一种高效的车库门禁系统的制作方法

本发明创造涉及门禁管理领域，具体涉及一种高效的车库门禁系统。

背景技术：

随着我国交通事业的发展，车辆越来越多，停车场、收费站的流量越来越大，在小区或单停车场中引入车辆牌照自动识别门禁系统，可以减少人工工作量，减少车主的等待时间，加快通行速度，方便车主的进出，又可以阻止外来车辆的随意进入。本文提出了一种高效的基于车牌识别的车库门禁系统，采用改进的处理算法对车牌进行识别，有效的实现了进出车辆车牌的识别，实现了小区或停车场的车辆出入的智能管理。

技术实现要素：

针对上述问题，本发明旨在提供一种高效的车库门禁系统。

本发明创造的目的通过以下技术方案实现：

一种高效的车库门禁系统，包括服务器、车辆感应模块、图像采集模块、图像预处理模块、车牌识别模块和控制模块，所述服务器用于存储小区内每辆车的车牌号，所述车辆感应模块用于在车辆经过时产生车辆感应信号，所述图像采集模块用于接收所述车辆感应信号，并对经过的车辆进行拍照，所述图像预处理模块用于接收图像采集模块采集得到的车辆图像，并对所述车辆图像进行处理，所述车牌识别模块用于对处理后的车辆图像进行车牌字符分割并对分割后的字符进行识别，从而获取车辆图像中的车牌号，当得到的车牌号在服务器中有记录，则令控制模块打开道闸，当识别到的车牌号在服务器中没有记录，则不打开道闸。

本发明创造的有益效果：采用改进的图像增强算法对待识别的车牌图像进行图像增强，有效的抑制了在图像增强过程中产生的光晕现象；通过图像二值化过程的改进，有效的避免了由于光照不匀而影响车牌识别准确性的问题；在字符分割过程中，充分考虑了车牌字符的特点，实现了较为准确的车牌字符分割。

附图说明

利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明结构示意图；

图2是本发明图像预处理模块的结构示意图。

附图标记：

服务器1；车辆感应模块2；图像采集模块3；图像预处理模块4；车牌识别模块5；控制模块6；图像滤波单元41；图像增强单元42；车牌二值化单元43。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1和图2，本实施例的一种高效的车库门禁系统，包括服务器1、车辆感应模块2、图像采集模块3、图像预处理模块4、车牌识别模块5和控制模块6，所述服务器1用于存储小区内每辆车的车牌号，所述车辆感应模块2用于在车辆经过时产生车辆感应信号，所述图像采集模块3用于接收所述车辆感应信号，并对经过的车辆进行拍照，所述图像预处理模块4用于接收图像采集模块采集得到的车辆图像，并对所述车辆图像进行处理，所述车牌识别模块5用于对处理后的车辆图像进行车牌字符分割并对分割后的字符进行识别，从而获取车辆图像中的车牌号，当得到的车牌号在服务器1中有记录，则令控制模块5打开道闸，当识别到的车牌号在服务器1中没有记录，则不打开道闸。

本优选实施例采用改进的图像增强算法对待识别的车牌图像进行图像增强，有效的抑制了在图像增强过程中产生的光晕现象；通过图像二值化过程的改进，有效的避免了由于光照不匀而影响车牌识别准确性的问题；在字符分割过程中，充分考虑了车牌字符的特点，实现了较为准确的车牌字符分割。

优选地，所述图像预处理模块4用于接收图像采集模块采集得到的车辆图像，并对所述车辆图像进行处理，具体包括：

图像滤波单元41，用于对接收到的车辆图像进行滤波处理，去除车辆图像中的噪声污染；

图像增强单元42，用于对所述车辆图像进行图像增强，从而提高车辆图像的视觉质量；

车牌二值化单元43，用于将所述车辆图像转换为仅用两个灰度值表示的黑白图像。

优选地，所述图像增强单元42用于对所述车辆图像进行图像增强，其采用一种改进的msr算法进行图像增强，具体为

式中，r(x,y)为最后输出的图像，n为环绕尺度的个数，wi表示对应尺度的权重，且i(x,y)为原始车牌图像的反射分量，gi(x,y)为高斯函数，a是正常数。

本优选实施例采用改进的图像增强算法对待识别的车牌图像进行图像增强，有效的抑制了在图像增强过程中产生的光晕现象，为后续的车牌识别奠定了基础。

优选地，所述车牌二值化单元43用于将采集得到的车辆图像转换为仅用两个灰度值表示的黑白图像，具体为：

定义车牌图像中车牌字符的灰度值为d1，且0≤d1≤255，车牌字符像素点所占的比例为a1，车牌图像中背景灰度值为d2，且0≤d2≤255，背景像素点所占的比例为a2，且0≤a1,a2≤1，a1+a2＝1，车辆图像中灰度值的均值和均方差分别为e和s，则d1和d2的计算公式为：

根据上述计算所得的d1和d2，对于白底黑字的车牌，采取的字符分割阈值k为：

式中，e为所述车辆图像的灰度值的均值，s为所述车辆图像的灰度值的均方差，a1为车牌字符像素点所占的比例，a2为背景像素点所占的比例，l(l)为光照强度函数；

定义车牌图像中的小于像素点均值e的像素点的平均灰度值为m，图像中每行的像素点的灰度值小于0.62e的像素点的平均灰度值为n，令l＝m-n，则光照强度函数l(i)的公式为：

本优选实施例采用一种改进的图像二值化算法，引入了光照强度函数，针对车辆图像在拍摄过程中曝光不足或曝光过度的情况进行算法设计，有效的避免了由于光照不匀而影响车牌识别准确性的问题。

优选地，所述车牌识别模块5对处理后的车辆图像进行车牌字符分割并对分割后的字符进行识别，从而获取车辆图像中的车牌号，具体包括：

步骤一：确定图像中的车牌区域，将车牌区域划分为3×3大小的网格，从下而上对车牌图像进行逐行网格扫描，统计每行网格的黑色像素点个数的均值，若相邻两行，下面一行网格的均值大于0.5，且上面一行网格的均值小于0.5，则可以认为上面一行为车牌图像的上边界；自上而下对车牌图像进行逐行网格扫描，若相邻两行中，上面一行网格的均值大于0.5，且下面一行网格的均值小于0.5，则认定下面一行为车牌图像的下边界，则可判定车牌区域有k行网格；

从左向右对车牌图像进行逐列网格进行扫描，统计每列的黑色像素点的个数的均值，若相邻两列中，左边一列的黑色像素点个数的均值小于1，且右边一列的黑色像素点个数的均值大于1时，则判定该列为车牌字符的左边界，同理，自右向左扫描，当相邻两列中，左边一列的黑色像素点个数的均值大于1，而右边一列的黑色像素点个数的均值小于1时，则判定该列为车牌字符的右边界，则可判定车牌区域有l列网格；

步骤二：确定车牌区域中字符的边界，定义m行n列的网格中的黑色像素点个数的均值为e(m,n)，从左到右扫描车牌区域，当n列的黑色像素点的个数满足(1)时，则判定n列为车牌字符前边界x1；

式中，g为定义的字符分割阈值，e(m,n-1)为m行n-1列的网格中的黑色像素点个数的均值，k为网格的行的总数；

对车牌图像继续扫描，当n列的黑色像素点的个数满足(2)时，则判定n列为车牌字符后边界x2：

式中，g为定义的字符分割阈值，e(m,n-1)为m行n-1列的网格中的黑色像素点个数的均值，k为网格的行的总数；

步骤三：确定车牌图像中的字符区域，定义车牌中汉字字符的区域阈值为q，令r＝x2-x1，则汉字字符的判定公式为：

确定车牌中的汉字字符区域后继续向右扫描车牌图像，当某列的黑色像素点的个数开始满足式(1)时，则判定该列为车牌字符的前边界，当某列黑色像素的个数满足式(2)时，则判定该列为车牌字符的后边界；

步骤四：对分割后的车牌字符进行归一化处理，并采用bp神经网络法对分割的得到的车牌字符进行识别，从而获取车辆图像中的车牌号。

本优选实施例采用的字符分割方法，可以有效的减少由于汉字不连通和噪声污染等导致的不能有效分割车牌字符的问题，且具有较强的抗干扰性，实现了图像中车牌字符的有效分割。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。