汽車車牌是如何識(shí)別的？ARM Linux下車牌提取過程......

“智慧城市、智慧停車、智慧小區(qū)”的出現(xiàn)，隨之而來的是一波波的設(shè)備更新?lián)Q代，關(guān)于車輛管理這方面，包括安防、交通等行業(yè)，都紛紛用上了車牌識(shí)別技術(shù)。

作為嵌入式er，不僅要看到行業(yè)的發(fā)展趨勢，也要分析分析背后的一些關(guān)鍵技術(shù)。下面是一位嵌入式er開發(fā)車牌識(shí)別的一些經(jīng)驗(yàn)整理，希望對(duì)大家能有所幫助。

最近在弄車牌識(shí)別這個(gè)項(xiàng)目，對(duì)于機(jī)器視覺有些了解的人都知道，這個(gè)東西算是比較成熟了，在書里也有代碼。 網(wǎng)上能找到的資料也比較多，所及借著這個(gè)機(jī)會(huì)在ARM開發(fā)板上實(shí)現(xiàn)以下車牌識(shí)別。

反正對(duì)于神經(jīng)網(wǎng)絡(luò)這些什么的我是不知道了，所以代碼也是網(wǎng)上借鑒了的，我稍微整理注釋了下。

首先你需要了解移植opencv到嵌入式ARM的具體的步驟，這個(gè)網(wǎng)上比較多，大家搜一下就可以了。

第一步做的就是車牌提?。?/p>

代碼如下：

我們看下效果：

原圖car.jpg，我隨便拍的一張圖：

看下hsv的效果圖car_hsv.jpg：

接著直方圖均衡化后的圖car_hsv1.jpg：

提取藍(lán)車區(qū)域后，分離出來，提取分量 car_hsvSplit.jpg：

可以看出，找到了車牌部分。我拍的這圖質(zhì)量還好，當(dāng)車輛與車牌都是藍(lán)色時(shí)就不好弄出這個(gè)了

接著看下形態(tài)學(xué)處理 car_morphology.jpg：

白色區(qū)域都被聯(lián)通了。

然后看下旋轉(zhuǎn)的圖像 car_rotated.jpg：

最后，剪切出車牌即可 car_area.jpg：

這樣就提取車了一張車牌。

因?yàn)檫@圖比較理想，事實(shí)上，可能識(shí)別出多個(gè)藍(lán)車區(qū)域多為車牌，也就是多個(gè)候選區(qū)域。這里我們圖像理想，只識(shí)別出一個(gè)候選區(qū)域，所以我直接把候選區(qū)域0，即output_area[0]打印出來就是車牌了，我們應(yīng)該加入SVM訓(xùn)練，作為最后判斷是否是車牌的依據(jù)，當(dāng)然，這個(gè)我們下次再說吧。