车牌识别系统的应用

车牌识别系统的应用（推荐7篇）

车牌识别系统的应用 篇1

专

业：

计算机软件与理论

年

级：

2018 级

学

号：

12018000758

姓

名：

何勇

2019 年 8 月 21 日

车牌识别系统（VLRP）实验报告

一、实验目的 1、了解车牌识别系统及其应用； 2、结合本门课程所学内容，设计一个车牌识别系统并实现。

二、实验 原理 1、图像预处理：

针对车牌的颜色特征，利用 hsv 色域进行二值化，并进行膨胀和去噪处理。摄像时的光照条件，牌照的整洁程度，摄像机的状态（焦距，角度和镜头的光学畸变），以及车速的不稳定等因素都会不同程度的影响图像效果，出现图像模糊，歪斜或缺损，车牌字符边界模糊不清，细节不清，笔画断开，粗细不均等现象，从而影响车牌区域的分割与字符识别的工作，所以识别之前要进行预处理。、车牌定位：

对预处理后的图片进行区域标记，根据各连通量的长宽比以及黑色像素所占比例定位车牌位置。从背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后选定一个最佳的区域作为牌照区域，并将其从图象中分割出来。、字符分割：

完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别。在本次系统开发中，字符分割采用垂直投影法。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值的附近，并且这个位置应满足牌照的字符书写格式、字符尺寸限制和一些其他条件，利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果。、字符识别：

用图像分类和识别中的所学内容对字符识别，比如基于模板匹配算法、基于支持向量机或基于神经网络的方法。我选择的是基于 BP 的神经网络算法。将分割出来的字符做 n 等分分割，统计个等分块内的黑像素比例，并与特征库比对，识别字符。

三、系统流程图

开始车辆图片预处理车牌定位BP神经网络特征提取字符分割字符识别画出字符结果结束

四、实验步骤 4.1 基于颜色的 BP 神经网络车牌定位

图 4-1 车牌定位流程图

图 4-2 车牌底色库部分样本 建立车牌底色库，在本论文中仅对蓝底白字车牌进行研究。对于这些车牌样本，将其从 RGB 色彩空间转换为得到其 CR CB 红色及蓝色分量。对车牌样本每个像素，均可得到其 CR CB。而我们关心的只是两种像素，即蓝色非蓝色像素。对于蓝色的像素，在转换为 CR CB 后其对应的 BP 神经网络映射关系为输出为1。非蓝色的像素，在转换为 CR CB 后相对应的 BP 映射为输出为 0。由于 BP神经网络要求输入值 0 到 1，所以 CR CB 还需作简单的处理，把它转为符合要求的输入。

到此，用于进行车牌定位的 BP 神经网络模型有了输入层及输出层。即，输入层含两个神经结点（某像素的 CR CB 分量），输出层仅一个神经结点（对应逻辑关系为这个像素在视觉上是否为蓝色），中间层设计为仅含 4 结点的一层。

设计好 BP 神经网络模型后，将车牌的底色投入训练，在网络收敛后可用。这时的神经网络可以认为是已具备区分蓝色及非蓝色的能力了（对于训练得到的权值保存到一个文件 CharBpNet.txt 中，以便在恢复网络时直接读取而节省大量的训练时间）。然后对任意的一张含车牌的图像每个像素，将它投入网络当中，如果网络认为是蓝色的（结点输出为范围在 0.8—1.0 间的），那么将此像素映射成 255；如果网络认为非蓝色的（结点输出范围在 0—0.8 间），那么将此像素映射成 0。这样我们可以得到除了一张二值图像外，还可以将车牌从复杂的自然图像分离开来（当然这是从十分理想的角度出发的，实际上当车辆颜色也是蓝色的时候是无法分离的）。

图 4-3 左图为自然车辆图像，右图为经 BP 神经网络后得到的二值图像

4.2 基于图像投影技术的车牌分割 图像投影技术一般分为水平投影和垂直投影。所谓投影就是对图像的某种特征的统计，然后以直方图形式反映其特征强度。一般是对二值图像而用的，水平方向的投影就是每行的非零像素值的个数，在这里就是 1 或者 255，垂直投影就是每列图像数据中非零像素值的个数。

由于车牌字符在车牌上，所以这部分可以认为是对字符的粗定位或车牌的精确定位。在设计上算法上可以这样做。对二值图像分别作水平和垂直方向的投影，得到其直方图分布，然后分别在波峰的地方作直线，这样水平方向和垂直方向共计四条直线，它们相交形成一矩形，此矩形即为车牌的大概位置。

图 4-4 将要进行投影的二值图像

4.2.1 水平投影技术

逐行统计白点直方图显示投影统计结果波峰即车牌上下边缘

图 4-5 车牌水平投影效果图 按行累加每个像素点的灰度值做投影，横坐标为灰度累加的和，纵坐标为图像的行数，即可确定车牌区域上下边缘。水平分析算法如下：

1)从下向上逐行扫描图像，记下每行中灰度值为 255 的像素点的个数； 2)找到第一个灰度值为 255 的像素点的个数大于某个阈值的行(并且紧挨着的若干行都满足个数大于某阈值)，记录下行号，即为车辆牌照最下边缘； 3)然后继续扫描，找到第一个灰度值为 255 的像素点的个数小于阈值的行(并且紧挨着的若干行都满足个数大于某阈值)，记录下行号，即为车辆牌照的最上边缘； 4)这时不再继续扫描，根据记录的两个行号，对原始图像进行裁剪； 5)得到裁剪后的图像，即为水平方向定位的牌照图像区域。

4.2.2 垂直投影技术

图 4-6 车牌垂直投影个效果图 按列累加每个像素点的灰度值做投影，横坐标为灰度累加的和，纵坐标为图像的行数，即可确定车牌区域左右边缘。垂直分析算法如下：

1)从左向右逐列扫描图像，记下每行中灰度值为 255 的像素点的个数； 2)找到第一个灰度值为 255 的像素点的个数大于某个阈值的列(并且紧挨着的若正列都满足个数数大于某阈值)，记录下列号，即为车辆牌照最右边缘； 3)然后继续扫描，找到第一个灰度值为 255 的像素点的个数小于阈值的列(并且逐列统计白点直方图显示投影统计结果波峰即车牌左右边缘

紧挨着的若干列满足个数大于某阈值)，记录下列号，即为车辆牌照的最左边缘； 4)这时不再继续扫描，根据记录的两个列号，对原始图像进行裁剪； 5)得到裁剪后的图像，即为垂直方向定位的牌照图像区域。

分别投影后效果如图 4-7 所示：

图 4-7 分别投影后效果图 值得一提的是并不是所有的自然车辆图像经BP神经网络动作后都那么完美的，这也是为什么在求车牌各个边缘的时候设定一个阈值（并且紧挨着的若干行都满足个数大于某阈值）的原因。如图 4-8 所示：

图 4-8 示例图 经过对车牌的二值图像的水平和垂直投影后，我们已经得到了车牌的精确位置，也即字符的所在区域。至此，我们可以把注意力从原始的二值图像集中到二值图像中的车牌局部区域来（即如何从车牌中分割出每个字符）。

除了可用比例的方法来进行字符分割外，本文采用一种适应性更好的基于投

影技术来进行分割。字符分割处理采用基于投影特征值的方法，对于数字及字符，由于它们都属于连体字，因此只需在字符或数字之间找到一条无边的空白区（窄的区域），即可实现数字及字符之间的分割处理。

图 4-9 即将进行字符分割的车牌图像 显然要在上图中分割出字符，只需在车牌内（白色矩形）对字符作像素为255 的垂直投影，具体方法如下：

按列累加每个像素点的灰度值做投影，横坐标为灰度累加的和，纵坐标为图像的行数，即可确定车牌区域左右边缘。垂直分析算法如下：

1)从左向右逐列扫描图像，记下每行中灰度值为 0 的像素点的个数； 2)找到第一个灰度值为 0 的像素点的个数大于某个阈值的列(并且紧挨着的若正列都满足个数数大于某阈值)，记录下列号，即为车辆牌照最右边缘； 3)然后继续扫描，找到第一个灰度值为 0 的像素点的个数小于阈值的列(并且紧挨着的若干列满足个数大于某阈值)，记录下列号，即为车辆牌照的最左边缘； 4)这时不再继续扫描，根据记录的两个列号，对原始图像进行裁剪； 5)得到裁剪后的图像，即为垂直方向定位的牌照图像区域； 6）保存每个字符的区域坐标。效果如图 4-10 所示：

图 4-10 字符分割效果示意图 逐列统计黑点直方图显示投影统计结果波峰即字符边缘

4.3 基于 BP 神经网络的车牌字符识别

4.3.1 车牌字符库的建立 字符库的建立是为字符的识别作准备的，字符库要求每个字符按一定标准保存，如保存格式一致，大小规格相同，每个字符的数目相同等等。在本次车牌识别系统研究中，只对数字及字母作研究，对汉字不作研究，所以共计 34 个不同各类的字符。数字 0 和字母 o，数字 1 和 i 为均认为是同一字符，每个字符用程序获取 10 个不尽相同的字符，字符库的建立是为了训练 BP 神经网络的样本。

4.3.2 图像的缩放技术 在计算机图像处理中，图像缩放是指对数字图像的大小进行调整的过程。图像缩放是一种非平凡的过程，需要在处理效率以及结果的平滑度和清晰度上做一个权衡。当一个图像的大小增加之后，组成图像的像素的可见度将会变得更高，从而使得图像表现得更“软”。相反，缩小一个图像将会增强它的平滑度与清晰度。

本次系统开发中，我采用最邻近插值法将每个字符都归一化到 6*12 的统一规格中去，所谓的最近邻插值，通俗理解就是将每一个原像素原封不动地复制映射到扩展后对应四个像素中，效果图 4-11 所示：

图 4-11 归一化前的各字符 归一化后各字符一次为：。

4.3.3 字符的保存 首先给字符编号，0-9 分别编号为 00-09，A-Z 分别编号为 10-33。在本文中，字符的保存格式为 raw 原始图像数据文件，命名依次为 000raw 到 339raw。即不超过 340 的三位数加格式名 raw，前两位数代表这个字符的编号，第三位数 n 代表这字符是第 n 张字符，如某字符某名为 089raw 即意味着这字符代表数字 8，它在库中是第 9 张(从第 0 张开始计数)。又如 330raw 代表着这字符为字母 Z，它是第 0 张。为了使字符库的字符和待识别的字符尽量保持一致性，字符的建立是通过程序的方法获得的。具体做法如下：

1）分割车牌中的每个字符； 2）将各个字符逐一归一化到 6*12 统一标准； 3）将归一化的字符按一定的标准命名保存即可。

最后得到了 340 张不同的共 34 种的格式为.raw 的文件，用程序显示这些字符库如图 4-12 所示：

图 4-12 字符库示意图 4.3.4 字符识别 建立字符库后，设计识别字符的神经网络。

首先设计输入层及输出层。字符库中每个标本，均是 6*12 的标准二值图像。对字符的特征，我采用像素法，即某个字符的像素是 255 时，神经结点输入为0.9，像素值是 0 时，神经结点输入为 0.1，这样输入层就有 6*12 共 72 个结点。输出层采用了34结点，如当导师信号为A编号10时，就在第10个结点设为0.9，其他均为 0.1。至此，用于进行车牌定位的 BP 神经网络模型有了输入层及输出层。即，输入层含 72 个神经结点（对应字符的每个像素），输出层 34 个神经结点（对应逻辑关系为属于编号第 N 个字符）。中间层设计为仅含 50 结点的一层。

设计好 BP 神经网络模型后，将车牌的字符投入训练，在网络收敛后可用（实际在论文完成的过程中，并没有出现收敛，而是达到训练次数后停止训练，这个次数 10000*72 是在实验过程中测试后决定的，同样不保证最优）。这时的神经网络可以认为是已具备区分 34 个不同字符的能力了。然后对任意的一个从车牌分割得到的字符进行归一化之理后，依次假设其分别是编号 0 到 33，并且求出每个编号对应的误差，最后在 34 个不同的误差中找出最小的那个编号，找到的编号即对应的字符了。如某分割的字符投入网络后得到的最小误差编号为 10，那么认为这个字符为 A。

把从车牌分割下来的字符全部投入动作后得到的字符串即车牌的号码了。效果如图 4-12 所示：

图 4-13 字符识别效果图

五、实验结果分析 本次基于颜色和 BP 神经网络的车牌识别系统已基本完成，实验也达到预期的效果。但是问题仍旧存在。实验结果显示如表 5-1 所示：

车牌识别系统的应用 篇2

在我国,直至20世纪50年代,车辆管理主要靠人工方式,然而随着经济的迅猛发展,工业化程度的不断加深,汽车数量大量增加,给交通管理、环境治理、社会治安、交通运营等提出了许多新的问题。伴随着车辆数目的增加,生活小区、地方单位、部队营区、停车场等对车辆的管理面临着新的挑战。如何做到车辆状态有案可查、有据可依,如何实现车辆的科学化、自动化管理成为人们关注的话题。

1 车牌识别技术

车牌识别是车辆管理的重要前提和关键技术,主要可分为间接法和直接法两种。间接法是基于无线射频识别技术(Radio Frequency Identification,RFID)[1]的自动检测识别方法;直接法是基于图像处理技术的检测识别方法。

基于图像处理的车牌识别,是对视频或图像中的车牌进行特征分析,确定车牌位置,然后设计识别算法,对车牌中的汉字、字母、数字进行识别,以确定车牌内容。目前,能够在车辆时速不超过220公里的情况下,实现单车牌照的准确抓拍、检测及识别。在没有任何外部触发装置时,可以完全基于视频触发控制,系统可对视频图像中静止或行驶中的一个或多个车辆的车牌同时进行实时检测和识别。车牌识别系统主要由车牌定位、字符分隔和字符识别三部分组成[2],如图1所示。

基于RFID的车牌识别系统由标签(Tag)、阅读器(Reader)、天线(Antenna)三部分组成。电子标签中保存车牌信息。系统的基本工作原理是:标签进入磁场后,如果接收到阅读器发出的特殊射频信号,就能凭借感应电流所获得的能量发送出存储在芯片中的产品信息(即Passive Tag,无源标签或被动标签),或者主动发送某一频率的信号(即Active Tag,有源标签或主动标签),阅读器读取信息并解码后,送到后台主系统进行相关处理;主系统根据逻辑运算判断该卡的合法性,针对不同的设定做出相应的处理和控制,发出指令信号控制执行机构动作[3]。

对于车辆的识别,以往的车辆管理系统通常是单一地采用基于RFID的识别技术或基于图像处理的识别技术。这两种车辆识别方法各有优缺点:RFID识别技术抗干扰能力强、不受天气影响、且可穿透非金属物体进行识别,识别速率快、准确率高,却难以有效防止作弊,电子标签容易丢失,并且只能管制内部车辆;基于图像处理的车牌识别技术对基础建设方面几乎没有要求,但是抗干扰性差,准确率也有待提高[4]。

2 系统总体设计

针对两种技术的特点,结合军事营区的特殊性,本文提出一种双模式识别系统。主模式识别系统由车载分机[5]和门禁子系统构成。车载分机是在车上安装的一个存储车辆信息的电子设备的简称。备用模式识别系统采用基于图像处理的识别技术。

主模式识别系统总体结构设计为四部分:中央计算机、检测子系统、车载分机、车位检测与门禁子系统。其工作原理如下:

(1)中央计算机作为终端数据库,负责存储并管理所有内部车辆的信息(包括车牌号、车品牌、车型、车辆进出信息等),并将内部车辆信息和基准时间信息发送给检测仪;

(2)检测子系统安装在入口通道,接收中央计算机发送的内部车辆信息和基准时间信息,与车载分机进行通信,接收并判断车辆的身份;

(3)车载分机安装在车辆上,接到检测子系统的命令后,将自身信息发送给检测子系统;

(4)车位检测与门禁子系统完成车位检测和门禁控制,将检测到的车辆动态信息传送给检测子系统,检测子系统根据信息判断是否有车辆要进入,决定何时检测车辆的身份,判断合法车辆是否已通过路障。

如果检测到是非法车,直接报警;如果检测到是合法外来车,提示该车去登记后放行;如果检测到是内部车,直接放行,结合车辆检测记录判断该内部车后面是否有其它车辆通行,如果后面是内部车则保持路况,如果不是,则按前面的方法执行,实现车位检测与门禁子系统的门禁控制功能。

系统原理图如图2所示。

备用模式识别系统是整个系统容错的一种方法,当主模式识别系统不能正常工作时,备用模式识别系统启动。

3 车载分机的防非法移动设计[6]

车载分机是车辆的电子身份证,相当于电子车牌。车载分机信息一经输入,只有车牌发放部门具有更改内容的权限,这样可以打击假车牌,盗用车牌等犯罪行为。

3.1 防非法移动模块硬件设计

如何防止车载分机的非法移动及拆卸,是车载分机安装的重要考虑因素。根据三角形是最稳固的结构这一原理,本文提出在车载分机底部安装三个触点开关,这样车载分机一旦安装,三个开关就闭合,只要一移动,车载分机底下的触点开关就会断开,电平信号发生改变,车载分机中存储的车辆信息就会清空并写入非法标志,检测子系统就会得出非法车的信息。只有车牌发放部门才能恢复车载分机的信息。

三个触点开关经一个与门直接连接在单片机的一个端口P0.7,车载分机安装完成后处于高电平,只要一个触点发生变化,P0.7就变为低电平,通过检测单片机端口的电平变化来实现车载分机的防非法移动或拆卸。

3.2 防非法移动模块软件设计

一旦车载分机安装完毕,车载分机上的控制器进入一个循环,检测P0.7是否高电平,直到P0.7变为低电平,控制器跳出循环,INT0中断,清楚车载分机中车辆信息并写入非法标志。

防非法移动模块软件程序流程图如图3所示。

4 结论

本文介绍了车牌识别的两种主要方法,并对两种技术优缺点进行了对比。针对部队营区的特点,结合实际需要,提出了一种双模式车辆识别系统。本文重点阐述了主模式识别系统,对主模式识别系统中车载分机的安全性进行了讨论,提出了防移动模块的软硬件设计。本系统可结合各种门禁系统的实际需要进行相应的调整,运用到不同的环境,具有一定的使用性。

摘要：本文介绍车牌识别的两种主要方法(基于无线射频识别技术(RFID)的自动检测识别方法和基于图像处理技术的检测识别方法),并对两种技术的优缺点进行了比较,提出了一种双模式识别系统,重点阐述了主模式识别系统原理,并考虑了车载分机的安全性,给出了车载分机防移动的软硬件设计,可广泛用于各种门禁系统。

关键词：车牌识别,射频识别,车载分机,检测子系统,门禁子系统

参考文献

[1]Chen Liying,Wu Shunhua,Mao Luhong,et al.Design of an analog front end for passive UHF RFID transponder IC[J].Chinese Journal of Semiconductors,2007,28(5):686-691.

[2]Liu Ji-Lin,Song Jia-Tao,Ding Li-Ya,et al.Vehicle license plate recognition system with high performance[J].ACTA Automatica Sinica,2003,29(3):458-459.

[3]宁波中科集成电路设计中心.中科万通基于RFID智能电子车牌识别系统方案[EB/OL].2010.http://www.rfidinfo.com.cn/tech/n2723_1.html

[4]龚德平.车辆管理系统的关键技术研究及系统实现[D]:太原:中北大学,2009.

[5]Fmkenzeller K.射频识别(RFID)技术-无线电感应的应答和非接触IC卡的原理[M].陈大才,译.北京:电子工业出版社,2001:1-76.

车牌识别系统的应用 篇3

关键词 智能交通系统 车牌识别技术 应用研究

中图分类号：TP391.41 文献标识码：A

随着全球经济的快速发展，人们的物质生活质量逐步加深，促进了公路交通事业的快速发展，随之而来的机动车辆与日俱增。由于城市空间有限，面对巨大的城市交通压力，仅依靠发展交通设施已不能解决现已存在的交通拥挤、环境污染、交通事故频发等问题。为了缓解这一压力，利用高科技手段，建立完善的道路网络缓解道路交通增长的需求，智能交通系统应运而生。车牌识别系统作为智能交通系统的核心组成部分，在道路交通管理、交通事故与机动车盗窃现象的抑制以及维护公共安全等方面发挥着重要的作用，因此车牌识别系统已成为现代交通工程领域中研究的重点和热点问题之一。

1车牌识别系统在智能交通中的发展历程

随着交通事业的不断发展，车牌识别技术日趋走向成熟，并开逐渐应用于交通、公安、路政、停车场、安防、门禁、智能小区等许多领域。车牌识别系统简单的说是一种以特定目标为对象的专用视觉系统，它能够从一幅图像中提取分割并识别出车辆牌照，运用先进的图像处理、模式识别和人工智能技术，通过对图像的采集和处理完成车辆牌照的自动识别，识别结果可按需求分别包括车牌的字符、数字、牌照图像，以致牌照颜色、坐标、字体颜色等。

2车牌识别系统的研究现状

车牌识别技术起源于上个世纪末，ARGUS的车牌识别系统的识别时间约为100毫秒，通过ARGUS的车速可高达每小时100英里。还有Hi-Tech公司的See/Car？system，新加坡Optasia公司的VLPRS等。

国内不少学者也在进行车牌识别方面的研究，实验室方面，西安交通大学的图像处理和识别研究室、上海交通大学的计算机科学和工程系、清华大学人工智能国家重点实验室、浙江大学的自动化系等在车牌识别方面有各自独立的研究，并取得了一定的成绩。中国科学院自动化所的刘智勇等发表文章，他们在一个3180的样本集中，车牌定位准确率为99.4%，切分準确率为94.5%。北航的胡爱明等利用模板匹配技术开发了一种应用于收费站的车牌识别系统，其识别正确率能达到97%以上。华南理工大学的骆雪超、刘桂雄等提出了一种基于车牌特征信息的二值化方法，该系统对效果较好的车牌的识别率能够达到96%。清华大学的冯文毅等利用一种光电混合系统进行车牌识别，系统能够通过硬件来完成车牌识别的全过程。黄志斌等将基于串行分类器的字符识别应用于车牌识别系统中，对车牌识别系统中的分类器进行了详细的研究。目前比较成熟的产品有中科院自动化研究所汉王公司的汉王眼，香港亚洲视觉科技有限公司的慧光车牌号码识别系统等等。

根据IMS研究显示，截止2012年底，全球车牌自动识别市场已经扩展到了3.5亿美元左右。2011年车牌识别达到了年增长率6.9%的成绩。随着市场的发展和用户需求的不断变化，车牌识别保持着快速的发展。车牌自动识别技术算法有了很大的提升，从应用情况来看智能化算法与摄像机完美搭配，能够解决道路交通上遇到的不少难题。

尽管车牌自动识别机会比比皆是，但是其挑战仍然存在。以美国为例，车牌形式各种各样，形状、图片和字体也没有统一的规范。一点车辆可跨国驶入，监控系统面对其他国家或区域的车牌信息时，具体的语言文字也有所不同，摄像机算法必须更为复杂和精准。尽管识别技术已达到炉火纯青的地步，但是目前车牌识别阿拉伯语仍具有很大的挑战。毫不夸张地说，这些字母的难度高于中国的草书。

3车牌识别系统可提升的空间及发展

车牌识别系统集中了光电、计算机、图像处理、计算机视觉、人工智能、模式识别等关键技术。随着信息化时代的不断发展，住宅、小区、停车场等需要保安人工监控的地方都将使用车牌识别系统，减少了许多人为因素造成的疏忽之处。也能扩展到犯罪车辆、肇事车辆、被盗车辆的辨识和拦截，交通流量监测等领域，为人们出行的安全和便捷提供了保障。一方面，车牌识别系统本身是一个全数字化的智能系统，以此为技术基础，可以衍生出一些其他功能。另一方面，由于环境因素、车牌自身因素以及拍摄角度等问题，尽管世界上很多研究机构和公司专门从事这方面的研发工作，高可靠性、高性能和高识别率的车牌识别系统还待开发。

参考文献

[1] MD.Tanvir Learning Algorithms for Artificial Neural Networks，Proc. 10tb Informantion Engineering Senimar June 2001.

[2] GuyonI.Applicationofneuralnetworkstocharacterrecognition[J].InternationalJournalofPatternRecognitionandArtificialIntelligence，1993，7（4）：721.755.

[3] 杨大力，刘舒.基于神经网络的车牌汉字识别方法[J].中国人民大学公安学报，2009，5（3）：56-57.

车牌识别施工合同协议 篇4

——车牌识别系统

施工合同书 甲方：

XXXXXXXXXXXXXXXXXXXXXXXXXXXX

合同编号：

乙方：XXXXXXXXXXXXX

合同签订时间：

****年**月**日

地址：XXXXXXXXXXXXXXX

机构代码：XXXXXXXXXXXXXX

法人联系电话：XXXXXXXXXXXXX 根据《中华人民共和国合同法》及其他法律、法规，结合本工程实际施工情况，本着互惠互利、平等及自愿的原则，双方协商，一致同意签订本合同，共同遵守以下条款：

第一条

工程概况

1.工程名称：

XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX

2.工程地点：

XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX

3.工程内容：对

XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX 车牌识别系统

项目所需的所有设备的供应及安装调试（设备清单见附件）。

第二条

工程合同总价

1.工程总价：XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX 元整（人民币: XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX 元）。

2.说明：工程总价含税，并包含所有设备的供应及安装施工调试费用。

第三条

工程工期 及验收 ：

1、本工程施工工期为:

XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX

日历天 2、甲方指定：

XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX 为合法项目验收人。

3、具备安装条件时，乙方进场安装施工。乙方安装调试完毕后，甲方应在 15

工作日内组织相关人员进行验收确认，并由指定合法项目验收人 XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX 或代表在附件 2 的施工验收单上签字或盖章并回传给乙方，XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX 或代表的验收行为即视为乙方已履行施工义务并且该项目经由甲方已验收合格。如有未达要求部分，双方协商限期整改。如甲方在接到乙方验收通知后

工作日内未对系统提出书面整改意见，或未在验收单上签字盖章的，均视为该工程已经由甲方验收合格。

4、工程验收合格代表甲方认可乙方施工的质量，非因乙方故意或者重大过失造成任何损害的，乙方无需为此承担责任。

5、工程工期因下列因素可顺延：

（1）不可抗力（指 9 级以上台风、7 级或以上地震等，以国家相关规定范围为准）；（2）现场不具备施工条件（非乙方原因）；（3）根据实际需求并经与甲方确认对安装现场做出优化调整时；（4）甲方因上级检查或其他情况时需要暂停施工的；（5）非乙方因素造成停工、返工。

（6）甲方逾期付款的。

6、本工程质保期从工程竣工验收合格之日起算 1 年。

第四条

付款方式及账户

1、甲方按以下方式进行付款：

（1）在本合同签订后个自然天内，甲方向乙方支付本合同的预付款，其金额等于合同金额的 60 %，即人民币大写 XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX 元整，小写 ￥XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX

元

。若甲方在本合同签订 15 个自然天内未向乙方支付全额预付款项，乙方有权延期发货或解除合同，且不承担违约责任。

（2）工程安装完成并经甲方验收合格后 5 个自然天内，甲方应向乙方支付本合同第 2 笔款项，金额等同于合同总价 35%，即人民币大写

元整，小写￥

元。

（3）壹年质保期到期后 5 个自然天内，甲方支付本合同尾款，金额等于合同金额的 5 %，即人民币大写 XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX 元整，小写 ￥XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX 元。

2、甲方通过银行转账汇款支付乙方合同款项，双方不以现金结算。乙方施工完毕后，不视作甲方已支付全部款项，甲方支付的款项以银行转账为准，每次付款前，乙方应向甲方提供与本合同相应的工程发票。

3、如施工日前，甲方尚有过往交易中产生的到期应付乙方的货款未付清（下称：逾期货款），甲方应当在施工日前向乙方付清全部逾期货款。否则乙方有权顺延施工时间直至甲方付清全部逾期货款，且不承担违约责任。

4、若由于甲方原因造成的工程工期延长且超过 1 个月的，乙方可根据实际施工进度申请甲方支付乙方多支出的全部成本，包括但不限于人工费及材料费等。

5.账户信息 公司名称：

银行账号：

开户行：

第五条

双方职责及义务 1 1、甲方职责及义务

（1）指派专人在工程地点及时对乙方施工所提需求进行配合；（2）协调乙方与现场其它部门和单位的关系，为乙方提供施工现场水、电及临时存放场地等施工条件，协助做好施工现场的安全；（3）本合同约定项目的产品中如涉及非乙方自主研发生产的常规外购设备硬件或操作系统，如服务器、岗亭电脑等，由甲方自备或甲方委托乙方代为采购，代为采购的费用另议。代购设备到达甲方后，甲方应自行验收，如发现设备不符合合同约定要求，甲方应在 3 个工作日内书面通知乙方，以便乙方协助甲方向供货方维权。产品质保期出现质量问题，乙方可协助甲方向厂商要求售后保修服务，但因此造成的任何损失乙方不承担赔偿责任。

（4）本合同约定的工程所用产品备品备件、增补替换件，甲方需从乙方或乙方授权的正规渠道采购，否则因此引起的系统故障、损坏乙方概不负责，因此造成的任何损失乙方不负赔偿责任。

（5）服从乙方工程管理，指定现场常驻管理员，保证工程质量；（6）若甲方损坏乙方设备、设施应予对应设备市场价赔偿；（7）按合同要求及时办理拨款和结算并对项目金额保密。

（8）非因乙方产品质量或乙方安装质量导致甲方或第三方人身、财产损失的，甲方应承担相应的损害赔偿责任。2、乙方职责及义务

（1）按甲方要求的施工周期完成设备的安装及调试；（2）按技术要求保证系统正常运行；（3）供应的货物，除甲方使用过程中人为破坏、第三者故意或非故意损坏、自然灾害及人力不可抗力因素损坏外，超出免费质保期限的设备，乙方提供有偿维修服务；（4）遵守各项管理制度，严格按照规范施工，施工期间发生的施工事故由乙方自行负责。

第六条

合同的补充、变更、终止

1、如因项目发展需要对本合同内容进行补充、变更、修改，由双方或任何一方提出补充、变更、修改的建议和方案，经双方协商并达成统一意见后，以书面形式确认，并由双方签章后补充为本合同的附件，与本合同具有同等法律效力。

2、甲乙双方向对方发出的所有通知、请求应使用书面形式，并以中文进行。如有变更事宜，需经双方协商后书面签章生效，传真件有效。合同所有附件皆为本合同的重要组成部分。

第七条

违约责任

1、乙方无合法事由逾期完工的，每逾期一天应向甲方支付合同总款项 1‰的违约金。

2、甲方无法定事由逾期付款的，每逾期一天应向乙方支付合同总款项 1‰的违约金。

3、若甲方未经双方协商拒绝履行合同义务，则乙方有权解除合同，并拆除已施工设备，不退回甲方已支付款项，同时甲方需向乙方支付违约金，违约金为合同总款项的 20%。

第八条

争议解决

合同未尽事宜，由双方协商解决。凡因本合同引起的或与本合同有关的任何争议，应提交乙方所在地具有管辖权的法院按照相关法律法规进行诉讼裁决，同时由违约方承担另一方因此产生的诉讼费、律师费、保全费、差旅费等一切费用。且合同载明的甲、乙双方地址可作为各类通知、协议等文件以及就合同发生纠纷时相关文件和法律文书送达时的送达地址，地址如有

变更，应当书面通知对方。因载明的地址有误或未及时书面告知变更后的地址，导致各类文书未能实际被接收的，邮寄送达的，文书退回之日即视为送达之日。

第九条

签订、生效时间

1、本合同于

****年**月**日签订。

2、本合同自双方签字并盖章之日起生效。

第十条

合同份数

本合同一式 贰 份，甲乙双方各执 壹 份，具有同等法律效力，复印件、传真件有效。

甲方（盖章）：

乙方（盖章）：

代表签字：

代表签字：

日期：

****年**月**日

日期：

****年**月**日

件 合同附件 1 ：

施工设备清单

序号

设

备

名

称

品牌

型号/ / 参数

单

位

数量1

一、出入口设备2

入

口

道

闸

直杆道闸

XA-ZG-01 台 2 3 3

车辆检测器

通用型 台 0 4 4

地感线圈

加强型 米 0 5 5

出入口车牌识别设备

XA-GQ-07 套 3 6 6

含：

高清识别相机

XA-XJ-07 套 3 7 7维支架

套 3 8 8

双色四行显示屏 304*152 双色模组 套 3 9 9

屏幕组电源 5V 10A 套 3 10

主板开关电源 12V 5A 套 3 11

红绿灯与背光板

套 3 12

专用控制板

套 3 13

豪华型一体机箱

套 3 14

LED 补光灯

套 3 15

无牌车辅助摄像机

二、收费岗亭设备

管

理

处

设

备

收费管理计算机

台

岗亭/门卫室

套

车牌识别系统软件 XA

套 1 21

高清硬识别狗 XA

个 3 22

三、线材、管材、施工材料、网络设备

交换机

千兆 台 5 24

电源线 2*2.0

米 400 25

标准网线

米 900 26

线管

米 一批 27

其他辅材

一批

件 合同附件 2 ：

施工验收单

工程编号 XA-ZQ-2018-8 工程地点

工程名称

建设单位

施工单位

开工日期

****年**月**日 竣工日期

****年**月**日 工程质量 合 格 验收日期

****年**月**日 验收内容：

1.车牌识别按规则自动起杆功能

 2.微信在线缴费功能

 3.防止业主刷摩托车卡后行驶汽车进入的功能 

4.远程云端管理功能

 5.集团化车场管理功能

 6.临时车月租车管理功能



验收结论：

验收合格：□ 其

他：

甲方 乙方 签字盖章：

盖章日期：

****年**月**日

签字盖章：

盖章日期：

车牌识别系统的应用 篇5

关键词：汉王识别,车检器控制道闸,卡感应器

1 车牌识别技术定义

车牌识别技术 (Vehicle License Plate Recognition, VLPR) 是指能够检测到道路路面行驶的车辆并自动提取车辆牌照的信息 (含汉字字符、英文字母、阿拉伯数字及号牌颜色) 进行处理的技术。车牌识别技术是现代智能系统重要组成部分, 其应用十分广泛。它以计算机视觉处理、数字图像处理、模式识别等技术为基础, 对摄像机所拍摄的车辆图像或者视频图像进行处理分析, 得到每辆车的车牌号码, 从而完成识别过程。通过一些后续处理技术其可以实现对厂区物资调配安全运输等功能。对于维护厂区治安, 防止厂区交通堵塞, 实现厂区全自动化管理有着现实的意义。

2 开发背景

目前研山铁矿已实现月产10万吨以上铁精粉的综合生产能力, 每年进出厂原材料物资和销售成品数量巨大。随着工厂规模的扩大和生产能力的不断提高, 研山铁矿涉及车辆运输的相关业务越来越重要, 而此类信息或者没有系统支撑, 或者相对独立, 不利于数据共享和信息追踪, 出现了车辆作弊、物资偷盗等违法行为, 给企业造成一定的经济损失。因此, 建设一套针对物资进出厂、质检取样、外销装载、销售出库等关键业务岗位, 高度整合车辆和业务信息、交互管理、智能处理的一体化信息系统成了研山铁矿迫切需要做的事。根据企业实际需求和业务情况, 自动化部与华融兴霁共同研发实施了研山铁矿“车辆物流一卡通”系统。

通过本系统的建设, 建立了一套覆盖整个研山铁矿物资进出厂, 实时车辆物流信息展示、跟踪、监管的系统平台。该系统的建成投用, 既是管理创新, 提升研山铁矿车辆物流管理水平, 堵塞管理漏洞, 降低厂内车辆停时;又是技术创新, 诸环节信息整合、共享和公开, 防止作弊行为, 有效减少物资丢失, 降低原料运输亏吨率。以信息促管理, 规范人的行为, “车辆物流一卡通”系统起到了积极的推动作用。

3 系统业务功能详细内容

3.1 各站点职责

3.1.1 厂区入口职责

(1) 发放临时卡:对于进入入口道闸区的外来单位车辆, 需要录入车辆和对应单位基本信息后, 给司机发放一张临时出入卡。

(2) 人工干预实现程序自动抬杆:由于种种原因造成系统判断是否抬杆出现错误、或者程序发送抬杆命令给道闸并未执行真正的抬杆, 导致应该能进入厂区的车辆不能通过道闸, 此时可以通过界面的“手工控制抬杆”按钮来重新发送抬杆命令, 尝试抬杆。如果能抬杆成功, 会记录手工抬杆日志供时候查询。在程序反复尝试自动抬杆失败时, 需要人工干预, 可通过道闸遥控器或者打开道闸手工摇杆, 以保证车辆的通过。

3.1.2 厂区出口职责

(1) 回收普通卡:对于进入出口道闸区的外来单位车辆, 需要操作人员完成普通卡的回收工作。

(2) 回收普通卡确认无误后发送抬杠命令抬杠

3.1.3 地磅入口职责:人工干预实现程序自动抬杆

3.1.4 质检站职责:车辆进行取样后需对IC卡进行授权

3.1.5 监控中心职责

(1) 监控各出入口情况

(2) 处理各出入口突发情况

(3) 通过对讲呼叫各出入口

3.2 系统是依据“一车一卡一任务”原则, 下面以外销铁精粉业务为例, 具体流程如下:

(1) 需在车辆到达前, 将车辆信息报给矿山生产科, 由生产科操作人员进行规划调整。

(2) 车辆进厂前出示车辆有效证件和领料单, 门岗核查信息无误后, 为其办理临时磁卡。

(3) 车辆到达门岗, 经门岗检查车辆与系统相符后, 为其办理进厂确认。

(4) 车辆到磅房持卡计量皮重。

(5) 车辆到达装载岗位。

(6) 车辆到达取样岗位, 取样完成后由操作人员为其办理取样确认。

(7) 车辆到磅房持磁卡计量毛重。

(8) 车辆到门岗刷卡出厂, 经门岗操作人员核查信息无误后, 为其办理出厂确认。

(9) 车辆业务完成后, 向门岗交回临时磁卡, 换回自己有效证件。

3.3 车辆厂区行驶路线结构图

4 车牌系统构成

前端系统主要由三个模块构成:汉王识别、车检器控制道闸、卡感应器。

4.1 识别

识别是系统的核心部分, 我们的测速系统可24小时对经过监控点位进行车辆牌照自动识别。

4.2 控制道闸

道闸的起落是否稳定直接关系到系统的稳定程度, 我们的道闸已经过数月测试, 没有明显疏漏, 基本稳定, 可以运行。

4.3 卡感应器

卡感应器是否灵敏直接关系到自动程度的实现, 如果再感应区出现问题, 那么整套自动化体系就会土崩瓦解没有意义。在正式运行前我们已经经过很长时间的感应测试, 确定没问题以后进行了设备安装。

5 结语

随着车牌识别技术的不断成熟与发展, 其应用也得到大面积普及推广。就目前的建设来看, 车牌识别技术已逐渐演化成为ITS的基础应用技术, 并发挥着日益重要的作用。作为道路监控必不可少的技术手段, 相信未来对于车牌识别现存问题的解决必然带动整个智能行业进入一个新的发展阶段。

参考文献

[1]陆福宏.车牌识别技术在智能交通系统中的应用[J].中国科技博览, 2010 (12) :3 02.

基于图像处理的车牌识别研究 篇6

关键词：图像处理 车牌定位 字符分割 字符识别

中图分类号：TN91 文献标识码：A 文章编号：1674-098X（2015）06（a）-0020-02

Abstract：Algorithms of License plate recognition are researched in this paper.Firstly，Canny operator and morphological operation are employed on image after graying and threshold to locate the license plate.Secondly，vertical projection is used for character segmentation.Thirdly，the template matching algorithm is carried out for character recognition.Simulation results in Matlab show that the algorithm here can identify the license plate effectively.

Key Words：Image Processing License Plate Location Character Segmentation Character Recognition；

车牌识别不仅可用于公路布控、高速公路上的事故自动测报、小区车辆管理等，还是智能交通的核心环节。国内外学者对基于图像的车牌识别进行了很多研究，但目前还没有一种车牌识别算法可以获得非常理想的识别效果。车牌识别的流程一般是车辆图像的预处理、车牌定位、字符分割和字符识别。该文针对静态图像的车牌识别，研究了基于边缘检测和形态学滤波的车牌定位，基于投影算法的车牌字符分割和基于模板匹配算法进行车牌字符识别，并进行了仿真分析。

1 车牌图像预处理

车牌颜色种类较多，不同颜色的车牌灰度化后可以统一处理。阈值分割可以将目标区域和背景分割开来，方便后续定位和识别。该文首先采用加权平均值法对图像进行灰度化，然后采用otsu算法进行阈值分割，得到的灰度图和二值图如图1和图2所示。

可见，灰度化后的图像没有丢失主要信息；二值图消除了大部分背景信息，较准确的分割出了车牌区域，有利于后续的车牌定位和提取。

2 车牌定位与提取

2.1 车牌定位

该文采用边缘检测和形态学操作进行车牌定位。边缘检测能显示图像的大体轮廓，但检测后的车牌边缘是不连续的。形态学处理中闭运算可以使图像的轮廓线更为光滑，消除狭窄的间隙和细长的鸿沟，消除小的孔洞，弥补轮廓线中的断裂，开运算能消除细小部分[1]。

对灰度化和二值化后的图像进行Canny边缘检测，如图3所示。可见，目标边缘被比较完整的检测出来了，但边缘连续、不完整的情况依然严重，很多背景边緣信息也被保留了。为改善效果，对边缘检测后的图像进行形态学操作。进行一次闭运算和两次开运算，结果如图4所示。形态学操作较准确的定位了车牌区域，并消除了部分干扰和小连通域。

2.2 车牌提取

车牌具有一定的长度和宽度，因此车牌定位后的图像上，非零像素点集中在某些行和列上，可以根据这一特点进行车牌提取。对形态滤波后图像进行行、列方向上的像素点扫描，统计得到像素值和，据此确定车牌的起始位置和终止位置[2]。图5和图6为车牌在行、列方向上的像素值和，车牌行方向像素集中在900～1200区域，车牌列方向像素集中在1600～2300区域，其它区域的像素则为干扰。

车牌具有一定的宽高比，可以排除干扰。最后可分割出车牌图像如图7所示。

3 车牌字符分割

车牌字符之间存在均匀的间隔，在垂直方向上的投影峰谷交替，因此可以利用垂直投影法提取字符[3]。垂直投影如图8所示，垂直投影共八个区域，其中在300～400列间的区域对应园点。可根据垂直投影方便的分割出每个独立字符。为了字符识别的准确性，将分割出的字符图像进行归一化处理[4]，如图9所示。

4 车牌字符识别

该文使用的是模板匹配法实现的字符识别，其基本思想是将归一化的字符与预先建立的模板库中的字符进行匹配，模板库中的字符与车牌字符相似程度最高的就是匹配结果。模板匹配法实现简单且识别率高，是车牌字符识别的主要方法[5]。

该文采用了一种快速匹配方法，将车牌字符与模板库中的各字符图像相减，得到差值图像，计算差值图像的像素的绝对值和，该值表示了车牌字符和模板库字符之间的误差。最小误差所对应的模板库字符就是匹配字符。以数字“6”的模板识别为例进行说明。表1所示为数字6的模板匹配情况，可见最小误差对应的模板库字符为“6”，该方法可正确识别。

5 结语

该文采用灰度化和阈值法进行了图像预处理，采用Canny缘检测和形态学操作进行了车牌定位，采用基于垂直投影的垂直切分算法对车牌进行了字符分割，采用模板匹配的算法对车牌字符进行了识别。仿真结果表明，设计的车牌识别算法可有效地实现车牌识别。

参考文献

[1]闫敬文.图形图像处理（MATLAB版） [M].北京：国防工业出版社，2007：79-82.

[2]袁卉平.基于MATLAB的车牌识别系统的设计与研究[J].工业控制计算机， 2010，23（10）：73-74.

[3]陈宁宁，苏坤.基于MATLAB的车牌识别系统研究与实现[J].电子测试，2013， 22（2）：67-68.

[4]刘忠杰，宋小波，何锋，等.基于MATLAB的车牌识别系统设计与实现[J].微型机与应用， 2011，30（14）：37-40.

车牌识别系统的应用 篇7

摘要：从本质上来说，模式识别是一种分类方法，不需要通过过程数学模型就可以实现高级决策，因此在很多控制领域都有非常重要的作用。模式识别在过程控制系统中应用具有很大的优越性，能够解决过程控制系统中的复杂问题。因此，本文主要分析了模式识别方法在过程控制系统中的应用，并指出其未来的研究方向与趋势。

关键词：模式识别；过程控制系统；故障诊断；自整定控制

近年来，模式识别在工业控制系统得到了广泛应用，能够有效改善控制系统的运行质量，对于提高控制精度也大有裨益。为此，本文着重探讨了模式识别在过程控制中的具体应用，并且指出了现在的研究成果、研究方向和未来的发展趋势，希望对模式识别在过程控制系统的应用起到参考和借鉴作用。

1 模式识别方法的产生及作用

模式识别方法产生于20世纪60年代，并在之后得到了快速的发展，利用这种方法可以有效地描述、分析和识别模式。具体而言，模式识别的处理方法有很多，概括起来主要有以下四种：第一，统计决策；第二，语言结构；第三，智能识别；第四，模糊识别。统计决策主要建立在决策理论的基础上，基于随机的模式，之后提取它的形状和纹理，并用参量或非参量的形式体现出来。语言结构的方法是将字词等原始的语言结构重新组合，字词间的关系主要依靠语法规则体现出来。模糊识别方法的创始人是L.A.Zadeh，这种方法的理论基础是模糊数学。最后，智能识别的方法是模式识别的进一步发展。

在过程控制系统中，模式识别具有非常重要的意义，能够有效解决普通机理建模方法的弊端。这一方法主要通过控制操作参数、输出和过程信息之间的关系，对生产工况进行预测与控制，从而有利于达到科学决策的作用。如今，模式识别可以运用到更加先进的方法与硬件，其优越性得以进一步显现，在控制系统领域一定会得到更加广泛的应用。

2 模式识别在过程控制系统中的应用

2.1 系统结构识别

自从20世纪70年代开始，模式识别就能够有效解决系统辨识，在控制领域成了一个热门研究项目。G.N.Saridis等研究人员将结构识别的方法运用到非线性系统之中，主要将非线性系统作为主要的研究对象，成为决策的重要理论依据。结构识别的方法也可以通过研究互相关函数，在应用K近邻法的理论基础上，将非线性随机系统划分为已知类别，并运用了随机逼近学习理论中的相关参数，达到对整个系统的识别与控制。

之后，出现了J.Kittler等研究人员，这些人员在运用Saridis等人研究成果的基础上，有效解决了非线性系统中的结构辨识问题。W.J.Hill在生物系统辨识领域中也应用了这一方法。M.Cadaparthi对分布参数系统进行了深入研究，是对模式识别概念的进一步发展。首先，通过分析验前信息，从而通过计算得到系统数学模型。在输入系统中的有效信息之后，运用观测向量得到模式向量，再通过模式向量得到决策结果。由此可知，决策结果是依据模型结构得出的，可以看作是模型结构的解。

2.2 动态建模与状态估计

如果技术人员对模型结构不清楚，所有数据也都是从系统中得来，除了要依靠模型结构进行辨识以外，还需要依靠相关参数才能达到模式识别的作用。另外，只有通过模式识别，才能有效地建立动态模型。具体而言，动态建模与状态估计的主要建立过程如下：首先，需要设定一个非线性SISO系统，之后再运用计算公式DE：x（k+1）=f（x（k），u（k）），在模型结构未知的前提下，我们可以将x（k+1）的值域划分为R个子域，即【ximin，ximax】（i=1，…，R；ximax=xi+1min），如果根据已知的x（k）与u（k），就可以通过分类的方法，计算得知x（k+1）的子域范围，这样就能够起到描述DE动态特性的作用。

2.3 智能与优化控制

从理论上来说，模式识别借鉴了行为科学中的很多理论成果，不仅具有记忆与学习的功能，同时具有较强的适应性。因此，模式识别可以有效应用到研究结构不确定，或者随机环境结构中，对于系统结构分析与决策有非常重要的作用。

假定控制过程未知，仅能从输出定性关系表现模型，x（k+1）=F（x（k），u（k）），y（k）=G（x（k））。在上述公式中，x（k）属于状态向量，而y（k）属于离散时间输出向量，u（k）则属于控制输入向量。在这一控制理论模型中，最主要的目的是要找出过程持续阶段的控制序列，提高预测与判断的精准度，尽量降低性能准则J（u）的数值。

在过程控制系统中，模式识别得到了有效运用，出现了很多智能化的模式控制方案。在最优控制的前提下，Smith在控制系统中引入了可训练模式分类器，之后K.S.Fu还研究出了再励学习系统，将“奖优罚劣”的原则贯彻其中，并对LQG系统进行了深入研究，提出了子目标的系统划分方法。以上研究发现在过程控制系统中都得到了广泛应用，其理论还在卫星姿态控制、核反应堆控制系统等领域都得到了应用。另外，在Bayes学习法的基础之上，Saridis也拓展了模式识别的应用领域，将其应用到未知参数系统的控制中，并实现了渐进最优控制的目标。最后，一些学者还在机械手、热轧机和交通系统等领域应用模式识别，极大地拓展了模式识别的应用范围。

2.4 自整定控制

自整定控制的主要标准参数是PID，控制过程分为两大部分：第一，获取充分的过程特性；第二，优化控制器中的相关参数。通常来说，过程特性的获得必须在线进行，但是控制器参数的优化在离线状态下也可以进行。当前，PID参数自整定通常都运用离线的方式，通过整定规则来获得。由此可见，过程特性的获取尤为重要，是得出在线计算量的前提，需要借助过程模型体现出来，因此获取特性的过程就是模式识别的过程。过程模型需要依靠专业的辨识技术，但是如果运用PID进行参数自整定的话，所采用的方法就属于闭环辨识，需要尽量控制对闭环系统的扰动，在辨识方法和程序上较为简便。根据模式识别的应用实践来看，模型辨识方法也存在很多弊端。第一，开展模型辨识的过程需要相应激励，会对闭环系统产生扰动作用；第二，模型辨识需要符合实际情况，并且需要精准地辨识相关模型参数。据此，目前又产生了一种新型的自整定控制方法，即专家自整定方法。这种控制方法以模式识别为基础，是建立在工程师的专业知识之上的，通过在线识别的方式对相关参数进行整定。这种方法具有较强的适应性，同时具备性能好的特点。但是，如果这种自整定方法不具备模式判断知识，或者由于其他原因使专家系统产生错误，就会导致控制系统的发散效应。因此，这种自整定方法仍需进一步修改与完善。

3 结语

模式识别在过程控制系统中的应用已日趋广泛，但仍面临很多问题，需要进一步地妥善解决。今后，模式识别的应用应当注重过程控制系统的复杂性，利用专家系统法提高算法速度，并达到实时控制的目标。同时，要探索模式识别在过程控制应用的新领域，充分发挥模式识别的作用，拓展模式识别的应用范围。

参考文献：

[1]邱道尹，陈铁军，韩兵，吴天福.模式识别在控制系统中的应用[J].郑州工学院学报，1995（03）.

[2]胡泽新，蒋慰孙.模式识别在过程控制系统中的应用[J].信息与控制，1990（06）.