基于Blackfin561的嵌入式车牌识别系统

1.3.5 字符识别

字符识别采用的是离散型Hopfield神经网络。其是一种循环神经网络，网络的输出会反馈到输入端，产生不断变化的状态。如果网络是一个能收敛的稳定网络，则这一反馈与迭代的计算过程所产生的变化会越来越小。一旦达到了稳定平衡状态，网络便会输出一个稳定的恒值，关键在于确定其在稳定条件下的权系数。

首先对车牌的标准字符进行离散化，变成16×32的二值图像，即有512个神经元。这样网络可记忆的样本数最多为512×0.15=76.8个。根据车牌的特点，要建立两个网络：一个是车牌汉字的网络，包括36个汉字;一个是数字与字母的网络，包括36个元素。

可看到两个网络均不会产生伪样本。通过Matlab对标准字符数据进行仿真，得到网络稳定的权系数，然后将参数提取出来供DSP计算使用。

在DSP中将分割后的字符图像进行归一化处理，使字符图像与标准图像大小一致，然后输入到网络中根据公式(1)进行计算。其中，Wij和θi是通过Matlab仿真得到的权系数，x为图像数据。通过循环迭代计算，由式(2)，当网络的能量函数达到稳定时，就得到了识别出的字符，将识别出的字符与标准字符相减，且差值累加，其差值累加最小的字符便是识别出的结果。由于Hopfield网络有联想记忆的功能，故抗干扰性较强、对有噪声、笔画断开、笔画粘连等现象均有良好的识别效果，如图8所示。

1.3.6 与上位机通讯

识别结束后，将识别结果以ASCII的形式通过DM9000发送到PC机进行后续处理。

2 结束语

车牌识别系统的关键技术是车牌定位、字符分割与字符识别。本文结合硬件平台对3个重要部分进行了程序实现。通过实验证明以Blanc fin561双核DSP为核心的嵌入式系统配合Hopfield神经网络能较好地完成车牌识别工作，并可使速度与识别率得到全面提高。基于嵌入式的整体结构也使得系统的扩充工作变得简单，有较高的实际应用价值。