위치 지정: 차량 전면 영역에 따라 전면 중심 축을 배치합니다.
(4) 자동차 로고 대략적인 위치 지정: 자동차의 전면 위치를 찾은 후 기본적으로 자동차 로고와 번호판에 대한 사전 지식을 바탕으로 자동차 로고의 실증적 검색 사각형은
(5) 차량 로고의 정확한 위치 지정: (4)단계를 기반으로 차량 로고의 텍스처 기능을 사용하여 차량 로고의 정확한 위치 지정을 수행합니다. 이는 주로 두 가지 단계를 포함합니다. 첫째, 차량 로고 영역의 수직 방향에 에너지가 높고 상대적으로 집중된 특성에 따라 에너지 강화 및 적응형 형태학적 필터링을 사용하여 차량 로고의 기본 위치 지정을 수행합니다. 둘째, 개선된 방식을 사용합니다. 차량 로고 위치 지정을 수행하는 템플릿 일치 알고리즘입니다. 정확한 위치 지정입니다. 차량 로고 인식 시스템은 스포츠카 인식 시스템의 중요한 부분으로, 번호판 인식과 마찬가지로 위치 확인과 인식이라는 두 가지 핵심 기술도 포함됩니다.
위 그림은 차량 로고 인식 시스템의 개략적인 구조도로서, 일반적인 타겟 인식 시스템과 마찬가지로 오프라인 훈련 과정과 온라인 인식 과정을 포함하고 있다. 학습 과정에서 수동으로 수집된 차량 로고 샘플은 먼저 이미지 정규화, 스케일 정규화 등의 전처리를 거친 후 템플릿을 별도로 추출하여 차량 로고 표준 템플릿 라이브러리를 얻습니다. 차량 로고 표준 템플릿 라이브러리의 템플릿은 차량 로고 위치 지정뿐만 아니라 차량 로고 인식을 위한 차량 로고 특징 모델 라이브러리를 얻기 위한 특징 추출에도 사용됩니다. 측위 과정에서는 차량 이미지 입력 외에 번호판 위치 정보도 입력해야 합니다. 이는 다양한 유형의 차량 로고가 안정적인 질감 특징을 갖지 못하고 크기와 모양이 다양하기 때문입니다. 따라서 복잡한 배경에서 차량 로고를 찾기 위해 특징 매칭이나 템플릿 매칭을 직접 사용하는 것은 매우 어렵습니다. 따라서 대략적인 측위를 위해서는 번호판 위치, 차량 대칭 등의 사전 정보를 활용해야 하며, 이를 바탕으로 관련 영상 처리 기술과 템플릿 매칭을 활용해 정밀한 측위가 가능하다. 차량 로고 위치가 결정된 후 차량 로고 인식 문제는 템플릿 매칭을 통해 2차원 형상 인식 문제로 변환됩니다. 그러나 실제 수집된 이미지에는 조명, 노이즈, 부분 폐색, 유사 형태 등의 문제가 자주 발생하여 기존의 템플릿 매칭 방법으로는 만족스러운 인식 결과를 얻기가 어렵습니다. 따라서 시스템의 인식률을 향상시키기 위해 차량 로고 인식을 보조하기 위해서는 일반적으로 적합한 특징 추출 및 인식 방법이 필요합니다.
제3부: 임베디드
역사, 본질, 보편성의 요구에 따라 임베디드 시스템은 "객체 시스템에 내장된 특수 컴퓨터 시스템"으로 정의되어야 합니다. "임베디드성", "특이성" 및 "컴퓨터 시스템"은 임베디드 시스템의 세 가지 기본 요소입니다. 객체 시스템은 임베디드 시스템이 내장된 호스트 시스템을 의미합니다.
임베디드 시스템의 핵심은 임베디드 마이크로프로세서로, 네 가지 장점이 있습니다.
(1) 실시간 및 멀티태스킹을 강력하게 지원하며 멀티태스킹을 완료할 수 있습니다. 그리고 인터럽트 응답 시간이 짧아 내부 코드 및 실시간 운영체제의 실행 시간을 최소한으로 줄여준다.
(2) 강력한 저장 영역 보호 기능을 갖고 있다.
(3) 확장 가능한 프로세서 구조는 애플리케이션에 맞는 고성능 임베디드 마이크로프로세서를 빠르게 확장할 수 있습니다.
(4) 임베디드 마이크로프로세서의 전력 소비는 특히 배터리 구동의 경우 매우 낮습니다. 휴대용 무선 및 모바일 컴퓨팅 및 통신 장비에 사용되는 임베디드 시스템은 전력 소비가 mW 또는 심지어 μW 수준일 수 있습니다. 이는 의심할 여지 없이 에너지가 점점 부족해지고 비용이 많이 드는 시대에 해당됩니다.
또한 실시간 운영체제가 내장되어 시스템의 신뢰성을 향상시켰습니다. 이것들은 모두 내장형 번호판 인식 시스템을 구축할 가치가 있습니다.
일반적인 번호판 및 차량 로고 인식 알고리즘은 많은 양의 계산이 필요하고 실시간 요구 사항을 충족해야 한다는 점을 고려하면.
따라서 우리는 32비트 ARM 임베디드 마이크로프로세서를 코어 유닛으로, CPLD를 타이밍 제어 유닛으로, ARM 9 S3C 241 C 기반의 임베디드 이미지 수집 및 처리 시스템을 사용할 계획이다. 임베디드 리눅스 운영체제를 기반으로 ARM 장치의 작은 크기, 강력한 기능 및 낮은 전력 소비를 활용하여 병렬 데이터 버스/USB 인터페이스 이미지 액세스, 신속한 이미지 처리, 이미지 정보의 로컬 압축 저장 및 IP 디지털 데이터 전송을 실현합니다. 이 시스템은 회로를 단순화하고 전체 시스템의 점유 자원을 줄일 수 있습니다.
시스템 설계 및 구성
전체 시스템은 USB 이미지 획득 하위 시스템, ARM 처리 하위 시스템 및 네트워크 데이터 전송 하위 시스템으로 구성됩니다. 카메라는 현장 비디오 데이터를 수집하여 전송합니다. USB를 통해 ARM 처리 보드에 전송됩니다. ARM 처리 보드에는 Linux 운영 체제가 내장되어 있으며 빠른 이미지 알고리즘을 사용하여 이미지 시퀀스를 처리하고 처리 결과에 따라 해당 조치를 취하여 데이터를 처리할 수 있습니다. 추가 후속 처리를 위해 이를 모니터링 센터에 업로드합니다. 시스템 구조는 아래 그림과 같습니다.
ARM 이미지 처리 하위 시스템은 이미지 처리 속도 요구 사항을 충족할 수 있는 S3C 2410 프로세서를 사용할 계획입니다. USB 이미지 액세스는 64M SD RAM 및 64M 플래시 확장을 보장합니다. RAM 이미지 분석 및 처리를 용이하게 하기 위해 여러 이미지를 저장할 수 있으며, 무선 네트워크 인터페이스는 데이터 정보의 네트워크 관리를 실현합니다.
물론 위의 내용은 단지 예비 아이디어일 뿐이며 이러한 아이디어는 향후 실험에서 시연되고 최적화될 것입니다!
부록 3: 계획 진행 및 배열
계획 진행 및 배열:
1. 실험에 필요한 기본 물품을 구입하는 데 약 15일이 소요됩니다.
2. 여가 시간을 활용하여 필요한 지식을 배우십시오.
3. 프로그래밍을 완료하고 소프트웨어 문제를 해결하는 데 약 7개월이 걸립니다.
4. 하드웨어적인 측면을 완성하고 프로토타입을 만드는 데 약 1년이 소요됩니다.
5. 1차 점검에는 약 한 달 정도 소요됩니다.
6. 6개월 동안 프로토타입을 디버그하고 결함을 찾아 수정합니다. 만족스러운 수준에 도달할 때까지 실험하고 반복하세요.
결산하면 약 2년 안에 이 프로젝트를 수주할 계획이다. 물론 상기 내용은 일반적인 계획일 뿐이며 향후 실제 실험 진행 상황에 따라 적절하게 조정될 예정이다.