一种基于LabVIEW的新国标电动车车牌识别方法

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于LabVIEW的新国标电动车车牌识别方法。

背景技术

电动自行车具有极高的出行效率，根据中国自行车协会公布的数据，2019年中国电动自行车社会保有量已经接近3亿辆，位居世界第一。闯红灯、随意停放、逆行、盗窃、肇事逃逸等现象也随之而来，造成了交通事故和交通混乱。电动车新的国家标准(简称新国标)出台之后，进一步明确了电动车的生产、销售和管理。目前，车辆牌照识别技术主要是针对机动车而言，广泛应用于公路交通、停车厂、收费站、居民小区等，在非机动车方面的应用很少。这给交通管理部门对电动自行车的规范化管理带来了不小的挑战，也不利于智慧交通的建设和市域治理体系和治理能力现代化的发展。

发明内容

本发明的目的在于提供一种基于LabVIEW的新国标电动车车牌识别方法，以解决现有技术中的上述缺陷。

一种基于LabVIEW的新国标电动车车牌识别方法，包括以下步骤：

步骤1、采集单元采集电动车图像送入图像处理单元进行处理；

步骤2、对所述电动车图像进行HSL彩色模型转换，选取其中的S分量，其中H-色调，S-饱和度，L-亮度；

步骤3、采用改进型像素校正算法对模型转换后的电动车图像进行滤波去噪得到校正后的电动车图像；

步骤4、对校正后的电动车图像进行车牌区域检测和定位，获得清晰的字符二值化电动车牌区域图像；

步骤5、对所述电动车牌区域图像进行字符训练和识别，将车牌字符储存到字符数组中；

步骤6、对车牌进行属地判断，得到车牌字符数组的识别结果；

步骤7、利用DB Tools Insert Data.vi将上述所得车牌字符数组的识别结果保存至电动车车牌ACCESS数据库中。

优选的，所述步骤1中采集单元包括传感器，图像采集设备和图像处理系统，电动车行驶到传感器位置，传感器发送信号给图像处理系统，图像处理系统控制图像采集设备采集电动车图像并将采集的电动车整体彩色图像传送至图像处理单元进行图像处理。

优选的，所述步骤3中，

采用Reverse算子将目标图像中的各个灰度值进行校正，模糊背景杂质；

利用Lookup Table.vi算子对上述所得电动车图像进行特定区域的像素平方对数修正，突出车牌区域、提升车牌字符识别质量；

然后通过Brightness函数的Contrast对比度和Gamma值结合电动车整体图像灰度值自适应设置对车牌图像进行亮度调整，为下一步的二值化做准备。

优选的，所述步骤4中，

利用阈值算子对图像进行二值化得到电动车二值化图像；

将所述电动车二值化图像采用IMAQ Particle Filter.vi算子通过设定车牌字符面积像素值、车牌字符长和宽像素值等特征范围值去除一些二值化后留下的电动车图像中的背景杂质，直至获得清晰的字符二值化图像。

优选的，所述步骤5中，

选取某省或某设区市的车牌样本，利用NI Vision Assistant视觉软件助手对所述清晰的字符二值化电动车牌区域进行字符训练，同时通过字符间距、大小、欧几里得距离场等像素值以及精准分数值调整车牌字符识别训练的精准度，训练结果保存为.c文档；

利用IMAQ OCR Read Character Set File.vi算子读取调用所述的.c文档，借助IMAQ OCR Read Text 4.vi算子对车牌区域图像中的字符进行识别，将车牌字符储存到字符数组中。

优选的，所述步骤6中，

利用索引数组将所述字符数组的代表省份的第一个字符或代表设区市的第二个字符以及代表各县、市区的第三个字符提取出来；

利用嵌套式条件结构将上述所得字符与省份、设区市名称或各县、市区名称字符串进行比较，直至识别出一致的名称字符串，输出代表该省份、设区市名称或各县、市区名称字符串中的字符。

本发明的优点在于：本发明利用LabVIEW软件的图形化界面和Access优异的数据管理功能，借助IMAQ Vision强大的图像处理功能对新国标电动车车牌进行处理和识别，可实现车牌号码的识别，精准定位车牌区域，并对其归属地进行判定，然后将识别结果保存至电动车车牌ACCESS数据库中。填补了目前新国标电动车车牌识别并入库的空白，识别快速高效、识别结果精准、识别功能丰富。

附图说明

图1为本发明的总体流程图。

图2为实施例选取的一个车牌样本。

图3为实施例经过步骤2选取HSL色彩模型中S分量结果图。

图4为实施例经过步骤4中阈值算子二值化之后的结果图。

图5为实施例经过步骤4中IMAQ Particle Filter.vi算子过滤后的二值化结果图。

图6为实施例使用本发明后的运行结果图。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

如图1至图6所示，一种基于LabVIEW的新国标电动车车牌识别方法，包括以下步骤：

步骤1、采集单元采集电动车图像送入图像处理单元进行处理；

步骤2、对所述电动车图像进行HSL彩色模型转换，选取其中的S分量，其中H-色调，S-饱和度，L-亮度，对于绿底白字的车牌来说，S分量可接近于1，经过处理后的车牌字符目标图像包含信息最多、外界环境杂质最少；

步骤3、采用改进型像素校正算法对模型转换后的电动车图像进行滤波去噪得到校正后的电动车图像；

步骤4、对校正后的电动车图像进行车牌区域检测和定位，获得清晰的字符二值化电动车牌区域图像；

步骤5、对所述电动车牌区域图像进行字符训练和识别，将车牌字符储存到字符数组中；

步骤6、对车牌进行属地判断，得到车牌字符数组的识别结果；

步骤7、利用DB Tools Insert Data.vi将上述所得车牌字符数组的识别结果保存至电动车车牌ACCESS数据库中。

在本实施例中，所述步骤1中采集单元包括传感器，图像采集设备和图像处理系统，电动车行驶到传感器位置，传感器发送信号给图像处理系统，图像处理系统控制图像采集设备采集电动车图像并将采集的电动车整体彩色图像传送至图像处理单元进行图像处理。

在本实施例中，所述步骤3中，

采用Reverse算子将目标图像中的各个灰度值进行校正，模糊背景杂质，设x为目标图像中任一点灰度值，通过直方图统计算法遍寻图像的所有行和列的像素灰度值，使得目标灰度值y＝255-x；

利用Lookup Table.vi算子对上述所得电动车图像进行特定区域的像素平方对数修正，突出车牌区域、提升车牌字符识别质量；

然后通过Brightness函数的Contrast对比度和Gamma值结合电动车整体图像灰度值自适应设置对车牌图像进行亮度调整，为下一步的二值化做准备。

在本实施例中，所述步骤4中，

利用阈值算子对图像进行二值化，灰度阈值范围设定为128-255；

将所述电动车二值化图像采用IMAQ Particle Filter.vi算子通过设定车牌字符面积像素值、车牌字符长和宽像素值等特征范围值去除一些二值化后留下的电动车图像中的背景杂质，直至获得清晰的字符二值化图像。

在本实施例中，所述步骤5中，

选取某省或某设区市的车牌样本，利用NI Vision Assistant视觉软件助手对所述清晰的字符二值化电动车牌区域进行字符训练，同时通过字符间距、大小、欧几里得距离场等像素值以及精准分数值调整车牌字符识别训练的精准度，训练结果保存为.c文档；

利用IMAQ OCR Read Character Set File.vi算子读取调用所述的.c文档，借助IMAQ OCR Read Text 4.vi算子对车牌区域图像中的字符进行识别，将车牌字符储存到字符数组中。

在本实施例中，所述步骤6中，

利用索引数组将所述字符数组的代表省份的第一个字符或代表设区市的第二个字符以及代表各县、市区的第三个字符提取出来；

利用嵌套式条件结构将上述所得字符与省份、设区市名称或各县、市区名称字符串进行比较，直至识别出一致的名称字符串，输出代表该省份、设区市名称或各县、市区名称字符串中的字符。

由技术常识可知，本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此，上述公开的实施方案，就各方面而言，都只是举例说明，并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。