×

基于TMS320DM642实现VLPR系统。 (英语) Zbl 1135.68620号

摘要:本文给出了一种使用DSP板构建可嵌入任何智能交通系统(ITS)中的车辆牌照识别(VLPR)模块的实用方案。与PC软件环境相比,使用DSP可以避免专用VLPR系统的大量投资,并提高计算能力。DSP的低成本、高计算能力和高灵活性为车牌识别系统(LPRS)提供了一个非常经济高效的解决方案,以执行识别任务的主要部分。本文介绍了一种基于德州仪器TMS320DM642的VLPR系统的成功实现。DSP板从摄像机获取视频(可以输出到监视器进行监视),从视频中捕获图像,定位并识别图像中的车牌,然后通过网络将识别结果和相关图像压缩后发送到主机PC。最后,根据DM642芯片的特点,对整个软件进行了优化。实验表明,DSP VLPR系统在局部车牌上表现良好,处理速度和精度能够满足实际应用的要求。

MSC公司:

68单位10 图像处理的计算方法
90B20型 运筹学中的交通问题
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Adorni,G.,Bergenti,F.,Cagnoni,S.,1998年。基于元胞自动机的车牌识别。程序。IEEE国际会议智能车辆,第689-693页。
[2] Anagnostopoulos,C.N.E.,Anagnostopoulos,I.E.,Loumos,V.,Kayafas,E.,2006年。智能交通系统应用的车牌识别算法。IEEE传输。关于智能。运输。系统。,7(3):377-392. [doi:10.1109/TITS.2006.880641]·doi:10.1109/TITS.2006.880641
[3] Bai,H.L.,Liu,C.P.,2004年。一种基于边缘统计和形态学的混合车牌提取方法。程序。ICPR,第831-834页。[doi:10.1109/ICPR.2004.1334387]
[4] Barroso,J.,Bulas,C.,Dagless,E.L.,1997年。实时车牌读数。第四届IFAC实时控制算法和体系结构研讨会。葡萄牙。
[5] Brugge,M.H.T.,Stevens,J.H.,Nijhuis,J.A.G.,Spaanenburg,L.,1998年。使用DTCNN识别车牌。程序。第五届IEEE细胞神经网络及其应用国际研讨会,第212-217页。[doi:10.1109/CNNA.1998.685366]
[6] Chang,S.L.、Chen,L.S.、Chung,Y.C.、Chen、S.W.,2004年。自动车牌识别。IEEE传输。关于智能。运输。系统。,5(1):42-53. [doi:10.1109/TITS.2004.825086]·doi:10.1109/TITS.2004.825086
[7] Chil,X.J.,Dong,J.Y.,Liu,A.H.,Zhou,H.Y.,2006年。一种基于支持向量机的中文车牌识别的简单方法。通信、电路和系统处理国际会议,3:2141-2145。[doi:10.1109/ICCAAS.2006.284922]
[8] Cho,B.H.,Jung,S.H.,1998年。基于神经网络的非特征车牌识别系统。ITC-CSCC国际会议,2:1065-1068。
[9] 乔杜里,A.R.,瓦尔,B.,艾哈迈德,R.,2003年。实时车牌识别系统。程序。IEEE高级视频和信号监控会议,第163-166页。[doi:10.1109/AVSS.2003.1217917]
[10] 崔玉涛,黄琼,1997。从视频中提取车牌字符。程序。IEEE Conf.计算机视觉和模式识别,第502-507页。[doi:10.1109/CVPR.1997.609372]
[11] Jeffrey,P.M.,Chris,K.,2002年。ASP的C#开发人员指南。NET、XML和ADO。净利润。艾迪森·卫斯理。
[12] Kim,S.K.、Kim,D.W.和Kim,H.J.,1996年。基于遗传算法的车牌分割识别。程序。国际Conf.图像处理,2:661-664。[doi:10.1109/ICIP.1996.560964]
[13] Kim,K.K.,Kim,KI.,KimJ.B.,KimH.J.,2000年。基于学习的车牌识别方法。程序。IEEE信号处理学会研讨会,2:614-623。[doi:10.1109/NNSP.2000.890140]
[14] Lambers,H.,2001年。SAA7115_数据表。飞利浦半导体。
[15] Li,F.H.,Wang,F.,He,P.K.,2003年。TMS320C6000系列DSP的原理与应用。北京电子工业出版社。
[16] Mullanix,T.、Magdic,D.、Wan,V.、Lee,B.、Cruickshank,B.、Campbell,A.、DeGraw,Y.,2003年。eXpress DSP软件参考框架:RF5,一个广泛的高密度系统。德克萨斯仪器公司。
[17] Naito,T.、Tsukada,T.,Yamada,K.、Kozuka,K.和Yamamoto,S.,2000年。外部环境下超车车辆的鲁棒车牌识别方法。IEEE传输。关于车辆技术。,49(6):2309-2319. [doi:10.1109/25.901900]·doi:10.1109/25.901900
[18] Nijhuis,J.A.G.,Brugge,M.H.T.,Helmholt,K.A.,Pluim,J.P.W.,Spaanenburg,L.,Venema,R.S.,Westenberg,M.A.,1995年。基于神经网络和模糊逻辑的汽车牌照识别。程序。IEEE神经网络国际会议,5:2232-236。[doi:10.1109/ICNN.1995.487708]·doi:10.1109/ICNN.1995.487708
[19] Nukano,T.、Fukumi,M.、Khalid,M.,2004年。基于神经网络的车牌字符识别。程序。国际交响乐团。关于智能信号处理和通信系统,第771-775页。[doi:10.1109/ISPACS.2004.1439164]
[20] Pan,X.,Ye,X.Z.,Zhang,S.Y.,2003年。基于小波的车牌汉字特征提取。J.图像图表。,8(10):1218-1222(中文)。
[21] Parisi,R.,Claudio,E.D.D.,Lucarelli,G.,Orlandi,G..,1998年。基于神经网络和图像处理的车牌识别。程序。IEEE国际标准。《电路与系统》,3:192-198。[doi:10.1109/ISAS.1998.703970]
[22] Ren,L.X.,Ma,S.F.,Li,F.H.,2000年。TMS320C6000系列DSP的原理与应用。电子工业出版社,北京,第239-245页。
[23] Shao,D.,Han,J.W.,2004年。YUV和RGB之间的相互转换。长春大学学报,(04):53-55。
[24] 沈海良,李振南,2000。基于矩和小波变换的数字和字母字符识别研究。J.图像图。,5(A)(03):249-252(中文)。
[25] TI,2001年。TMS320C6000 TCP/IP网络开发人员工具包(NDK)程序员参考指南。SPPU524A。
[26] TI,2002a。TMS320C6000优化C编译器教程。德克萨斯仪器公司。
[27] TI,2002年b。TMS320 DSP/BIOS用户指南。文献编号:SPRU423B。
[28] TI,2003年a。TMS320DM642视频端口微型驱动程序。文献编号:SPRA918A,第1-34页。
[29] TI,2003年b。TMS320C6000 DSP以太网媒体访问控制器(EMAC)/管理数据输入/输出(MDIO)模块参考指南。
[30] TI,2005年。TMS320DM642视频/图像定点数字信号处理器。SPRS200J公司。
[31] Wen,J.W.,Zhao,J.L.,Luo,S.W.,Han,Z.,2000年。BP神经网络学习算法的改进。第五届信号处理国际会议,3:1647-1649。[doi:10.1109/ICOSP.2000.893417]·doi:10.1109/ICOSP.2000.893417
[32] Wu,Q.,Zhang,H.F.,Jia,W.J.,He,X.J.、Yang,J.、Hintz,T.,2006年。基于混合目标特征的级联树型学习器车牌检测。程序。IEEE视频和信号监控国际会议,第15页。[doi:10.1109/AVSS.2006.30]
[33] Yang,F.,Ma,Z.,Xie,M.,2006年a。一种新的车牌二值化方法。第一届IEEE工业电子与应用大会,第1-4页。[doi:10.1109/ICIEA.2006.257232]
[34] Yang,F.,Ma,Z.,Xie,M.,2006b。一种新的车牌字符分割方法。第一届IEEE工业电子与应用大会,第1-6页。[doi:10.1109/ICIEA.2006.257234]
[35] Zhang,J.,Fan,X.P.,Huang,C.L.,2006年。智能车牌识别系统中字符分割和字符识别的研究。程序。第25届中国控制会议,第1753-1755页。[doi:10.1109/CHICC.2006.280847]
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。