本发明涉及无线传感器网络(wirelesssensornetworks，wsns)和图像识别技术领域，尤其涉及一种基于无线传感器网络的车牌照识别方法。
背景技术：
随着国民经济的快速发展，我国汽车保有量逐年增加。有效的车牌照识别技术有助于准确获取车辆信息，保证重要活动的安全。目前常用车牌照识别系统主要是采用有线方式，通过电缆将摄像头等车牌照图像采集设备连接到计算机等车牌照识别设备。但是，对于有车辆出入的临时性重要活动或场所，布置传统的有线车牌照识别系统费时费力，效率不高。
wsns以其低成本、自组织、便于安装等优点，被广泛应用于环境监测、食品加工配送监测、建筑安全监测等领域。基于wsns的车牌照识别技术与系统为临时性车牌照监测提供了一种有效的解决方案。在现有基于wsns的车牌照识别系统中，wsns主要负责车牌照图像信息的采集与无线传输，而由上位计算机负责车牌照图像处理与识别。由于wsns物理层多采用ieee802.15.4协议，最高数据传输率为250kbps，大量车牌照图像数据的传输会受wsns最高数据传输率的限制，这成为制约基于wsns的车牌照识别系统实际应用的技术瓶颈。
技术实现要素：
本发明所要解决的技术问题是如何提供一种基于wsns的车牌照识别系统，所述系统能在保证车牌照识别效果的同时，有效减少所用wsns的数据传输量。
为解决上述技术问题，本发明所采取的技术方案是：一种基于wsns的车牌照识别系统。其特征在于：本方案的wsns由终端节点和协调器节点构成，利用wsns节点自身具有的数据处理能力，在wsns终端节点上进行车牌图像采集、车牌图像预处理、车牌定位、字符分割和字符识别，然后将车牌照识别结果通过wsns协调器节点上传到上位计算机。该技术方案能有效减少所用wsns的数据传输量。
进一步的技术方案在于：所述wsns终端节点由摄像头、无线微处理器模块和fifo存储芯片构成，选用豪威科技(omnivision)的ov7670cmos摄像头作为车牌照图像传感器，选用恩智浦(nxp)的jn5168无线微处理器，在节点上完成车牌照图像的采集、处理、识别和结果无线传输，为了弥补jn5168存储器容量的不足，选用凌泰科技(averlogic)的fifoal244实现对车牌照图像数据的缓存。
进一步的技术方案在于：所述jn5168芯片利用其i/o口驱动ov7670摄像头相关引脚，完成对摄像头寄存器的配置；所述ov7670摄像头的并行数据输出接口d0-d7与fifoal244的输入口相连，在jn5168的控制下ov7670摄像头所采集的车牌照图像直接缓存到fifoal244；jn5168通过i/o口，从fifoal244读取缓存的车牌照图像数据，并进行图像处理和车牌照识别。
进一步的技术方案在于：在wsns终端节点，由jn5168完成车牌照彩色图像的灰度化处理，达到减少后续车牌照图像处数据量，降低图像处理算法复杂程度的目的。
进一步的技术方案在于：在wsns终端节点，由jn5168对前述步骤得到的车牌照灰度图像用roberts算子进行边缘提取；随后，在边缘提取结果的基础上对图像做形态学的腐蚀处理，去除非车牌部分的干扰信息；然后，在腐蚀结果的基础上对图像进行形态学闭操作，去除图像中的非车牌区域，实现车牌初步定位。
进一步的技术方案在于：在wsns终端节点，由jn5168以前述粗略定位车牌图像的第一个蓝色像素点为起点，根据车牌汉字、字母和数字的个数信息，进行车牌照精确定位，去除前述车牌初步定位所确定的车牌图像中车牌边框等多余信息，避免其对后续字符分割准确度的影响。
进一步的技术方案在于：在wsns终端节点，由jn5168用hough变换对边缘提取后的前述车牌初步位置图像进行处理，找到图像中的最长直线，计算出车牌的旋转角度，如果需要则用图像旋转算法对车牌图像进行倾斜校正。
进一步的技术方案在于：在wsns终端节点，由jn5168对前述精确定位和倾斜校正后的车牌照图像进行灰度化、二值化和滤波等预处理，然后利用非零像素统计方法对车牌图像进行字符分割。
进一步的技术方案在于：在wsns终端节点，由jn5168利用模版匹配方法对前述字符分割后的车牌照图像进行字符识别。
进一步的技术方案在于：wsns终端节点获取的车牌照识别结果，通过wsns协调器节点，上传到上位计算机。
采用上述技术方案所产生的有益效果在于：所述基于wsns的车牌照识别系统可以快捷方便地布置在临时性重要场所，完成对出入车辆的车牌照信息识别；所述在wsns终端节点上进行车牌照识别，然后上传识别结果的方法能有效减少所用wsns的数据传输量，克服wsns较低的数据传输率对车牌照图像无线传输的限制。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1是所述基于wsns的车牌照识别系统原理框图；
图2是所述wsns终端节点程序流程图；
图3是所述wsns终端节点采集的车牌照图像及其灰度图像；
图4是所述wsns终端节点车牌照图像初步定位结果；
图5是所述wsns终端节点车牌照图像精确定位结果；
图6是所述wsns终端节点车牌照图像倾斜校正和字符分割结果；
图7是车牌照识别结果。
具体实施方式
下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
如图1所示，本发明实施例公开了一种基于wsns的车牌照识别系统。所述系统由wsns终端节点、wsns协调器节点、上位计算机等构成。本实施例中，选取豪威科技(omnivision)的ov7670cmos摄像头、恩智浦(nxp)jn5168无线微处理器模块和凌泰科技(averlogic)的fifoal244存储芯片构成wsns终端节点。所述摄像头负责完成车牌照的拍摄，所述jn5168完成车牌照图像采集的控制、车牌图像处理、车牌识别和识别结果无线传输，所述fifoal244用于弥补jn5168存储器容量的不足，实现对车牌照图像数据的缓存。所述jn5168芯片利用其i/o口驱动ov7670摄像头相关引脚，完成对摄像头寄存器的配置；所述ov7670摄像头的并行数据输出接口d0-d7与fifoal244的输入口相连，在jn5168的控制下ov7670摄像头所采集的车牌照图像直接缓存到fifoal244；所述jn5168通过其i/o口，从fifoal244读取缓存的车牌照图像数据。
如图1所示，本发明实施例公开的车牌照识别系统利用wsns节点自身具有的数据处理能力，在wsns终端节点上进行车牌图像采集、车牌图像预处理、车牌定位、字符分割和字符识别，然后将车牌照识别结果通过wsns协调器节点经usb口上传到上位计算机。该技术方案能有效减少所用wsns的数据传输量。
如图1所示，所述wsns采用星型网络结构。图1所示原理框图中只绘出了一个wsns终端节点，实际应用时，可根据需要在wsns中添加多个wsns终端节点。
如图2所示，所述wsns终端节点上电后，首先完成对jn5168及其外接硬件设备的初始化工作，并为各功能事件队列开辟内存空间；随后，加入由wsns协调器节点创建的基于zigbee协议的无线传感器网络；所述wsns终端节点加入网络后，等待感知车辆信息(在实验阶段，用外接按键的按下表示待检车辆的到来)，发现待检车辆后，所述wsns终端节点会驱动ov7670摄像头采集一帧320*240像素rgb565格式的车牌照图像，并将其保存到fifoal244中；然后，在节点上完成车牌图像预处理、车牌定位、字符分割和字符识别，并将识别结果无线传输到wsns协调器节点，具体实施方法如下：
(1)在wsns终端节点，由jn5168按照公式(1)完成对车牌照彩色图像的灰度化处理。
i＝0.229*r+0.587*g+0.114*b(1)
其中i为灰度值，r，g，b分别为车牌图像像素点的红、绿、蓝色域分量。
为了进一步分析本发明所提方法的效果，进行了实验验证。所述wsns终端节点采集的车牌照图像如图3a)所示，按照公式(1)计算得到的灰度图像如图3b)所示。结果表明，所用灰度化处理方法能达到减少后续车牌照图像处数据量，降低图像处理算法复杂程度的目的。
(2)在wsns终端节点，由jn5168对步骤(1)所得到的车牌照灰度图像用roberts算子进行边缘提取；随后，在边缘提取结果的基础上对图像做形态学的腐蚀处理，去除非车牌部分的干扰信息；然后，在腐蚀结果的基础上对图像进行形态学闭操作，去除图像中的非车牌区域，实现车牌初步定位。为了进一步分析本发明所提方法的效果，进行了实验验证，所述方法取得的车牌照图像初步定位结果如图4所示。
(3)在wsns终端节点，由jn5168以前述初步定位车牌图像的第一个蓝色像素点为起点，根据车牌汉字、字母和数字的个数信息，进行车牌照精确定位，去除前述车牌初步定位所确定的车牌图像中车牌边框等多余信息，避免其对后续字符分割准确度的影响。为了进一步分析本发明所提方法的效果，进行了实验验证，所述方法取得的车牌照图像精确定位结果如图5所示。
(4)在wsns终端节点，由jn5168用hough变换对边缘提取后的前述车牌初步位置图像进行处理。实验结果如图6b)所示。然后，找到图像中的最长直线，计算出车牌的旋转角度，并对车牌图像进行倾斜校正。倾斜校正后的结果如图6c)所示。
(5)在wsns终端节点，由jn5168对前述精确定位和倾斜校正后的车牌照图像进行灰度化、二值化和滤波等预处理。灰度化、二值化和滤波处理后的结果分别如图6d)，图6e)和图6f)所示。
(6)在wsns终端节点，由jn5168利用非零像素统计方法对车牌图像进行字符分割。字符分割的结果如图6g)所示。
(7)在wsns终端节点，由jn5168利用模版匹配方法对前述字符分割后的车牌照图像进行字符识别。具体实施时，通过比较待识别字符图像与节点程序中所保存的标准模版字符特征，计算两者之间的相似度。相似度最大的标准模版所对应的字符即为待识别的字符。字符识别结果如图7所示。结果表明：所述方法可以有效实现对车牌照图像的识别。
(8)在wsns终端节点上通过上述方法对车牌照图像进行识别后，wsns终端节点将获取的车牌照识别结果，通过wsns协调器节点，经usb口上传到上位计算机。上位计算机完成结果显示、存储等功能。和由wsns终端节点直接获取并上传车牌照图像信息相比，所述方法可大幅降低数据传输量，克服wsns较低的数据传输率对车牌照图像无线传输的限制。