论文总字数：32582字

摘 要

立体车库系统是解决城市化发展中停车难问题的有效方法，车牌识别模块可以自动获取来车信息，并通过通信协议与云服务器及底层控制器进行信息交互，是实现立体车库智能化的关键所在。本文基于Hi3519嵌入式平台给出了一套切实可行的车牌识别系统，具有速度快、识别准确率高、环境适应性好等特点。

本文基于Hi3519嵌入式平台移植了LINUX系统，实现嵌入式与PC的网络通信及文件传输，成功获取摄像头视频流并截取帧图像，为车牌识别程序的运行提供了稳定可靠的环境，是嵌入式开发系统中重要的一环。车牌识别算法中重点改进了车牌定位部分，摒弃了传统的纹理检测与颜色检测，采用MSER寻找极大稳定区域的方法提高了对环境的适应性，减少了复杂纹理以及蓝色背景对识别结果的干扰。同时结合SVM模型进行车牌判断，有效提高车牌定位的准确率。字符识别部分选用已成熟的ann神经网络对字符进行分类，在经过大量样本训练后，显示出良好的字符分类效果。本文在对车牌识别算法的嵌入式移植过程中解决了opencv移植、交叉编译不兼容以及嵌入式平台内存资源不足等问题。

经测试验证，车牌识别模块可同步实现车牌信息与云服务器以及底层PLC的信息交互，车牌识别程序可在Hi3519嵌入式平台可靠稳定的运行。单次车牌识别耗时满足预期要求，对环境、光线有较高的适应性。获取安装现场拍摄的车辆图片进行大量训练后，可获得90%以上的识别准确率，具有较高的工程实用性，是立体车库系统智能化中的关键一环。

关键词：嵌入式，车牌识别，LINUX系统移植

Abstract

The Stereo Garage is an effective way to solve the problem of parking difficulty. The License Plate Recognition(LPR) is in the portal position in the garage system, and is the key to the intellectualization of the stereo garage. Based on the Hi3519 embedded platform, s a set of practical license plate recognition system hasbeen given, which has the characteristics of fast speed, high recognition accuracy and good environmental adaptability.

In this paper, the LINUX system is transplanted in Hi3519 embedded platform and realize network communication and file transmission between embedded and PC. The video stream of camera and frame image are captured successfully. It provides a stable and reliable environment for the operation of the license plate recognition program. It is an important part of the embedded development system. The license plate recognition algorithm mainly improves the license plate location, abandons the traditional texture detection and color detection, and uses MSER to find the maximum stability area to improve the adaptability to the environment, and reduce the interference of the complex texture and the blue background to the recognition results. At the same time, the license plate is judged according to the SVM model to ensure the correct location of the license plate. The character recognition part selects the mature Ann neural network to classify the characters. After a large number of samples training, it shows good character classification effect. In the process of embedded license plate recognition, many problems is solved, such as OpenCV transplantation, cross compilation incompatibility and insufficient memory resources of embedded platform An efficient and stable license plate recognition system is designed and implemented.

After testing and verification, the license plate information can be synchronized with the information of the server and the underlying PLC. The license plate recognition program can be reliably and steadily operated on the Hi3519 embedded platform. The single license plate recognition time meets the expected requirements and has a high adaptability to the environment and light. After obtaining a large number of training on the installation of the vehicles photographed at the site, it can obtain a very high identification accuracy rate, has a high practicality, and meets the engineering requirements.

KEY WORDS: Embedded System, License Plate Recognition, LINUX transplantation

目 录

摘 要 I

Abstract II

第一章 绪论 1

1.1 课题背景与意义 1

1.2 车牌识别算法研究现状 1

1.3 本研究的主要任务 2

1.4 本文结构安排 2

第二章 立体车库系统 4

2.1 立体车库系统架构 4

2.2 车牌信息通信协议 4

2.2.1 232串口与485串口 5

2.2.2 软件实现消息转发 5

2.3 车牌信息无线通信 6

2.4 车辆信息与底层交互 7

第三章 嵌入式LINUX系统搭建 8

3.1 嵌入式开发环境 8

3.2 PC创建LINUX环境 9

3.2.1 LINUX服务器 10

3.2.2 交叉编译工具 10

3.2.3 海思SDK工具包 10

3.3 U-Boot移植 11

3.3.1 Bootloader 11

3.3.2 U-Boot介绍 11

3.3.3 U-Boot源码结构 11

3.3.4 编译U-Boot 12

3.3.5 生成U-Boot镜像 12

3.3.6 HiBurn烧写U-Boot 12

3.4 LINUX内核编译 13

3.5 烧写镜像文件到SPI Flash 14

第四章 开发工具及环境 16

4.1 LINUX网络通信 16

4.1.1 wget实现http通信 16

4.1.2 nc/ncat工具 17

4.2 OpenCV移植 19

4.2.1 编译环境配置 19

4.2.2 OpenCV编译 21

4.2.3 移植与测试 21

4.3 本章小结 22

第五章 车牌识别算法 23

5.1 车牌识别算法流程 23

5.2 图像预处理 23

5.2.1 图像色彩处理 23

5.2.2 图像二值化 25

5.2.3 图像滤波处理 25

5.3 车牌定位 26

5.3.1 边缘检测 26

5.3.2 颜色检测 31

5.3.3 MSER检测 33

5.4 车牌判断 33

5.4.1 SVM模型 33

5.4.2 调用SVM车牌判断 33

5.4.3 SVM模型训练 34

5.5 字符识别 36

5.5.1 字符分割 36

5.5.2 ANN字符识别 37

5.6 算法移植及调试 38

5.6.1 算法移植 38

5.6.2 识别准确率测试 39

第六章 总结与展望 41

致 谢 42

参考文献 43

绪论

课题背景与意义

近年来，随着我国经济发展水平的提高，人民的消费能力水平不断提升，私家车的数量逐年增加^[24]。导致停车位在有些地区甚至成为了紧缺资源，而目的地的车位状况也成为了驾车出行所要考虑的重要因素。停车位的紧缺同时导致路边车辆的违规停放，造成了道路拥堵，道路通行状况受到了严重影响，降低出行体验。城市的发展速度以及道路的建设速度远远不及车辆的增加速度，这是导致停车位紧缺的根本原因^[25]。因此，如何利用有限的城市空间提供更多的停车位就成为了当前需要解决的城市问题。立体车库正在这种环境下应运而生的，建立立体车库是解决城市车位紧缺的可行措施之一。相比于普通停车场，它的单位面积容车辆更大，相比于地下车库，他的建设成本较低，建成难度小，并且有不同规模的产品设计，能够适应不同容量的客户需求，不至于浪费空间。因此深入研究立体车库技术，实现安全、可靠、稳定的立体车库系统是一项非常有意义的工作。

车牌识别环节是整个立体车库系统的门户，只有正确的识别目标车辆的车牌信息，才能确保立体车库的运行。利用计算机视觉准确识别车牌信息可以大大减少车辆管理的工作量^[26]。目前，车牌识别系统已经有了各种实现方法，但是各有利弊。如何改进结合各种方法，提高立体车库环境中车牌信息的识别准确率是直接影响系统运行可靠的重要问题。

剩余内容已隐藏，请支付后下载全文，论文总字数：32582字