车牌识别系统需求分析模板

1、车牌识别系统需求分析文档车牌识别系统需求分析小组组长：*组员：*目录1 引 言 11.1 编写目的 11.2 背景 11.3 定义 11.4 参考资料 22 任务概述 32.1 目标 32.2 用户的特点 32.3 假定和约束 33 用例分析 （或数据流程分析 ） 53.1 系统 Actor分析 53.2 系统用例描述 64 动态行为模型 165 系统流程分析 196 系统开发及运行环境规定 237 小 结 24- II -1.1 编写目的目的：文档编写详细的描述了整个车牌定位与识别的过程， 能够帮助使用该系统的人员快速了解该系统的用法。面向人员：需要利用车牌定位与识别系统进行机器学习的学 生

2、。需要用车牌系统去识别车牌的交通警察“车牌定位与识别系统”管理员1.2 背景系统名称 : 车牌定位与识别系统系统开发者 : “车牌定位和识别系统”开发组。开发该系统基于 版本和 Visual Studio2013 依赖于 1.3 定义SVM: 支持向量机ANN: 人工神经网络高斯模糊- 1 -二值化灰度化Soble 算子1.4 参考资料软件工程 Ian Sommerville 著 程成 等译 机械工业 出版社软件工程及应用 张斌、郭军主编 东北大学出版社2 任务概述2.1 目标通过视频图象的检测与识别 , 可以实时检测交通违章现 象、识别违章车辆的车牌号码，为公安交通管理部门提供强 有力的执法

3、证据。因此，研究交通图象检测与处理方法对智 能交通运输系统的发展具有重要的推动作用。本系统着力对 车牌的识别过程进行研究和实现，最终能够识别出图片上的 车牌信息。此外，本系统涉及到机器学习的内容，因此可以 供喜欢机器学习的学生进行学习。2.2 用户的特点该系统的目标用户为交通警察、 学生和管理人员， 对于交 通警察和学生来说只需能熟练操作电脑即可，对于管理人员 则需要掌握机器学习相关知识。2.3 假定和约束该系统在 Windows 系统下开发，但会受到经费、寿命、社会等因素限制， 预计开发期限为 1 年，使用期限为 5 年以3 用例分析 （或数据流程分析 ）3.1 系统 Actor 分析通过系

4、统分析，我们有以下三个 Actor ，包括研究生，交通 警察和系统管理员。（1）研究生 想利用这个系统进行相关机器学习与计算机视觉研究 的学生，他可以得到系统中支持向量机（ SVM ），人工神经 网络（ANN）的训练参数，以便他自己进行研究。他可以得到 系统中间输出结果，经过图像处理的车牌矩形块作为数据来 源进行学生自己的训练数据。可以得到中间结果 SVM 判断 出来的车牌区域，作为自己研究字符块处理的数据来源。可 以得到系统中间结果切割后的字符块处理，作为自己训练人 工神经网络的输入数据来源。（2）交通警察 利用该系统进行平时交通中违规车辆车牌的自动检测。可以根据监视器抓拍的图片进行批量导入

5、系统，得到车辆车 牌号信息进行存档。也可以根据检测效果上传检测效果不好 的图片给系统。（3）系统管理员 可以对系统中支持向量机和人工神经网络模型进行设置参数，便于得到好的训练效果。可以对不同的环境图片进 行不同的SVM和ANN训练，以便使系统有更好的鲁棒性。 系统管理员可以有权查看交通警察传来的图片进行重新训 练模型用来改善效果。3.2系统用例描述列出所有用例及其用例描述:学生用例图如图3.1 :图3.1学生用例图（1 ）获取训练参数相关研究的学生通过该系统获取训练参数的过程。用例说明如表3.1所示。表3.1获取训练参数用例说明用例名称获取训练参数用例描述获取SVM和ANN模型训练主执行者参数

6、触发条件学生后置条件学生主动使用该系统基本事件流学生得到SVM和ANN训练参数1. 进入获取参数界面2. 点击获取参数选型异常事件流3. 提交4. 系统返回SVM和ANN训练参数获取参数数据错误(2)获取可能车牌区域当执行完颜色定位和 sobel算子定位后，利用已经训练 好的SVM模型可以得到原始图片中的车牌区域。用例说明 如表3.2所示。表3.2获取可能车牌区域用例说明用例名称获取可能车牌区域用例描述获取原始图片中可能车牌区主执行者域触发条件学生后置条件学生主动使用该系统基本事件流得到一系列矩形区域1.学生进入获取车牌区域界面2点击获取车牌区域选项3.提交异常事件流获取车牌区域失败(3)获取

7、切割后的字符块根据前面得到的矩形块进行形态学处理，分割成一系列字符块，作为学生训练自己神经网络的输入数，用例说明如表3.3所示。表3.3获取切割后的字符块用例说明用例名称获取切割后的字符块用例描述根据形态学处理，分割成一8 -系列字符块主执行者学生触发条件学生主动使用该系统后置条件得到一系列字符块数据基本事件流1.学生进入获取字符块数据界面2.点击获取字符块数据选项3.提交异常事件获取字符块数据失败(3 )获取车牌获取SVM模型检测出来的车牌，用例说明如表3.4所示。表3.4获取切割后的字符块用例说明用例名称获取车牌用例描述获取SVM 模型检测出来的车牌主执行者触发条件学生后置条件学生主动使用

8、该系统9 -基本事件流得到一系列车牌数据1. 学生进入获取车牌块界面2. 点击获取车牌数据选项3. 提交异常事件获取车牌数据失败交通警察用例图如图 3.2 :图3.2交通警察用例图(1 )识别车牌交通警察使用该系统进入识别车牌界面，获取每张图片中车牌号的具体信息进行后续处理，用例说明如表3.5所示表3.5 识别车牌用例图说明用例名称识别车牌用例描述得到图片中车牌的车牌号码-10主执行者交通警察触发条件交通警察主动使用该系统后置条件获取到的车牌号存入文件或基本事件流数据库1. 交通警察进入识别车牌界 面2. 选取识别车牌选项异常事件3.提交SVM或者ANN模型训练出错(2)上传处理效果不良的图片

9、根据系统识别车牌号与实际车牌号码进行比对，处理效果不好的图片上传给系统，用例说明如表3.6所示。表3.6获取切割后的字符块用例说明用例名称上传处理效果不良的图片用例描述根据系统识别车牌号与实际车牌号码进行比对，处理效果不好的图片上传给系统主执行者交通警察ii -触发条件交通警察主动使用该系统后置条件上传效果不良的图片基本事件流1.交通警察进入上传图片界面2.点击上传图片选项3.提交异常事件识别车牌号码出错管理员用例图如图3.3 :图3.3管理员用例图(1 )设置参数管理员通过设置参数，使得训练支持向量机和神经网络 模型的参数最优，从而得到性能最优的模型，用例说明如表 3.7所示。表3.7 设置

10、参数用例图说明-12用例名称设置参数用例描述设置系统中机器学习模型的参数主执行者触发条件管理员后置条件管理员定期更新系统基本事件流得到更新后的识别系统1. 管理员进入设置参数界面2. 选取设置参数选项3. 提交异常事件参数设置错误，训练出错误的模型(2 )得到图片管理员得到交通警察上传的图片，用例说明如表3.8所示。表3.8得到图片用例图说明用例名称得到图片用例描述得到交通警察上传的图片主执行者管理员-13触发条件时间触发，管理员定期维护后置条件系统基本事件流得到了交通警察上传的图片1. 管理员进入获取图片界面2. 选取获取图片选项3. 提交异常事件无上传图片存在(3 )训练模型管理员通过选取

11、训练数据，用例说明如表3.9所示。调试最优参数，重新训练模型，表3.9 训练模型用例图说明用例名称训练模型用例描述重新训练SVM和ANN模型主执行者管理员触发条件管理员定期更新系统后置条件得到更新后的系统版本基本事件流1. 管理员进入识别训练模型界面2. 选取训练模型选项-143.提交异常事件训练数据错误，训练过程无 法收敛。-154动态行为模型管理员操作时的状态变迁图如图4.1 :(2)交通警察操作时的状态变迁图如图4.2 :-16图4.2交通警察操作时的状态变迁图(3)动态行为建模总体设计如图4.3 :点击测试 测试 上传图片显示输出结果开始点击参数得到训练选择VM SVMANN选择颜色定

12、色定位点击高斯高糊模糊点击灰度序度序列化点击颜色颜色匹配结束点击图像切割图像切割选择0定位so定位点击训练训练选择照,:件夹二值化点击二值化选择图片预处预处理点击车牌定位车牌定位sob运算抗扭斜SVM习选择VM习选择特征选特征选取 点击车牌字符车牌字符切割选择学习-17点击抗扭斜图 4.3 行为建模总体设计- 185 系统流程分析1) 车牌 Soble 定位流程图如图5.1 ：- 19开始对图像进行高斯模糊图像灰度化取出可能的矩形轮廓是否还有更多轮廓对轮廓求外接矩形社形尺寸是否满足条件取矩形的偏斜角度矩形旋转统一尺寸输出结束图5.1车牌Soble定位流程图(2)车牌颜色定位流程图如图5.2 :

13、-20开始是对轮廓求外接矩形矩形尺寸是否满足条件丢弃矩形统一尺寸输出结束颜色模板匹配得到灰度图对图片进行高斯模糊取出可能的矩形轮廓是否还有更多轮廓取矩形的偏斜角度偏斜角度是否过大偏斜角度是否过大是是图5.2车牌颜色定位流程图(3)字符分割流程图如图5.3-21开始截取图块结束图5.3字符分割流程图-226系统开发及运行环境规定系统运行的硬件环境如表6.1所示，软件开发平台如表6.2所示表6.1系统运行硬件环境表环境配置CPUIntel(R)Core(TM)i5-4200M2.50GHz及以内存上硬盘4G500G操作系统Win 7或以上版本表6.2软件开发平台表软件说明Visual Studio 2013系统开发平台opencv 2.4.8图像处理函数库-23本系统属于核心工具，主要面向研究者、交通警察和系 统本身的管理者。 其中研究者包过学生、 老师等等研究人员， 他们可以输入照片，然后从系统中获取各部分结果，用于训 练自己的系统。比如得到图像切割和抗扭斜后的结果，然后 用于自己研究后续的图像分类，训练自己的 SVM 分类器。 而交通警察是属于普通的用户，不能得到系统的中间