基于Blackfin561的嵌入式車牌識別系統(tǒng)

1.3.5 字符識別
字符識別采用的是離散型Hopfield神經(jīng)網(wǎng)絡(luò)。其是一種循環(huán)神經(jīng)網(wǎng)絡(luò),網(wǎng)絡(luò)的輸出會反饋到輸入端,產(chǎn)生不斷變化的狀態(tài)。如果網(wǎng)絡(luò)是一個能收斂的穩(wěn)定網(wǎng)絡(luò),則這一反饋與迭代的計算過程所產(chǎn)生的變化會越來越小。一旦達到了穩(wěn)定平衡狀態(tài),網(wǎng)絡(luò)便會輸出一個穩(wěn)定的恒值,關(guān)鍵在于確定其在穩(wěn)定條件下的權(quán)系數(shù)。
首先對車牌的標(biāo)準(zhǔn)字符進行離散化,變成16×32的二值圖像,即有512個神經(jīng)元。這樣網(wǎng)絡(luò)可記憶的樣本數(shù)最多為512×0.15=76.8個。根據(jù)車牌的特點,要建立兩個網(wǎng)絡(luò):一個是車牌漢字的網(wǎng)絡(luò),包括36個漢字;一個是數(shù)字與字母的網(wǎng)絡(luò),包括36個元素。
可看到兩個網(wǎng)絡(luò)均不會產(chǎn)生偽樣本。通過Matlab對標(biāo)準(zhǔn)字符數(shù)據(jù)進行仿真,得到網(wǎng)絡(luò)穩(wěn)定的權(quán)系數(shù),然后將參數(shù)提取出來供DSP計算使用。

在DSP中將分割后的字符圖像進行歸一化處理,使字符圖像與標(biāo)準(zhǔn)圖像大小一致,然后輸入到網(wǎng)絡(luò)中根據(jù)公式(1)進行計算。其中,Wij和θi是通過Matlab仿真得到的權(quán)系數(shù),x為圖像數(shù)據(jù)。通過循環(huán)迭代計算,由式(2),當(dāng)網(wǎng)絡(luò)的能量函數(shù)達到穩(wěn)定時,就得到了識別出的字符,將識別出的字符與標(biāo)準(zhǔn)字符相減,且差值累加,其差值累加最小的字符便是識別出的結(jié)果。由于Hopfield網(wǎng)絡(luò)有聯(lián)想記憶的功能,故抗干擾性較強、對有噪聲、筆畫斷開、筆畫粘連等現(xiàn)象均有良好的識別效果,如圖8所示。

1.3.6 與上位機通訊
識別結(jié)束后,將識別結(jié)果以ASCII的形式通過DM9000發(fā)送到PC機進行后續(xù)處理。
2 結(jié)束語
車牌識別系統(tǒng)的關(guān)鍵技術(shù)是車牌定位、字符分割與字符識別。本文結(jié)合硬件平臺對3個重要部分進行了程序?qū)崿F(xiàn)。通過實驗證明以Blanc fin561雙核DSP為核心的嵌入式系統(tǒng)配合Hopfield神經(jīng)網(wǎng)絡(luò)能較好地完成車牌識別工作,并可使速度與識別率得到全面提高。基于嵌入式的整體結(jié)構(gòu)也使得系統(tǒng)的擴充工作變得簡單,有較高的實際應(yīng)用價值。
評論