Báo cáo nghiên cứu khoa học: Nhận dạng biển số xe

Báo cáo nghiên cứu khoa học: Nhận dạng biển số xe được thực hiện nhằm nghiên cứu về những vấn đề bất cập của bãi giữ xe hiện nay và xây dựng một mô hình hệ thống quản lý bãi giữ xe tự động. Mời các bạn tham khảo bài báo cáo để nắm bắt nội dung chi tiết.

TR NG Đ I H C L C H NG KHOA ĐI N - ĐI N T W X BÁO CÁO NGHIÊN C U KHOA H C ĐỀ TÀI: NH N D NG BI N S XE NGUY N PH M ANH TU N BIÊN HÒA, THÁNG 12 NĔM 2010 TR NG Đ I H C L C H NG KHOA ĐI N - ĐI N T W X BÁO CÁO NGHIÊN C U KHOA H C Đ TÀI: NH N D NG BI N S GVHD SVTH XE : Th.S PHAN NH QUÂN : NGUY N PH M ANH TU N BIÊN HÒA, THÁNG 12 NĔM 2010 Lời c m n Sau bốn năm đ i học, th i điểm định thành qu học t p c a sinh viên.Và đề tài nghiên c u khoa học b ng báo cáo cho thành qu học t p Để hồn thành tốt đề tài này, trước tiên, em xin chân thành c m ơn thầy cô ban giám hiệu trư ng ĐH L c Hồng nói chung thầy khoa Điện – Điện tử nói riêng t o điều kiện giúp đỡ chúng em trình học t p nghiên c u Kế đến, em xin chân thành gửi l i c m ơn đến thầy Phan Như Quân, giáo viên hướng dẫn ngư i nhiệt tình b o cho em suốt q trình hồn thành đề tài Cuối xin gửi l i c m ơn đặc biệt đến gia đình ln chỗ dựa vững ch c t o điều kiện tốt cho em học t p M cl c Trang bìa ph L i c m ơn M c l c L i mở đầu Ch ơng 1: GI I THI U V Đ TÀI 1.1.Lý chọn đề tài 1.2.Nội dung đề tài 1.3.Giới h n đề tài 1.4 Mục tiêu Ch ơng 2: CH P NH B NG WEBCAM Ch ơng 3: TÁCH BI N S 3.1.Tổng quan tách biển số 3.2 Tìm vùng màu tr ng 3.3.Xác định vùng ch a biển số 10 3.4.C t vùng ch a biển số 11 3.5 Tìm góc nghiêng xoay: 14 3.5.1 Biến đổi Radon: 14 3.5.1.1 Tổng quan biến đổi Radon 14 3.5.1.2 Các bước thực 15 3.5.2 Tìm góc nghiêng xoay 16 3.6.C t biển số xác 19 Ch ơng 4: PHÂN ĐO N KÝ T 21 4.1 Tổng quan phân đo n ký tự 21 4.2 Nhị phân biển số xe 21 4.3 Chuẩn hóa biển số 23 4.4.Phân đo n ký tự 23 4.4.1 Chương trình chia đơi biển số 26 4.4.2 Chương trình phân vùng ký tự: 26 4.4.2.1.Chương trình chọn phân vùng lớn 27 4.4.2.2 Chương trình phân vùng 27 4.4.2.3 Chương trình vitricuctieu 28 Ch ơng 5: NH N D NG KÝ T 30 5.1 Tổng quát nh n d ng ký tự 30 5.2 Lựa chọn phương pháp: 31 5.2.1.Phương pháp nh n d ng cổ điển: 31 5.2.2 Phương pháp ng dụng m ng neural: 31 5.3 Giới thiệu m ng neural ( neural networks): 31 5.3.1.Khái niệm: 31 5.3.2 Mơ hình c a m ng neural nhân t o 32 5.3.3 Thiết kế m ng Neural: 33 5.3.3.1 Thu th p liệu: 33 5.3.3.2 Các bước thực hiện: 33 5.3.4 Cơ s ký thuyết gi i thu t cho huấn luyện m ng lan truyền ngược 33 5.3.4.1 Cấu trúc m ng lan tryền ngược 33 5.3.4.2 Huấn luyện m ng lan truyền ngược 35 5.4 ng dụng m ng lan truyền ngược vào nh n d ng ký tự : 37 5.4.1 Thiết kế m ng lan truyền ngược 37 5.4.2 Quá trình nh n d ng 37 5.4.4 Phương pháp tăng kh tổng quát c a m ng 38 5.4.5 Huấn luyện m ng lan truyền ngược 39 Ch ơng 6: M CH ĐI U KHI N 41 6.1 Sơ đồ nguyên lý 41 6.2 Nguyên lý ho t động 42 K T LU N 43 Tài li u tham kh o 44 Ph l c 1: Code c a ch ơng trình MATLAB 45 Ph l c 2: Code c a vi u n 89S52 52 Lời mở đầu Xử lý nh n d ng lĩnh vực từ lâu nhiều ngư i quan tâm Nó ng dụng vào nhiều lĩnh vực như: ¾ Trong y học, c i thiện nh X-quang nh n d ng đư ng biên m ch máu từ nh chụp tia X , ng dụng vào xét nghiệm lâm sang phát nh n d ng u não, nội soi c t lớp… ¾ Trong thiên văn học, hệ thống chụp hình g n tàu vũ trụ h n chế kích thước trọng lượng, chất lượng hình nh nh n bị gi m chất lượng bị m , méo hình học nhiễu Các hình nh xử lý máy tính ¾ Trong lĩnh vực công nghiệp, ngư i máy ngày đóng vai trị quan trọng Chúng thực cơng việc nguy hiểm, địi hỏi có tốc độ độ xác cao vượt kh ngư i Ngư i máy tr nên tinh vi thị giác máy tính đóng vai trị quan trọng Ngư i ta khơng địi hỏi ngư i máy phát nh n d ng ph n cơng nghiệp mà cịn ph i “ hiểu ” chúng “ thấy ” đưa hành động phù hợp Xử lý nh tác động đến thị giác c a máy tính ¾ Ngồi ra, xử lý nh n d ng cịn ng dụng lĩnh vực khác nói đến Công an giao thông thư ng hay chụp nh môi trư ng không thu n lợi, nh thư ng bị nhòe nên cần xử lý nh n d ng để nhìn thấy biển số xe Trong lu n văn ngư i thực xin trình bày ng dụng c a xử lý nh n d ng số NH N D NG BI N S XE Ch ơng 1: GI I THI U V Đ TÀI 1.1.Lý ch n đ tài: Cùng với phát triển khoa học kỹ thu t, nhu cầu l i c a ngư i ngày tăng, lưu lượng giao thông ngày lớn Với số lượng phương tiện giao thơng ngày lớn cịn khơng ngừng tăng việc qu n lý phương tiện giao thông gặp nhiều khó khăn cần có hệ thống tự động Một hệ thống hệ thống nh n d ng biển số xe Đó hệ thống có kh “đọc” “hiểu”các biển số xe cách tự động Trong lu n văn này, ngư i thực xây dựng hệ thống để qu n lý bãi giữ xe b i bãi giữ xe cịn có vấn đề bất c p như: ¾ Tốn nhiều nhân cơng ¾ An tồn chưa cao, cịn x y tượng xe ¾ Vé xe giấy, dễ bị hay nhàu nát 1.2.N i dung đ tài: Cũng hệ thống khác, hệ thống yêu cầu có phần c ng phần mềm Phần c ng có phần WebCam để thu nh n hình nh phần mềm phân tích hình nh để lấy ký tự biển số xe Quá trình thu nh n biển số xe [5] thực theo sơ đồ sau: Tách biển số Phân đoạn ký tự Kết biển số xe: 66K9 0434 Hình 1.1: Sơ đồ trình nh n d ng Nhận dạng ký tự ¾ Tách biển số: khối có ch c tách biển số từ nh chụp phương pháp xử lý nh Kết qu c a khối nh màu RBG (Red Green Blue) c t từ nh chụp Đây cơng việc khó khăn ta khơng biết vị trí xác c a biển số Ngồi ra, phụ thuộc vào độ sáng c a nh chụp ¾ Phân đoạn ký tự: sau tách biển số, b t đầu phân đo n ký tự Khối thực tách kí tự có biển số, t o thành t p nh riêng biệt ký tự phục vụ việc nh n d ng ký tự nh c a ký tự nh tr ng đen ¾ Nh n dạng ký tự: sau phân đo n, tách ký tự biển số t o thành chuỗi ký tự Chuỗi đưa vào khối nh n d ng d ng để tiến hành nh n d ng ký tự chuỗi 1.3.Gi i h n đ tài: Việc có nhiều biển số xe với định d ng độ sáng khác gây khó khăn cho việc nh n d ng Do trình nh n d ng dựa vào phương pháp xử lý nh trích xuất biển số từ nh chụp nên độ sáng khác làm tăng độ ph c t p trình nh n d ng Do th i gian thực đề tài không cho phép nên ngư i thực giới h n biển số điều kiện sau: ¾ Biển số có chữ đen, tr ng, có hàng, số ký tự ¾ Biển số ph i cịn ngun vẹn, khơng bị tróc sơn hay rỉ sét, khơng bị che khuất ¾ Góc nghiêng c a biển số không 450 so với phương ngang ¾ Hình chụp biển số khơng bị m , ký tự biển số phân biệt, nh n d ng trực quan ¾ Khơng bị nhiễu b i ánh sáng làm nh chụp bị chói 1.4 M c tiêu: Trong đề tài này, em đặt mục tiêu sau: ¾ H n chế vấn đề bất c p c a bãi giữ xe ¾ Xây dựng mơ hình hệ thống qu n lý bãi giữ xe tự động Để đ t mục tiêu trên, em tiến hành cơng việc sau: ¾ Tìm hiểu trình xử lý nh n d ng nh ¾ Tìm hiểu hệ thống bãi giữ xe áp dụng Việt Nam Ch ơng 2: CH P NH B NG WEBCAM Đây khâu quan trọng c a hệ thống b i nh chụp bị m hay nhiễu đưa vào nh n d ng khơng Để chụp nh ta sử dụng camera WebCam Khi lựa chọn thiết bị ta cần quan tâm tới thơng số định tới chất lượng nh như: ¾ Đ phân gi i ( resolution) Độ phân gi i lớn chất lượng hình nh nét Thư ng ng dụng khơng cần thiết ph i quan sát th t rõ nét độ phân gi i 420 TV Lines hồn tồn chấp nh n ¾ S m nh ( CCD Total Pixels ) Thơng số nói lên chất lượng hình nh, số điểm nh lớn chất lưọng hình nh tốt, nhiên, chất lượng hình nh tốt đồng nghĩa với dung lưọng nh lớn, tốn nhớ lưu trữ nh hưỏng đến tốc độ đư ng truyền ¾ Đi u ki n ho t đ ng c a thi t b : Cường độ ánh sáng nhỏ ( Minimum Illumination ):Thư ng tính Lux Thơng số nói lên rằng, WebCam(Camera) ho t động cư ng độ ánh sáng lớn cư ng độ ánh sáng nhỏ Trong điều kiện q tối, khơng ph i Camera có ch c hồng ngo i khơng ho t động o Ánh n ng mặt tr i: 4000 lux, có mây: 1000lux o Ánh sáng đèn tuýp: 500 lux, có mây: 300lux o Ánh sáng đèn tuýp đỏ 500 lux, tr ng (300 lux) tr ng sáng 1lux o Đêm không trăng: 0.0001 Lux Xin ý đến lo i Camera quan sát có ch c Auto Iris (Tự động hiệu chỉnh ánh sáng) Đặc điểm c a Camera lo i với nguồn sáng nhỏ, tự động khuyếch đ i nguồn sáng lên để quan sát 39 ¾ Phương pháp ng ng h c s m Phương pháp dùng t p mẫu, t p dùng để huấn luyện, t p dùng để kiểm tra t p dùng để thử l i Trong trình học t p mẫu huấn luyện lỗi c a t p mẫu kiểm tra giám sát Trong trình học t p lỗi c a t p huấn luyện kiểm tra gi m đến lúc lỗi c a t p huấn luyện b t đầu tăng lên, lúc x y việc m ng neural b t đầu khớp với t p huấn luyện Chính v y ta cho dừng q trình huấn luyện, t i th i điểm này, ta có m ng neural có kh tổng quát nhất, lúc lỗi c a t p thử l i ( khơng có t p huấn luyện t p kiểm tra) lỗi c a liệu Hình 5.14: Hàm xấp xỉ m ng ngừng học sớm 5.4.5 Hu n luy n m ng lan truy n ng c: Việc huấn luyện có ý nghĩa định đến độ xác thành cơng c a chương trình Kích thước c a t p mẫu, số neural c a lớp ẩn, kh tổng quát hóa để tránh trư ng hợp khớp c a m ng cần cân nh c tính tốn kỹ lưỡng để tăng độ xác c a trình nh n d ng ký tự Để tăng kh tổng quát c a neural, ta có t p mẫu: t p để huấn luyện, t p để kiểm tra, t p để thử l i Trong trình học, hàm lỗi c a t p kiểm tra b t đầu tăng cho dừng học, th i điểm này, neural có kh tổng quát, lỗi c a t p mẫu thử l i lỗi c a đối tượng đưa vào m ng 40 Số lượng mẫu c a t p mẫu sau: ¾ T p mẫu huấn luyện gồm 30 mẫu cho ký tự số từ đến ¾ T p mẫu dùng để kiểm tra gồm mẫu cho ký tự ¾ T p mẫu dùng để thử l i gồm mẫu cho ký tự Hình 5.15: Hàm lỗi ngừng học sớm để huấn luyện m ng 41 Ch ơng 6: M CH ĐI U KHI N 6.1 Sơ đ nguyên lý: 42 6.2 Nguyên lý ho t đ ng: Sau nh n d ng ký tự biển số xe ra, chương trình tiến hành so sánh chuỗi ký tự với liệu biển số xe vào lưu từ trước Máy tính truyền tín hiệu xuống vi điều khiển 89S52 làm sáng led, led green sáng, sai led blue sáng Tín hiệu từ chân số c a cổng COM vào chân c a Max232, sau tín hiệu từ chân c a Max232 vào chân 10 c a vi điều khiển 89S52 Vi điều khiển kiểm tra tín hiệu truyền xuống Nếu sáng led green, cịn sai sáng led blue Khi led green sáng, tín hiệu truyền xuống, làm quay động 4s sau, đèn Green t t, động tr vị trí ban đầu 43 K T LU N Độ xác c a chương trình nh n d ng biển số xe phụ thuộc vào ánh sáng môi trư ng Tuy nhiên yếu tố ta điều chỉnh Việc nh n d ng ký tự cịn nhiều sai sót khơng có t p mẫu hồn chỉnh Chương trình viết MATLAB gi i toán nh n d ng với dung lượng lớn thực tế, qua gi i yêu cầu c a đề tài Để gi i khó khăn c a đề tài, ngư i thực xin đề xuất số ý kiến sau đây: ¾ Sử dụng camera chun dụng ¾ Thiết l p mơi trư ng ổn định xung quanh để làm tăng độ xác c a nh chụp ( xác định vị trí cố định để chụp nh) ¾ Thu th p nhiều mẫu ký tự để tăng t p mẫu qua tăng độ xác c a chương trình ¾ Sử dụng thẻ mã v ch để làm vé giữ xe 44 TÀI LI U THAM KH O [1] Amin Sarafraz (2004), “Detects lines in a binary image using common computer vision operation known as the Hough Transform”, University of Tehran, Iran [2] [Beal72] Beale, E M L., "A derivation of conjugate gradients," in F A Lootsma, ed., Numerical methods for nonlinear optimization, London: Academic Press, 1972 [3] [Caud89] Caudill, M., Neural Networks Primer, San Francisco, CA: Miller Freeman Publications, 1989 [4] [Cabu92] Caudill, M., and C.Butler, Understanding Neural Networks: Computer Explorations, vols and 2, cambridge, ma: the mit press, 1992 [5] Ondrej martinsky, “Algorithmic and mathematical principles of automatic number plate recognition systems ”, brno 2007 [6] Otsu, N (1979), “A Threshold Selection Method from Gray-Level Histograms”, IEEE Transactions on Systems, Man, and Cybernetics, Vol 9, No 1, pp 62-66 [7] www.Mathworks.com 45 Ph l c 1: Code c a ch ơng trình MATLAB 1.CH P VÀ LƯU NH TỪ WEBCAM: obj = videoinput('winvideo', 1,'YUY2_640x480'); set(obj,'ReturnedColorSpace','rgb'); src_obj = getselectedsource(obj); get(src_obj); vidRes = get(obj, 'VideoResolution'); nBands = get(obj, 'NumberOfBands'); hImage = image( zeros(vidRes(2), vidRes(1), nBands) ); preview(obj, hImage); pause(2); x=getsnapshot(obj); x=imresize(x,[480 640]); imwrite(x,'D:\NCKH\bai lam\x.jpg','Quality', 100); 2.CHƯ NG TRÌNH TÁCH BIỂN SỐ: function [bienso,biensomau]=laybiensohoanchinh(pic1); XSIZE = 50; YSIZE = 150; white_pic=laybienso(pic1); [r]=lp_area_extraction_lap(white_pic,30); n=length(r)/4 for i=1:n x=r(4*i-3); x2=r(4*i-2); y=r(4*i-1); y2=r(4*i); lp_area = pic1(y:y2, x:x2, :); angle = find_angle(lp_area); pic = imrotate(white_pic(y:y2, x:x2), angle, 'bilinear'); [small_pic, xx, xx2, yy, yy2] = improved_lp_area(pic, angle); [image, RECTx, RECTy] = crop_lp(small_pic, lp_area, xx, xx2, yy, yy2, angle); end image = imrotate(lp_area, angle, 'bilinear'); image=image(yy:yy2,xx:xx2,:); cao = length(image(:,1,1)) ; rong=length(image(1,:,1)); if cao > rong image = imrotate(image, -90, 'bilinear'); end biensomau = image; [grayImage, quantImage, bw] = quantizeImage(image); quantImage = imadjust(grayImage, stretchlim(grayImage), [0 1]); bienso=bw; bienso = normalized_lp_contour(bienso, [XSIZE, YSIZE]); 46 return %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% function [vungbienso]=laybienso(x) %C T THÔ mucxam=rgb2gray(x); mucxam=medfilt2(mucxam,[3 3]); threshold=graythresh(mucxam); bw = im2bw(mucxam,threshold); bw = bwareaopen(bw,5000); vungbienso = bw; return %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% function [angle] = find_angle(rgb_image); %TÌM GĨC XOAY gray_image = rgb2gray(rgb_image); theta = (0:179)'; [R, xp] = radon(edge(gray_image), theta); i = find(R > (max(R(:)) - 25)); [foo, ind] = sort(-R(i)); [y, x] = ind2sub(size(R), i); t = -theta(x)*pi/180; r = xp(y); [r,c] = find(R == max(R(:))); thetap = theta(c(1)); angle = 90 - thetap; return; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% function [pic, x1, x2, y1, y2] = improved_lp_area(image, angle); [x1,x2,y1,y2] = detect_lp_area(image, 0); pic = image(y1:y2, x1:x2); return; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% function [x, x2, y, y2] = detect_lp_area (white_pic, spacing); LP_MIN_AREA = 15000; LP_MAX_AREA=74200; LP_MAX_RATIO = 0.8; LP_MIN_RATIO = 0.7; dilated_pic = imdilate(white_pic, strel('diamond', 5)); stat = imfeature(bwlabel(dilated_pic)); depth = -1; for i = : length([stat.Area]) if stat(i).BoundingBox(2) >= depth && stat(i).Area > LP_MIN_AREA && stat(i).BoundingBox(4) = (LP_MIN_RATIO)*stat(i).BoundingBox(3) && stat(i).Area >= max([stat.Area])/3.5 depth = stat(i).BoundingBox(2); end; end; 47 r = []; for i = : length([stat.Area]) if stat(i).BoundingBox(2) == depth && stat(i).Area > LP_MIN_AREA && stat(i).BoundingBox(4) = (LP_MIN_RATIO)*stat(i).BoundingBox(3) && stat(i).Area >= max([stat.Area])/3.5 r = [r stat(i).Area]; end; end; if(length(r) == 0) index = (find([stat.Area] == max([stat.Area]))); else index = (find([stat.Area] == max(r))); end; x = max(floor(stat(index).BoundingBox(1) - spacing), 1); y = max(floor(stat(index).BoundingBox(2) - spacing), 1); width = ceil(stat(index).BoundingBox(3) + 2*spacing); height = ceil(stat(index).BoundingBox(4) + 2*spacing); y2 = min(y + height, size(white_pic, 1)); x2 = min(x + width, size(white_pic, 2)); return; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% function [image, RECTx, RECTy] = crop_lp(pic, lp_area, x1, x2, y1, y2, angle); rec = find_lp_location(pic); image = imrotate(lp_area, angle, 'bilinear'); image = image(y1:y2, x1:x2, :); RECTy = [rec(2), rec(2), rec(2) + rec(4), rec(2) + rec(4)]; RECTx = [rec(1), rec(1) + rec(3), rec(1) + rec(3), rec(1)]; image = imcrop(image, rec); return; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% function [rec] = find_lp_location(im); p1 = sum(im); [x1, x2] = find_contours(p1); p2 = sum(im'); [y1, y2] = find_contours(p2); rec = [x1, y1, x2-x1, y2-y1]; return; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% function [index1, index2] = find_contours(vec); avg = mean(vec); for j = : length(vec) if(vec(1,j) = val) && s(1) ~= 1) s = [1 s]; 50 end; if((t(1, length(t)) >= val) && s(length(s)) ~= length(t)) s = [s length(t)]; end; s = add(s, offset - 1); s = clean(s, 3); while bad_digit(s, digit_width) == for i = 1: (length(s) - 1) if (s(i + 1) - s(i)) > digit_width sub_vec = t(1, s(i) - offset + : s(i+1) - offset + 1); s = [s(1 : i) vitricuctieu(sub_vec, val + 1, s(i), digit_width) s(i+1 : length(s))]; end; end; end; return; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% function [bool] = bad_digit(s, digit_width); if length(s) == bool = 0; return; end; tmp = s(1); bool = 0; for i = : length(s) if(s(i) - tmp) > digit_width bool = 1; return; end; tmp = s(i); end; return; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% function [t] = clean(s, val); t = []; len = length(s); i = 2; j = 1; while i val t(j) = s(i-1); 51 j = j + 1; end; t(j) = s(i); j = j + 1; i = i + 1; end; return; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% function [t] = add(s, val); len = length(s); t = []; for i = 1:len t(i) = s(i) + val; end; return; 4.NHẬN DẠNG KÝ TỰ: function number2 = nhandangsonoron2(hang2, seg2, netso) load 'netso.mat'; number2 = []; for i = 1:size(seg2, 1) input = hang2(:, seg2(i,1) : seg2(i,2), :); rec = nhandangsonoron(netso, input); number2 = strcat(number2, rec); end return; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% function so = nhandangsonoron(net,input ) matranmau=[35 20]; input = imresize(input, matranmau, 'nearest'); input=bwareaopen(input,60); vec = double(im2col(input, size(input), 'distinct')); rslt = sim(net, vec); [Y,I] = max(rslt); num = I-1; so = char('0' + num); return; 52 Ph l c 2: Code c a vi u n 89S52 RS BIT P2.3 RW BIT P2.4 EN BIT P2.5 ORG 0000H LJMP MAIN ORG 0023H LJMP INT_SERIAL ORG 0030H MAIN: MOV IE,#10010000B MOV TMOD,#00100001B MOV PCON,#00000000B MOV SCON,#01010000B MOV TH1,#-3 SETB TR1 MOV R1,#0 MOV R0,#"D" MOV P2,#0FFh INT_SERIAL: JNB RI,EXIT_SERIAL MOV A,SBUF CJNE A,#"A",TTO CPL p2.2 LCALL TRANF LCALL DELAYHT CPL p2.2 CLR RI RETI TTO: CJNE A,#"B",EXIT_SERIAL CPL p2.3 53 LCALL TRANF LCALL DELAYHT CPL p2.3 CLR RI RETI EXIT_SERIAL: CLR TI RETI TRANF: CPL p2.4 CLR ES MOV SBUF,A JNB TI,$ CLR TI CPL p2.4 SETB ES RET DELAY: MOV 77H,#255 DJNZ 77H,$ RET DELAYHT: MOV 7CH,#16 MOV 7EH,#255 LCALL DELAY DJNZ 7EH,L DJNZ 7CH,K K: L: RET END ... vị biển số xe, tiến hành c t biển số xe Biển số xe c t theo bước Bước c t vùng rộng vùng ch a biển số Sau tìm góc nghiêng c a biển số thực xoay biển số phương thẳng đ ng Bước hai c t biển số. .. ký tự biển số xe Quá trình thu nh n biển số xe [5] thực theo sơ đồ sau: Tách biển số Phân đoạn ký tự Kết biển số xe: 66K9 0434 Hình 1.1: Sơ đồ trình nh n d ng Nhận dạng ký tự ¾ Tách biển số: khối... ng S_pixel_tr ng { S_pixel_tr ng = start(i).Area } Diện tích biển số S _biển số { S _biển số = W × H } 11 Tỉ số kích thước c a biển số 0.75 bị nghiêng 0.91 Hình 3.6: Hình d ng biển số bị nghiêng