展趋势。公路交通基础建设的不断发展和车辆管理体制的不断完善，为以视觉监控为基础的智能交通系统的实际应用打下了良好基础。在智能交通系统中，车牌自动识别系统是一个非常重要的发展方向。
车牌自动识别技术可以应用于道路收费系统、交通管理系统等领域，起到节省人力成本、提高效率、改进管理体系等作用。随着我国汽车数量的迅速增加，车牌自动识别技术呈现出巨大的经济价值和现实意义。
在高速公路和城市道路中使用车牌自动识别系统，可以防止车辆通过“换卡”逃费；在封闭式收费中，防止车辆“倒卡”逃费；防止通行卡流失；对车辆进行管理；对黑名单车进行稽查；对车型进行辅助分类。
车牌自动识别技术用于智能小区停车场，利用其能够不停车自动识别汽车牌照和车型的特点，在车辆经过卡口的一瞬间，得到识别结果并通过通信网络将识别出的车辆信息及入口信息传送到各出口。既不需要道口值班人员发放通行介质，又可保证车辆信息准确无误地送至出口，起到了替代道口值班员和节省通行介质的作用，可以节省这两项成本的开支。车场使用者也可以在最短的时间进入或离开停车场，提高车场管理质量。
智能交通系统在我国尚属起步阶段，车牌识别技术在其中占有重要位置。车牌识别技术的推广普及，必将对加强高速公路、城市道路和停车场的管理，减少交通事故、车辆被盗案件的发生，保障社会稳定等方面产生重大而深远的影响。
1.3 车牌字符识别研究的应用现状及发展
车辆牌照识别（License Plate Recognition, LPR）系统可以广泛应用于高速公路电子收费站、出入控制、公路流量监控、失窃车辆查询、停车场车辆管理、公路稽查等需要车牌认证的重要场合，尤其在高速公路收费系统中，实现不停车收费技术可提高公路系统的运行效率，LPR系统更具有不可替代的作用。
LPR技术作为交通管理自动化的重要手段，其任务是分析、处理汽车监控图像，自动识别汽车牌号，并进行相关智能化数据库管理。
汽车牌照识别系统（Vehicles License Plate Recgonition System，（VLPRS））是对公路上配置的摄像头拍摄的照片进行数字图像处理与分析，综合应用大量的图像处理最新成果和数学形态学方法对汽车图像进行平滑、二值化、模糊处理、边缘检测、图像分割、开运算、闭运算、区域标识等多种处理以提取车牌区域，进而达到对汽车牌照的精确定位并最终完成对汽车牌照的识别。
目前的车牌识别方法主要是针对车辆自动缓停收费、停车场管理等场合，所监视的区域一般只有单一车辆，背景也比较简单。
尽管如此，世界上依然有大量的学者从事车牌字符识别研究，对于解析度较高和图像比较清晰的车牌，这些方法能有效识别车牌中的字符，但对于较低解析度和较为模糊的车牌无能为力，因为这些方法只有在车牌中的每个字符被独立分割出来的前提下才能完成识别工作。而独立分割车牌取得字符，对较低解析度和较为模糊的车牌来说是非常困难的。车牌字符识别的研究在技术上已经取得了一定突破，然而离复杂多变的实际应用要求还有一定差距，许多新方法仅停留在理论和文章上或者限定在比较狭窄的约束范围内，并不能以产品的形式大范围投入使用。因而对车牌字
符识别的具体分析和研究仍然是很有必要的。
车牌识别系统的具体应用发展也很迅猛，从原来的停车静止拍摄场景应用，如收费站、停车场等，发展到移动公路车辆稽查、违章自动报警、超载闯红灯等实时监控场合应用，增加神经网络自适应识别学习对于系统响应的速度、网络化、智能化、识别成功率等实用化要求也越来越高。随着上述核心技术的研究发展，应用领域和功能等也获得大幅提高。
1.4 本文主要内容
文结构划分为三章：
第一章 绪论。课题研究目的、背景、意义，概要介绍了汽车牌照识别的应用现状及发展。分析了汽车牌照识别的发展演进状况。对牌照识别系统进行了简单的需求分析，简要介绍了本文的行文安排。
第二章 车牌图像预处理。本章通过对车牌图像进行灰度处理、灰度图像二值化、并且用数学形态学中的开闭运算对图像中的污点进行噪声虑除，之后又利用列方向黑色像素积累的方法将车牌图像分割成七幅单个字符的图像以对下一步的字符识别做准备。
第三章 基于字符形态划分的字符识别。本章是对已经进行二值化，并且已经分割好的单幅字符图像进行识别。这一章是车牌号码中数字的自动识别研究的关键。通过对基元的检测，字符轮廓的统计。用一种简单易行的方法实现车牌中数字的自动识别。 单片机测速部分
以89C51单片机为基础的车速测量和显示技术。利用89C51片内所带的可编程定时/计数器和I/O口，通过光电开关采集中断信号来获得时间信号，并通过双字节除法获得速度信息，然后输出显示。
系统主要由3部分组成：信号采集部分，信号处理部分和显示输出部分。其关系如图1所示。 图1
1.1 信号采集部分
需要采集的时间信号有2部分：设定的限制时速和车辆通过设定测量距离S的时间间隔。 设定的限制时速通过8255PA口的按键开关读入，因此可以通过断开或闭合开关来方便设定不同路段的限制时速。
时间间隔的测量采用的是2组红外反射型光电开关[3]，分别采样车辆通过时的信息。当有车辆通过时，光电开关接收器接收不到光信号，处于关状态，即输出一个低电平，经整形后将此信号输入到89C51中断口即产生中断信号。2组信号分别产生中断的时间差就是车辆通过定长距离的时间。这个时间差的计算采用了周期法。即将89C51定时器T0设定为定时模式，产生一个固定频率的参考脉冲作为加法计数器的时钟信号。T1工作于l6位计数模式，保证在最慢速度时不出现溢出情况。在第1个光电开关产生中断信号时，开始启动加法计数器；然后到第2
个光电开关产生中断信号时，停止计数。假设计数器的值为M，参考脉冲的周期为Tm，则测量时间T为M×Tm，误差为±Tm。考虑实际的必要性和程序的复杂性，设定的最小计时单位为1ms。
高速公路上车辆单向行驶的特点使得采集系统大大简化，无需考虑车辆通过2个光电开关的先后性。2个光电开关只需依车辆行驶方向按设定测量距离S平行放置。考虑到道路复杂性，在每个车道分别安装一套此采集系统，并分别显示通过各车道的车速，这样即便在测量范围内出现车辆跨道、变道行驶，两车道的显示系统可以同时显示同一辆车的车速，完全避免了因超速等现象可能带来的测量紊乱问题。
1.2 信号处理部分
信号处理部分以AT89C51[4]单片机为核心，选择12MHz晶振，外围电路简单，适合批量生产。其片内所带的I/O口将信号采集部分和显示输出部分连接起来。将设定的测量距离s与采集到的时间信息T作双字节除法。在与设定的限制时速做出比较后，将结果送给显示输出部分。值得说明的是测量距离是一个很重要的参量，设定的太大或太小都将导致测量精度的下降。综合前面设定的最小计时单位l ms、程序的系统误差以及高速公路上车流量的普遍情况，计算出较合适的测量距离为3～6m，其具体设定的测量距离可以根据车速的情况设定。
1．3 显示输出部分
显示输出部分主要实现3个功能，限定时速的显示和通过车辆的实时车速显示以及超速报警显示。对于限定时速的显示，本设计采用的方法是将8255PA口读入的按键开关信号送给串行口输出，通过移位寄存器74LS164[5]静态显示。而实时车速显示通过8255的PB口动态扫描显示。实际应用中显示模块的技术比较成熟，可选择点阵LED或7段显示LED等。超速报警显示通过P1.1口低电平点亮发光二极管实现。
2 系统实现
2.1 流程图
采用MCS-51系列单片机的汇编语言编制的软件由主程序和中断服务程序组成，程序流程图如图2所示。系统上电复位后，先读取设定的限速，之后进入等待程序。车速的检测按照先后顺序分别使用了中断口INT0和中断口INT1，当车辆通过光电开光0时，满足中断条件，中断程序开启定时器TO和中断INT1，为了防止信号干扰，同时关闭中断INT0，之后进入等待程序。车辆通过INT1时，中断服务程序关闭计时器，中断INT1同时调用除法程序开始计算车速，根据计算结果与限定时速进行比较，判断是否出现超速情况并将本次测试结果输出后延迟显示一定时间，之后重新准备下次测速。
2．2 软件的抗干扰设计
由于微处理机和2条外部信号相连，较易受到外部信号的干扰，因此应该设计必要的抗干扰程序。首先对INT0和INT1 2个中断源采取轮流开放与关闭的方法，在同一时间内只能有一个中断处于开放状态，防止另一个中断产生干扰信号。其次设定测速的有效值范围，如40 km/h-160 km/h，并转化为时间量，即计数器的计数范围(112，450)。如果测得的时间超过此范围判断为产生错误，恢复到循环起点。还引入了看门狗程序，当程序运行异常时自行跳转到循环起点。 3 测量精度及实验分析
简单的测速原理简化了系统的硬件组成，大大降低了生产成本。另外出于能更好地警示司机不要超速安全行驶的目的，结合下面的分析可以看出此系统的测量精度是完全能满足要求的。本文采用的晶振频率12MHz，每个机器周期为1μs，设定测量的最小周期为1ms，测量距离为5m，测量范围可达到0-255km/h。当汽车以80km/h的速度行驶时，其通过测试系统的时间为0.225S。而测试系统的响应和程序处理时间在几十微秒范围内，不会对测量带来影响，总的测量时间误差在2 ms内，由此得最大速度误差 ΔV/V小于1% ，即便考虑到一些干扰，测量结果也完全能满足所需要求。
第2章 车牌图像预处理
2.1 数字图像处理的相关知识
由于车辆牌照识别系统的处理对象是从实地拍摄的含有车辆牌照的图像，因此系统的关键技术几乎都是基于数字图像的处理和分析。基于数字图像处理的车辆牌照识别系统在处理车牌中的铆钉等噪声方面针对性较强，简单方便并且效果很理想。但是其中涉及的思想很丰富，所以本文在本章开篇对数字图像处理进行相关的介绍。
2.1.1 数字图像处理概念
图像的数字处理是以计算机为中心,包括各种输入、输出及显示设备在内的数字图像处理系统上进行的,是将连续的模拟图像变成离散的数字图像后,用建立在特定的物理模型和数学模型基础上编制的程序控制,运行并实现种种要求的处理。所谓数字图像处理,就是用计算机对图像进行处理,从而达到预想的目的。从内容上看,图像处理可概括为如下的几个方面:
图像增强( Image Enhancement) :主要是突出图像中需要的信息,而减弱或者去除汽车牌照识别与停车场管理系统设计与实现除不需要的信息,削弱干扰和噪声,从而使有用的信息的得到加强,便于区分或者解释。主要方法有直方图增强,伪彩色增强,灰度窗口等技术。增强后的图像未必和原来的图像一致。
图像复原( Image Restoration) :其主要目的是去除干扰和模糊,恢复图像的本来面目。经典的例子如去噪就属于图像复原处理。图像噪声包括随机噪声和相干噪声。去模糊也是复原处理的任务。
图像编码（Image Coding）:在满足一定的保真度要求下,简化图像的表示,从而压缩表示图像的数据,以便于传输与存储。
图像重建( Image Reconstruction) :重建是从数据到图像的处理,也就是说输入的是某种数据,而处理结果得到的是图像。该处理典型的应用是CT 技术。图像的重建的主要算法有代数法,迭代法,傅立叶反投影法,卷积反投影法等,其中卷积反投影法应用的最为广泛。
图像分析( Image Encoding) :对图像中的不同对象进行分割、分类、识别、描述和解释,又可以称为图像识别。其中,图像分析可以认为是图像处理的高级阶段。图像分析主要研究的是使用机器分析和识别周围的视觉图像,从而得出结论性的判断,用于指导进一步的动作,这实际就是人类视觉系统的模拟,也是人脑各种功能模拟中最困难的领域。在图像分析中,图像信息的表达方式可以归结为下列几种:
(1) 原始的和模拟的图像信息,它是客观存在的图像,如一张照片等。
(2) 灰度数字图像,它是原始图像的数字化形式,可以用计算机进行增强、恢复等处理,通常要比原始图像有更好的视觉效果。
(3) 二值或标号图像,它是灰度图像经过分割处理后的产物,包括了图像所研究的物体的一般结构信息,如轮廓、边缘等。
本文中的对彩色车牌图像进行处理并对其中的数字进行识别。提取特征信息，其处理的最终目的是为了识别。处理时对于那些用于判别车牌号码的特征信息给予抽取，而其他信息则尽量予以舍弃，达到高度的信息压缩，并根据抽取的特征信息进行分类和识别。
2.1.2 图像的数字化表示
为了利用数字计算机来处理图像，首先必须把连续的图像变换成离散的数字图像。一幅数字图像是在其空间坐标上和灰度上都离散化并进行数字编码的图像。图像f(x,y)在空间坐标上的离散化称为采样；图像f(x,y)在灰度上的离散化则称为量化。经过采样和量化，图像f(x,y)可以用一个矩阵来表示，取行和列的交点标出图像的每个像素，每一像素对应一个灰度值。为实现数字化，灰度值必须离散，例如分成k个等级。一般量化与采样数值都取为2的整数幂。
如：一幅图像用512行×512列的矩阵来表示，即像素数为（512*512），灰度量化256（2的8次方），那么其二进制信息量为：
512×512×8=2097152（bit） （2-1）
2.1.3 本文中图像处理所涉及的相关领域
图像处理涉及了多种学科理论和应用知识，包恬人工智能、计算机视觉、机器人技术、拓扑学等多种学科。
本文主要涉及到的领域是计算机视觉。计算机视觉就是用计算机模拟人的眼睛和大脑，对客观世界进行视觉感知和解释。众所周知，视觉对人类来说是最有用的，但也是最复杂的一种感知周围环境的手段。随着科学技术的日益发展，计算机视觉的应用范围正在不断扩大。计算机视觉是机器人智能及第五代计算机的关键因素之一。计算机视觉的一般目的是根据从某一景物的图像中提取的信息对这一景物作结构描述、识别和理解。