如何使用FPGA进行汽车牌照自动检测系统硬件实现

　　自动车牌检测系统（AVLPDS）是从图像中提取车牌信息的一种方法。除了安全方面外，该系统还用于许多应用，即。电子支付系统、高速公路、交通干道监控系统等，本文提出了边缘化、连通分量化和直方图化三种算法中最有效算法的FPGA算法模型。每种方法都是根据精确性和召回率进行分析，以确定每种方法的成功率。经过比较，可以说基于直方图的方法具有简单、快速的优点。因此，本文采用基于直方图的边缘处理方法对车牌进行检测，并给出了AVLPDS的FPGA实现方法。整个系统采用Matlab Simulink和Xilinx系统生成器（XSG）实现，将XSG应用于图像处理，有效地降低了结构设计的复杂性，有助于硬件协同仿真。该算法对不同的输入图像集进行了精度检验，并取得了显著的性能改善，从而实现了基于FPGA的AVLPD硬件实现。

　　近年来，AVLPDS在交通执法、停车场出入控制、自动收费、道路交通监控、电子支付系统、高速公路、交通检查干线监控系统等领域得到了广泛的应用，具有广泛的应用前景。D图像处理领域的研究人员非常关注。AVLPDS可以根据不同的环境变化和车牌变化（如照明、背景、位置、数量、尺寸等）来处理车牌。本文提出了一种改进的基于直方图边缘处理技术的AVLPDS仿真模型。提出了一种有效的基于FPGA的AVLPDS系统硬件耦合方法。这种系统的硬件实现提供了并行性，从而大大缩短了处理时间。在硬件实现之前，使用了该算法的matlab实现作为概念证明。20年来，avlpds一直是一个令人关注的问题。早期的方法主要是基于边界提取的边界线提取算法，如基于边界的算法，该算法采用了Hough变换（HT）原理，但除了时间复杂度外，该过程消耗的内存也有点高。提出了一种基于连接成分的颜色聚类方法，该方法将颜色聚类与一组匹配、合并分析和一组启发式原理结合在一起进行文本检测。如作者所述，不规则的反射会导致无根据的字符分割，从而提高了该方法的误报警率。在应用细化操作并计算具有0_、45、90_和135_倾斜度的像素数后，使用了一种创建特征向量的基于边缘的文本提取方法。但是，如果边缘中有任何停顿，则基于边缘的方法将失败。将嵌入式DSP视觉平台与支持向量机相结合的AVLPDS系统的FPGA和基于DSP的实现已经使用了许多算法、基于神经网络的技术、形态运算与加速器、背景建模和基于像素分类的车牌检测，但这些算法处理时间长，检测率低，影响了它们的实际实现。唯一涉及到使用一个FPGA实现AVLPDS的工作是在进行的工作。提出了一种新的车牌提取技术，称为基于直方图的边缘处理。在这种方法中，计算出垂直和水平的直方图，然后通过低通滤波器从而进一步执行车牌分割。由于上述统计方法的简单性和鲁棒性，本文的主要工作是在Matlab Simulink平台上对其进行建模。该模型在基于FPGA的AVLPDS硬件实现中得到了进一步的应用。实验结果表明，基于直方图的边缘处理技术在硬件上实现效果良好，计算量小。论文的其余部分组织如下；所有三种算法的详细方法在第二节中进行了描述。第三节给出了所有三种算法的仿真结果和比较。第四节给出了建议的工作。第五节给出了实验结果。第六节总结了工作并列出了未来的方向。