1.3.5 字符識(shí)別

字符識(shí)別采用的是離散型Hopfield神經(jīng)網(wǎng)絡(luò)。其是一種循環(huán)神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)的輸出會(huì)反饋到輸入端，產(chǎn)生不斷變化的狀態(tài)。如果網(wǎng)絡(luò)是一個(gè)能收斂的穩(wěn)定網(wǎng)絡(luò)，則這一反饋與迭代的計(jì)算過程所產(chǎn)生的變化會(huì)越來越小。一旦達(dá)到了穩(wěn)定平衡狀態(tài)，網(wǎng)絡(luò)便會(huì)輸出一個(gè)穩(wěn)定的恒值，關(guān)鍵在于確定其在穩(wěn)定條件下的權(quán)系數(shù)。

首先對(duì)車牌的標(biāo)準(zhǔn)字符進(jìn)行離散化，變成16×32的二值圖像，即有512個(gè)神經(jīng)元。這樣網(wǎng)絡(luò)可記憶的樣本數(shù)最多為512×0.15=76.8個(gè)。根據(jù)車牌的特點(diǎn)，要建立兩個(gè)網(wǎng)絡(luò)：一個(gè)是車牌漢字的網(wǎng)絡(luò)，包括36個(gè)漢字;一個(gè)是數(shù)字與字母的網(wǎng)絡(luò)，包括36個(gè)元素。

可看到兩個(gè)網(wǎng)絡(luò)均不會(huì)產(chǎn)生偽樣本。通過Matlab對(duì)標(biāo)準(zhǔn)字符數(shù)據(jù)進(jìn)行仿真，得到網(wǎng)絡(luò)穩(wěn)定的權(quán)系數(shù)，然后將參數(shù)提取出來供DSP計(jì)算使用。

在DSP中將分割后的字符圖像進(jìn)行歸一化處理，使字符圖像與標(biāo)準(zhǔn)圖像大小一致，然后輸入到網(wǎng)絡(luò)中根據(jù)公式(1)進(jìn)行計(jì)算。其中，Wij和θi是通過Matlab仿真得到的權(quán)系數(shù)，x為圖像數(shù)據(jù)。通過循環(huán)迭代計(jì)算，由式(2)，當(dāng)網(wǎng)絡(luò)的能量函數(shù)達(dá)到穩(wěn)定時(shí)，就得到了識(shí)別出的字符，將識(shí)別出的字符與標(biāo)準(zhǔn)字符相減，且差值累加，其差值累加最小的字符便是識(shí)別出的結(jié)果。由于Hopfield網(wǎng)絡(luò)有聯(lián)想記憶的功能，故抗干擾性較強(qiáng)、對(duì)有噪聲、筆畫斷開、筆畫粘連等現(xiàn)象均有良好的識(shí)別效果，如圖8所示。

1.3.6 與上位機(jī)通訊

識(shí)別結(jié)束后，將識(shí)別結(jié)果以ASCII的形式通過DM9000發(fā)送到PC機(jī)進(jìn)行后續(xù)處理。

2 結(jié)束語

車牌識(shí)別系統(tǒng)的關(guān)鍵技術(shù)是車牌定位、字符分割與字符識(shí)別。本文結(jié)合硬件平臺(tái)對(duì)3個(gè)重要部分進(jìn)行了程序?qū)崿F(xiàn)。通過實(shí)驗(yàn)證明以Blanc fin561雙核DSP為核心的嵌入式系統(tǒng)配合Hopfield神經(jīng)網(wǎng)絡(luò)能較好地完成車牌識(shí)別工作，并可使速度與識(shí)別率得到全面提高?；谇度胧降恼w結(jié)構(gòu)也使得系統(tǒng)的擴(kuò)充工作變得簡單，有較高的實(shí)際應(yīng)用價(jià)值。