1 摘要

　　該項(xiàng)目要求基于FPGA完成車(chē)牌定位算法。本項(xiàng)目擬充分發(fā)掘FPGA并行運(yùn)算在圖像處理領(lǐng)域的優(yōu)勢(shì)，實(shí)現(xiàn)基于Adboost算法的車(chē)牌檢測(cè)硬件架構(gòu)，最終完成車(chē)牌定位信息的實(shí)時(shí)輸出。

　　2 系統(tǒng)原理和技術(shù)特點(diǎn)

　　2.1 Adaboost車(chē)牌定位算法原理

　　Adaboost車(chē)牌定位算法的設(shè)計(jì)，分為離線訓(xùn)練模塊和在線識(shí)別模塊如圖1所示，離線訓(xùn)練模塊通過(guò)對(duì)大量正、負(fù)樣本的學(xué)習(xí)，形成一系列的弱分類(lèi)器(典型特征)，然后依據(jù)權(quán)重把這些弱分類(lèi)器組合成強(qiáng)分類(lèi)器，如圖2(a)所示。實(shí)際應(yīng)用時(shí)，若干個(gè)強(qiáng)分類(lèi)器構(gòu)成如圖2(b)所示的Cascade結(jié)構(gòu)，Cascade結(jié)構(gòu)就像一個(gè)篩孔可變的篩子，開(kāi)始的篩孔很大，使得大多數(shù)車(chē)牌都能通過(guò)，在此基礎(chǔ)上盡量拋棄反例，位置越靠后的篩孔越復(fù)雜，即包含越多的弱分類(lèi)器，因而也具有更強(qiáng)的分類(lèi)能力。在線檢測(cè)模塊通過(guò)離線訓(xùn)練模塊訓(xùn)練好的Cascade結(jié)構(gòu)分類(lèi)器，使用可以縮放的Haar特征，在待識(shí)別圖片上進(jìn)行多尺度的掃描，最后經(jīng)過(guò)后續(xù)處理輸出識(shí)別結(jié)果(車(chē)牌位置信息)。在線檢測(cè)算法流程如圖3所示。首先檢測(cè)當(dāng)前窗口，若未通過(guò)分類(lèi)器則跳出;若通過(guò)所有分類(lèi)器則判定為車(chē)牌，然后檢測(cè)下一窗口。掃描完當(dāng)前圖像以后，放大檢測(cè)窗口，重新掃描。

　　Adboost車(chē)牌定位算法基于Haar特征，Haar特征由一組矩形構(gòu)成，圖4所示就是幾種Haar特征，黑白矩形內(nèi)像素的灰度加權(quán)和是該特征的特征值。積分圖表示其圖像中任意一點(diǎn)，都是原始圖像中行號(hào)和列號(hào)均小于該點(diǎn)的像素點(diǎn)像素值之和。利用積分圖可以快速計(jì)算矩形的灰度和，即Sum=P1 +P4-P2-P3，其中Pi是積分圖中矩形頂點(diǎn)對(duì)應(yīng)的積分值。多個(gè)Haar特征組成一個(gè)分類(lèi)器，多個(gè)分類(lèi)器級(jí)聯(lián)可以提高檢測(cè)精度。

　　通過(guò)對(duì)近30000車(chē)牌樣本的離線訓(xùn)練，本實(shí)驗(yàn)室已經(jīng)得到能夠適應(yīng)復(fù)雜環(huán)境的Adaboost車(chē)牌特征(識(shí)別)庫(kù)，實(shí)現(xiàn)的Adboost車(chē)牌檢測(cè)算法在固定環(huán)境下拍照車(chē)輛圖像，車(chē)牌定位識(shí)別率可達(dá)99%。本次大賽將重點(diǎn)關(guān)注車(chē)牌Adaboost算法在線檢測(cè)的FPGA實(shí)現(xiàn)。

　　2.2系統(tǒng)工作原理

　　2.2.1 系統(tǒng)組成

　　如圖5，整個(gè)系統(tǒng)由FPGA完成車(chē)牌定位算法，配合外圍的視頻A/D，D/A、存儲(chǔ)器等芯片，完成圖像的采集和定位標(biāo)記與原始圖像地疊加輸出。

　　2.2.2 系統(tǒng)方案

　　FPGA實(shí)現(xiàn)的Adaboost車(chē)牌定位方案如圖6所示：

　　系統(tǒng)內(nèi)I2C模塊通過(guò)I2C總線配置A/D芯片的寄存器，使得A/D芯片能夠正常工作。

　　視頻輸入模塊接收A/D芯片輸出的Ycbcr格式的視頻數(shù)據(jù)，解碼并提取出圖像灰度數(shù)據(jù)后，將數(shù)據(jù)存到圖像RAM和幀存RAM中。

　　車(chē)牌檢測(cè)模塊開(kāi)始工作，讀取圖像RAM中內(nèi)容，在被檢圖像中掃描是否包含車(chē)牌。車(chē)牌檢測(cè)模塊包括圖像讀取單元，流水線處理單元，分類(lèi)器讀取單元和檢測(cè)單元。如果檢測(cè)到車(chē)牌，則將車(chē)牌信息存儲(chǔ)到檢測(cè)結(jié)果合并單元。

　　車(chē)牌檢測(cè)模塊工作的同時(shí)，圖像縮放單元負(fù)責(zé)將存儲(chǔ)在幀存RAM中的圖像進(jìn)行縮小，并存儲(chǔ)到圖像RAM中。

　　交換處理對(duì)象，重復(fù)步驟3-4直到圖像縮小后的大小與掃描窗口相當(dāng)。

　　檢測(cè)結(jié)果合并單元合并圖像中檢測(cè)到的重復(fù)的車(chē)牌，減少冗余的窗口以及誤檢的車(chē)牌。

　　繪制單元讀取合并后的車(chē)牌位置和大小信息，并在原始圖像中相應(yīng)車(chē)牌位置繪制矩形標(biāo)明。

　　在步驟1-7的同時(shí)，視頻輸出模塊讀取幀存RAM中的圖像數(shù)據(jù)，并以VGA格式輸出至D/A芯片，顯示到顯示器上。

　　重復(fù)以上步驟。[!--empirenews.page--]

　　2.2.3 功能模塊

　　整個(gè)系統(tǒng)負(fù)責(zé)接收經(jīng)過(guò)流水線計(jì)算得到的特征向量值，并根據(jù)這些值以及掃描窗口的平方積分和等信息判斷掃描窗口是否包含車(chē)牌。

　　視頻輸入模塊:視頻輸入單元負(fù)責(zé)從A/D輸出端接收視頻數(shù)據(jù)，并將其中的有效像素提取出來(lái)，并產(chǎn)生正確的像素地址信息，保存到幀存中。

　　視頻輸出單元:視頻輸出單元負(fù)責(zé)從幀存中讀出需要顯示的圖像，并按照VGA格式輸出至D/A芯片，最終顯示到顯示器上。

　　圖像讀取單元:圖像讀取單元負(fù)責(zé)從幀存中讀出掃描窗口，完成列積分和平方積分。

　　圖像縮放單元:利用掃描窗口檢測(cè)圖像時(shí)，只能檢測(cè)到與掃描窗口大小一致的車(chē)牌。圖像縮放單元用于將圖像縮小，使得同樣大小的掃描窗口能夠檢測(cè)原圖像中大于掃描窗口的窗口中是否含有車(chē)牌。

　　繪制單元：在原始圖像上繪制車(chē)牌位置信息和車(chē)牌號(hào)碼信息。

　　流水線處理單元：該流水線包括掃描窗口(存儲(chǔ)陣列)及特征向量?jī)蓷l流水線，用于計(jì)算特征向量的特征值。

　　結(jié)果合并單元：車(chē)牌檢測(cè)結(jié)果合并單元的作用就是將車(chē)牌區(qū)域周?chē)亩鄠€(gè)合格掃描窗口合并為一個(gè)，并去除不包含車(chē)牌區(qū)域的偽掃描窗口。

　　圖像RAM：用來(lái)保存從視頻采集模塊接收到的圖像數(shù)據(jù)和縮放以后的圖像數(shù)據(jù)。圖像RAM有兩個(gè)寫(xiě)端口和一個(gè)讀端口，寫(xiě)端口用于向RAM中寫(xiě)入原始圖像數(shù)據(jù)和縮放以后的圖像數(shù)據(jù);讀端口用于向后繼處理模塊輸出圖像數(shù)據(jù)。

　　幀存RAM：用來(lái)保存從視頻采集模塊接收到的圖像數(shù)據(jù)、車(chē)牌位置信息和車(chē)牌號(hào)碼信息。

　　Casecade_ROM：用來(lái)保存訓(xùn)練得到的Adboost分類(lèi)器數(shù)據(jù)(特征向量)，包括Haar特征中矩形的位置、大小、權(quán)重、閾值、分類(lèi)器閾值等信息。

　　分類(lèi)器讀取單元：它從分類(lèi)器ROM中讀出分類(lèi)器數(shù)據(jù)，向掃描窗口流水線提供矩形位置、大小、權(quán)重、閾值、分類(lèi)器閾值等信息

　　2.3 技術(shù)特點(diǎn)

　　(1)基于Adboost算法的車(chē)牌檢測(cè)硬件架構(gòu)設(shè)計(jì);

　　(2)針對(duì)640x480彩色圖像，定位時(shí)間<40ms。

　　(3)固定環(huán)境下，車(chē)牌定位識(shí)別率99%

　　3. 技術(shù)路線

　　本設(shè)計(jì)采用45x15的陣列架構(gòu)，通過(guò)流水線可快速計(jì)算矩形灰度和。硬件結(jié)構(gòu)如圖7所示。其中白色45x15個(gè)方塊表示當(dāng)前檢測(cè)窗口的行積分，每個(gè)單元存放的是在當(dāng)前所在的行中該像素點(diǎn)之前的像素值之和。橫線填充的方塊存放的是矩形位置數(shù)據(jù)和權(quán)重，豎線填充的方塊存放的是部分灰度和，這兩部分構(gòu)成的特征矢量流水線每時(shí)鐘周期流動(dòng)一次，而行積分陣列(白色方塊)構(gòu)成的流水線僅在當(dāng)前窗口檢測(cè)完畢流動(dòng)一次，載入新的被檢數(shù)據(jù)。圖像數(shù)據(jù)和分類(lèi)器數(shù)據(jù)分別保存在圖像RAM和分類(lèi)器ROM當(dāng)中。行積分邏輯由一個(gè)加法器和45個(gè)寄存器構(gòu)成，每45個(gè)時(shí)鐘周期計(jì)算出一行像素的行積分，并輸出到檢測(cè)陣列。分類(lèi)器檢測(cè)邏輯接收上一級(jí)計(jì)算出的矩形灰度和，計(jì)算其特征值和相似度，并累加所有的相似度，并與閾值進(jìn)行比較，判斷是否通過(guò)該級(jí)分類(lèi)器。掃描控制邏輯生成圖像RAM的讀地址，控制檢測(cè)窗口對(duì)當(dāng)前圖像進(jìn)行掃描，掃描完畢后，將當(dāng)前圖像大小乘以3/4，重新掃描，直到被檢圖像與檢測(cè)窗口大小一致，則完成一幅圖像的檢測(cè)。