随着汽车的数量的增加,越来越具有挑战性的跟踪他们,几乎不可能确定这些车辆的所有者在违反任何交通法律 1]。这导致增加交通堵塞,和交通问题。几例绑架、肇事逃逸、抢劫、走私、行车事故不断报道,这是因为这些车辆无法轻易识别特别是高速移动( 2]。这导致了需要开发一个系统,可以解决这些问题。汽车车牌识别系统是英国在1976年发明的警察在英国科学发展分支。原型系统已经全部流到1979年,和初始合同授予的大规模生产和工业使用。最早的系统部署在A1道路和隧道在达特福德。然而,它获得了更多的认可在过去十年中,由于数码相机的发展和计算速度的增加 3]。第一个写VNPR被用来解决犯罪案件发生在2005年11月,在英国布拉德福德。在1990年代早期,重大技术进步导致汽车车牌识别系统的设计从有限,非常昂贵,固定基地应用简单易于安装移动的 4]。汽车车牌识别系统有广泛的应用,而不是局限于交通管制。它可用于停车;时承认车辆进入大门并将信息存储在一个数据库,并当车辆离开它匹配与已经存储。它也用于访问控制授权访问只有授权人员的车辆。尽管汽车车牌识别系统经常在纸上,它并没有完全实现在真实场景中由于某些限制( 5]。我们生活在一个数字时代与新技术每天冲出,结果,只需要最少的人类努力做事和生活通常被简化。由于我们日常生活的数字化从相机拍摄的图像变得非常有用,因为这些图像处理提取重要的信息从他们( 6]。将汽车车牌识别系统集成到智能交通系统可以自动化高速公路收费,流量分析,提高执法。需要将信息和技术集成到人类生活的方方面面,导致车辆的处理需求作为一种宝贵的资源信息沟通。这是因为一个信息系统没有任何形式的数据是不现实的。一直有一种需要识别车辆的车牌在一个真实的环境,在真实的应用程序中使用这些信息。因此,各种技术和车辆识别系统已经发展为各种应用,如交通控制、自动化和安全( 7]。

现代生活的日益富裕导致user-road汽车的数量的增加。这导致了前所未有的水平在民事问题问题是车辆识别和交通控制 8]。由于交通管制增加的挑战,就需要更好地管理交通。快速移动的车辆的识别是智能交通系统(ITS)的一个重要方面。其开发实现信息和通信技术在道路运输领域,其中一些包括车辆管理、交通管理以及与其他系统的交通工具。许多研究人员试图发展自己的系统与不同层次的成功故事。作者在 9)设计了一个系统识别板数字使用Python和OpenCV。设计是使用实时嵌入式系统设计实现自动识别车辆的车牌号码。系统利用了python软件和图像处理算法的OpenCV库捕获图像。它也用于调整图像预处理,执行错误检查,将图像转换成灰度。阈值算法被用来binarize图像为了保留图像的质量,和字符分割是利用图像剪切扫描图像和出现的白色部分图像线条分割成单个字符。然而无法行驶车辆和系统不存在数据库记录信息收集。系统易于使用,因为它利用免费开放源码软件易于使用的应用程序,也利用计算机视觉的静态图像转换成有用的信息的计算机。作者在 10)设计一个系统,自动识别车牌使用覆盆子π。系统提出了一个自动化的实现车牌识别系统使用光学字符识别(OCR)来解释信息的图像车辆车牌使用覆盆子π处理器。捕获的图像处理和验证了覆盆子π处理器进行身份验证。提出系统然后分割车牌,确定每个粒子的片段。得到最终结果,系统提取车牌使用开放门禁的设计。这个结果是手动与输入图像。系统无法探测移动物体和系统中不能提高质量的图像。然而系统能够轻易地识别车牌和处理图像的车牌。作者在 11)实现一个系统来检测超速车辆&通知当局的任何违规行为。该系统利用激光雷达(光探测和测距)技术检查移动车辆的速度。激光雷达是一种遥感方法,利用光在形式的脉冲激光来测量目标的距离用脉冲激光照明的目标和使用传感器来测量反射的脉冲( 12]。系统的主要缺点是它的高成本和花费的时间来实现它。然而系统是一种有效的系统。作者在 13)实现了门禁检测交通违反者促进现代交通系统的可持续发展。该系统利用一个摄像头捕捉车辆的车牌。这张照片然后使用不同的技术精制变薄和卷积等;下一个OCR(光学字符识别)被用来识别车牌上的文字。这张照片然后提取文本的形式;然后字符与预存储数据库包含的细节学院或校园道路使用者和他们的手机号码和车牌号码。当检测到匹配,罪犯在他的电话号码发送警告信息。系统的主要限制是难以实现系统在较大的城市等领域。系统是高度准确的和成本有效的不需要许多组件。作者在 14)设计一个系统来自动检测车辆的车牌号码的板数量的变化。这些变化可能是板的位置,字体大小板,和各种设计和文本用于板数量。系统利用预处理模块提高捕获的图像的质量。去除模糊和噪声也在这个阶段进行。接下来,使用的系统板定位来创建一个边界周围的区域形象。然后提取车牌上的数字之后,他们分割识别车牌上的每个字符。最后,适当的数据发送到数据库信息的所有者。系统涉及到的几个阶段的缺点是繁琐和所需的几个组件使它昂贵。系统的优点是精度高98.75%的记录在车牌检测和提供一个数据库来记录信息收集有用的推荐用途。作者在 15)设计一个系统来识别车牌的快速移动的车辆使用快照precaptured监控摄像机的图像。一个估计算法参数的设计利用了称为小说的内核参数由模糊变清晰的车牌快速移动的车辆。各种算法被用来进行稀疏表示,使用真正的运动角度的角度计算的车辆和运动的长度计算内核使用随机变换在频域。最后,图像使用NBID解模糊算法(nonblind图像去模糊)。降级系统的实现系统的极端困难,缺乏一个数据库来记录信息收集。系统的积极的一面是它能够处理运动模糊车牌由肉眼面目全非。作者在 16)设计了一个系统识别又脏又不清楚车辆车牌号码实时应用程序。系统实施,以满足实时条件,其中一些包括天气条件的变化,可怜的照明,不同的交通情况,高速车辆的影响车辆检测。系统利用多种硬件平台以及实现健壮的算法来检测车辆车牌。数据集被用来从图像捕获十字路口在不同的条件下,在日夜和其他各种条件。系统利用板检测识别车辆车牌,然后划分为单个字符进行字符识别。系统的局限性是它无法检测行驶车辆。系统的好处是高精度的结果98.7%,99.2%,97.6%的记录和它的许多实际的应用程序。作者在 17)实现了一个系统识别车辆车牌使用物联网(物联网)。系统是为了满足不断变化的城市需求的现代交通系统。系统提出了四个主要阶段:获得图像的预处理提高车牌的质量,提取车牌区域字符分割段车牌中的每个字符,字符识别。该系统还提出使用一种新颖的算法来提取车牌区域通过一个独特的边缘检测算法。该系统还创建了一个数据库包含信息的所有者不同车辆使用物联网。然而,系统无法检测行驶车辆,不能用于实际应用。然而系统提供了一个数据库来记录收集信息和使用现代technology-IOT实施。作者在 18)开发了一个系统来识别车辆的进出屏障门停车系统。系统利用实时嵌入式系统组成的Pinoir相机的图像捕捉和覆盆子π为图像处理。系统检测到车辆接近障碍后,它会自动读取车牌号并比较其与现有的列表,如果匹配打开障碍。系统的主要缺点是无法获取车牌号码在远的距离,因为相机的固定位置。系统的+是自动化,使用现有的数据库比较板数量。

提出的系统是建立在一个覆盆子πUSB相机捕捉交通场景。它利用PIR运动传感器检测物体红外辐射能量(车牌)在其视野。PIR传感器发出一个输入信号的覆盆子π进而触发USB摄像头捕捉图像。覆盆子π提取车牌图像的一部分。然后流程提取的部分通过一系列的图像处理技术提取车牌的号码并将其显示在LCD显示。然后匹配结果数据记录在数据库设置覆盆子π。下面列出的系统要求是: (我)

微处理器:覆盆子π模型B, 5 v直流输入电压

设计系统的流程图如下流程图所示:

系统的设计包括硬件组件设计和软件组件的设计。

两部分之间的交互如下框图所示:

3阶段的系统实现,包括设置的覆盆子π,实现软件部分,最后组装系统的硬件组件。而设置的覆盆子π,这是最重要的一部分工作,提供了一个SD卡的覆盆子π,因为它没有自己的记忆。这SD卡的覆盆子π的操作系统。是raspbian-jessie使用的操作系统。img OS Debian的变种。Win32DiskImager用于操作系统复制到SD卡。raspbian OS的大小是4 GB;因此一个16 GB的SD卡被用来为其他功能提供足够的空间。一旦完成,SD卡插入的微型USB插槽覆盆子π。成功设置SD卡后,一些命令是正确设置覆盆子π为使用。 This instruction includes the following:

sudo apt -得到 更新(用于从存储库下载包列表)。

对于软件实现,一些包和库在编写代码之前安装正确接口的组件(比如传感器。覆盆子π的代码开发使用python编程语言。图书馆是安装使用一行命令sudo apt-get安装python终端上。他们包括以下:

sudo apt-get安装 < python-pip >液晶显示屏(图书馆)

在编程的覆盆子π,所有安装的库使用import命令第一次进口。然后大头针连接到液晶屏使用CharLCD被指定。电位计是用来校准红外传感器的距离范围,以便在一定范围内,它发送一个输入信号的Raspberrryπ触发摄像机捕获图像。一旦捕获图像,将其存储在一个文件夹在桌面创建的π。这就是图像处理发生;这是通过一系列的操作。首先,图像的源路径使用img_path命令指定。下一个图像从其二进制形式转换到灰度使用COLOR_BGR2GRAY命令。这样做是为了简化图像进行简单分析。后来一个噪声去除算法使用scr_path +”remove_noise介绍。png命令。 This was done to smoothen the entire image. The cv2.THRESH_BINARY,31,2 was used to further simplify the image to a basic form which is either black or white. After thresholding, noise removal was carried out to further smoothen image, after which a series of image processing techniques were carried out to finally extract the actual numbers on the image and display on an LCD screen. Then the number is compared with others on a database. Hardware components were interfaced with the Raspberry Pi. For the hardware implementation, an IR proximity sensor was used to detect the plate number. The IR sensor has 3 pins: one is connected to a 5 v Vcc of the Raspberry Pi, the other one is connected to ground, and the last one which sends the input signal to a GPIO pin on the Raspberry Pi.

最后,开发一个web页面访问的文本提取通过网络摄像机所拍摄的照片。Web编程是使用超文本标记语言(HTML)的python IDE。一个IP地址0.0.0.0/5000网络上使用的web页面。任何人都可以访问的web页面在同一网络的覆盆子π。下图显示了一个示例的文本设计web页面。

成功组合后的硬件部件和软件组件的配置,系统的功能测试上建立模型。红外传感器是用来检测运动车辆。一旦发现,相机被触发获取车牌的形象。道路上模拟原型系统进行了测试,校准是检测40厘米/小时的速度限制。汽车都是通过这条路有不同的速度。的车通过时,系统能够检测到3辆车移动速度超过规定的极限。来检测这些快速发展的汽车,3 PIR运动传感器相连的道路以发送信号的覆盆子π触发USB相机。PIR传感器被放置40厘米,即。每个传感器之间,20厘米。传感器等程序,当一个跑车方法第一个传感器,PIR不能触发相机10秒(这也是缩放值10马克限速),还有第二个PIR,第三PIR将自动触发USB相机拍照的汽车,因为它被认为是超速开车而被罚款。图像的汽车,第一和第二PIR传感器触发相机被丢弃,因为它假定这些车没有超速开车而被罚款。 Only images triggered by the third PIR were processed. The camera was placed in such a way that the rear of the car will be captured so that its plate number can be captured and verified with an existing database. After this was complete, the captured image was made to undergo image processing and optical character recognition. This is made possible by the OpenCV codes written with Python. Once the text was extracted, it was displayed on a web page. The results obtained are as shown below.

从上面的截图可以看到,该模块能够捕获不同的板数量的汽车被认为是交叉设置的速度阈值,和它能够标记每一个用一个独特的号码,即,9.0,8.0,12.0。这是区分每辆车的方式从其他所以它可以很容易地追踪数据库上。保存序列也可以观察到从截图所示。

如图 6文本收到了相机的阈值形式,即。,它是容易受到噪音和其他干扰。覆盆子π配置为执行过滤图像去除噪声组件,如图 7。形象图 7提供了web页面开发的系统,这是访问数据库,车主的准确信息。

在这项工作中,高效、经济、和VRPN系统开发。这个系统使用智能红外传感器来检测运动物体,相机捕捉的图像,从图像中提取文本,并保存一个web页面上的文本。主要的组件选择系统中做的主要工作是覆盆子π。OpenCV一起使用python编程,字符分割和识别。这是上配置的覆盆子π,包括所需的库,应系统的硬件组件与覆盆子π。如结果所示,开发的系统能够提供一个清晰的和可读的文本网页上可以用来查询数据库。由于红外传感器的校准,它能够检测快速移动的汽车也可以记录不同的汽车在不同的时间使用一个标签为每个数据接收和拥有一个独特的储蓄序列。系统是目前为止一个最便宜的方式在智能城市交通管理的实现。