為了實(shí)現(xiàn)礦用地磅車輛稱重管理的規(guī)范化、現(xiàn)代化和智能化等需求，有必要在地磅管理系統(tǒng)中引入車牌識(shí) 別技術(shù)。針對(duì)單一特征提取方法識(shí)別車牌效果不理想的現(xiàn)狀，將信息融合用于車牌字符的識(shí)別，實(shí)現(xiàn)不同信息源的 優(yōu)勢(shì)互補(bǔ)。利用互補(bǔ)的信息以降低礦用地磅車牌識(shí)別系統(tǒng)的錯(cuò)誤率，提高系統(tǒng)的穩(wěn)定性，對(duì)提高出入煤礦地磅車輛 的自動(dòng)化管理都具有現(xiàn)實(shí)意義。

1.引言

隨著采煤技術(shù)的不斷改進(jìn)、采煤設(shè)備的曰趨先進(jìn)以及對(duì) 能源需求的不斷增長(zhǎng)，煤礦產(chǎn)量得到很大的提高，地磅車輛 的稱重工作也隨之變得曰常繁重，對(duì)出入碚車輛進(jìn)行規(guī)范、 高效、現(xiàn)代化管理顯得更加迫切。在以往的稱重管理方式中， 完全靠人工記錄車輛信息、稱重信息、資金情況以及信息的 統(tǒng)計(jì)匯總等，并由人工指揮車輛出入碚。這種靠人工來記錄 的方法不僅工作強(qiáng)度高、作業(yè)效率低、容易出現(xiàn)安全事故， 而且漏收、誤收現(xiàn)象比較嚴(yán)重，出錯(cuò)概率較高；其次，由于 缺乏有效的監(jiān)督，人為可作弊行為可能性極大，都將可能導(dǎo) 致企業(yè)的資產(chǎn)流失；并且獲取的數(shù)據(jù)不能通過網(wǎng)絡(luò)傳輸實(shí)現(xiàn) 實(shí)時(shí)共享，而是憑借手工填寫單據(jù)，送交財(cái)務(wù)、銷售、倉庫 等其他相關(guān)部門，難以及時(shí)了解礦內(nèi)車輛的作業(yè)動(dòng)態(tài)，也不 方便進(jìn)行及時(shí)有效的管理。

因此，有必要在地碚管理系統(tǒng)中引入車牌識(shí)別技術(shù)，自 動(dòng)識(shí)別出入碚車輛，對(duì)車輛身份進(jìn)行唯一性認(rèn)證、自動(dòng)登記 并驗(yàn)放車輛，實(shí)現(xiàn)過碚車輛監(jiān)控和管理自動(dòng)化。車牌識(shí)別一 般可分為車牌定位、字符分割和字符識(shí)別3大部分。為了更 有效地構(gòu)造一個(gè)高性能的車牌識(shí)別系統(tǒng)，在對(duì)車牌字符輪廓、 投影和網(wǎng)格編碼特征提取的基礎(chǔ)上，利用SVM在解決小樣 本、高維數(shù)和非線性模式識(shí)別問題中良好的分類能力以及D- S證據(jù)理論具有直接表達(dá)不確定、不完全信息的優(yōu)勢(shì)，利用 D-S證據(jù)理論融合單特征的SVM字符識(shí)別信息，構(gòu)建信息融 合的礦用地碚車牌識(shí)別系統(tǒng)，充分運(yùn)用了各特征的冗余互補(bǔ) 信息，大大提高了識(shí)別的準(zhǔn)確性和可信度，為提高企業(yè)經(jīng)營(yíng) 運(yùn)作的高效率和高效益有十分重要的意義。

2.信息融合理論基礎(chǔ)

在人類辨識(shí)外界事物的過程中，通常根據(jù)來自不同感覺 器官獲得的關(guān)于目標(biāo)的多種特征信息，并利用各種已有不確 定的知識(shí)來判斷目標(biāo)種類。在工程實(shí)踐中也存在類似的情 況，經(jīng)常要求根據(jù)一些經(jīng)驗(yàn)知識(shí)以及多種特征對(duì)事物的種類 進(jìn)行判斷。信息融合（Information Fusion)就是指采集并集 成各種信息源、多種媒體和多種格式信息，從而生成完整、 準(zhǔn)確、及時(shí)和有效的綜合信息的過程。信息融合的方法很 多，包括：加權(quán)平均法、數(shù)理統(tǒng)計(jì)法、神經(jīng)網(wǎng)絡(luò)法、Kalman 濾波、Bayes推理方法和證據(jù)決策推理方法。信息融合方法 中，D-S證據(jù)理論在不完全、不確定、不清晰信息的表示、 組合、決策方面具有明顯的優(yōu)勢(shì)，是決策級(jí)信息融合的經(jīng)典 理論。

D-S證據(jù)理論是基于“證據(jù)”和“組合”來處理不確定 性推理問題的決策級(jí)融合方法。D-S證據(jù)理論定義待識(shí)別的

3.字符特征提取

不同的特征提取方法對(duì)識(shí)別韋有肴不同的影響，單一特 征只能反映宇符的某一《性，并不能提供宇符的完整信息。 為了彌補(bǔ)單一特征提供的信息馕不足的缺點(diǎn)，對(duì)宇符輪靡特 征、投影特征和網(wǎng)格編砑特征分別進(jìn)行提取.

輪廓特征提取方法是從上、下、左、右4個(gè)方向依次掃 描圖像，記錄第一次遇到宇符像素時(shí)離邊界的距離，然后將 上、下、左、右4個(gè)方向的特征合并就能得到宇符的輪廓特 征。字符輪廓特征提取示意如圖1所示；投影特征提取方法 是沿水平和垂直方向依次掃描圖像，統(tǒng)計(jì)宇符白像索數(shù)和邊 緣跳變次數(shù)，將水平、垂直方向統(tǒng)計(jì)的宇符分布向量組合成 宇符的投影特征。投影特征提取如2所示；網(wǎng)格編碼特征 提取方法是將閿像均勻劃分為聞定的網(wǎng)格，以規(guī)定的網(wǎng)格編 碼規(guī)則紿各網(wǎng)格分配編碼值，然后將所冇網(wǎng)格的編碼值組合 在一起形成維數(shù)為網(wǎng)格數(shù)目的特征向討..網(wǎng)格編碼特征提取 如闬3所示。

4.多特征融合識(shí)別

對(duì)于每個(gè)類中要識(shí)別的宇符，進(jìn)行多特征提取方法以用于 信息融合,，對(duì)預(yù)處理后的車牌字符圍像分別進(jìn)行輪廓、投影 和網(wǎng)格編碼特征的提取，得到不同特征的目標(biāo)信息，將目標(biāo) 信息分別進(jìn)行SVM多分類識(shí)別，產(chǎn)生待識(shí)別目標(biāo)的初步分類 結(jié)論和基本概率賦值，經(jīng)D-S證據(jù)理論融合來自不同特征的 識(shí)別信息，根據(jù)決策規(guī)則得到最后的識(shí)別結(jié)果。基于信總?cè)?/span> 合的車牌識(shí)別模型如圖4所示。

6結(jié)語

實(shí)際的礦用地磅應(yīng)用環(huán)境中有很多因素會(huì)對(duì)車牌宇符識(shí) 別產(chǎn)生影響，如天氣、光照強(qiáng)度、雨霧、粉塵等自然因素； 拍攝角度、鏡頭聚焦、機(jī)械抖動(dòng)、圖像分辨率、圖像失真 機(jī)器視覺因素：車輛運(yùn)動(dòng).車牌污損、車牌形態(tài)變化等車牌 因素和圖像處理的誤差積祺等技術(shù)因素等。以上因素導(dǎo)致在 礦用地磅車牌識(shí)別時(shí)，很難僅僅依鉺輪廓特征、投影特征和 網(wǎng)格編碼特征等單一特征做出確定性判斷，致使基于單特征 的識(shí)別方法準(zhǔn)確率低、可鉺性和穩(wěn)定性差，《至同一對(duì)象采 用不同特征判別式結(jié)果會(huì)出現(xiàn)沖突。因此，融介車牌字符的 多種特征信息.通過決策判決得到?終推斷結(jié)果是提高礦用 地磅午牌識(shí)別準(zhǔn)確肀和可帒性的冇效途徑。

基于倍息融合的礦用地磅車牌識(shí)別系統(tǒng)可以改辯和提高 出人磅車輛的自動(dòng)化管理水平；實(shí)現(xiàn)物資有序流通和保證企 業(yè)財(cái)產(chǎn)安全；為礦用地磅懺理系統(tǒng)的升級(jí)和改造提供依據(jù)； 輔助企業(yè)達(dá)到快捷、效、安全、實(shí)用、規(guī)范等懺理目標(biāo)。