车辆预警系统电子信息产业发展基金可行性研究报告Word格式.docx

1、二、现有条件分析：（一）管理水平：领导人、项目经理、管理班子、经营管理制度；（二）技术：技术水平、研发队伍、知识产权、专利申报；（三）产品及服务：产业化程度、产品及服务的定单；（四）开发环境或设备设施。三、投资分析：（一）历史财务状况；（二）投资的规模及确定投资规模的依据，追加投资总额，资金来源及使用计划，贷款期限、利率；（三）项目铺底流动资金的来源，正常生产流动资金的供应渠道；（四）项目进度。四、投资评估经济效益分析：（一）项目形成的生产能力；（二）采用量-本-利分析法，找出盈亏平衡点，根据市场需求及生产能力，求得最大收益；（三）计算投资回收期（年）=投资总额/（年利税+年折旧）；（四）预计

2、年产量，品种，产值、利税。五、其它方面分析：政策法律风险、经济环境风险、自然灾害风险分析。六、本报告必须附企业（单位）前两年财务报表。联系电话不得只留总机。七、本报告人民币金额单位：万元，外汇金额单位：万美元。八、本表可在格式不变的基础上根据需要自行调整。一市场分析二现有条件三投资四评估及效益五其它方面 为了提高道路监管的效率和交通警察部门的快速反应能力，更好地配合其他警种的工作，有力地打击犯罪和暴力恐怖活动，查处各种交通违章行为，交通警察部门对车辆预警系统存在着普遍的需求，特别是新疆、西藏等承担维护社会稳定、打击暴力恐怖活动和非法宗教势力、民族分裂势力重要政治任务的地区，对车辆预警系统有着更

3、强烈的需求。根据车辆预警系统的特点，车辆预警系统主要安装在国道、省道、高速公路和大中城市市内道路的重要卡口，截止2000年全国共有公路1679848公里，其中有路面里程1525830公里，有路面里程中高级路面241447公里，次高级路面411856公里，中级路面441557公里，低级路面430970公里，无路面里程为154017公里；新疆维吾尔自治区（含生产建设兵团）公路里程为104028公里，有路面里程为85573公里，高级路面3639公里，次高级路面32481公里，中级路面24051公里，低级路面25403公里，无路面里程18455公里。按照道路建设平均80公里就有一个重要卡口计算，仅新疆

4、这样一个西部边远省区对车牌自动识别系统的需求就在100套以上。国内目前仅有上海、昆明等少数城市在市内建立了车辆预警系统或车牌识别系统，在目前尚无在国道、省道和高速公路等市外公路实施车辆预警系统的先例，因此从车辆预警系统的市场容量来看，如全国普遍使用车辆预警系统仅市外公路对车辆预警系统的需求量就应当在15000套以上，市场容量巨大，车辆预警系统有着广阔的市场前景。车辆预警系统作为交通道路管理的重要工具，其主要用户为各级交通警察机构和交通管理部门。由于车辆预警系统是随着软件、网络和图像识别技术的发展在近年来才出现的一种新的智能化系统，目前国内实施的车辆预警系统非常少，因此车辆预警系统的市场年平均增

5、长率缺乏历史数据，但按照国家十五道路交通规划，要以智能交通系统（ITS）为代表开发应用先进的信息管理技术，逐步实现公路网运营管理信息化，车辆预警系统作为智能交通系统的重要组成部分，预计在近5年，市场的平均增长率应当将在50%以上。车辆预警系统目前国内尚无商品化的软件产品。由于车辆预警系统的核心是车牌自动识别技术，国内外现有的车牌自动识别软件将成为车辆预警系统的竞争者。国外在车牌识别系统方面主要有：美国EAGLE公司开发的EAGLE CONTROL SYSTEM，EAGLE公司是一家主要从事交通管理产品的研发、生产的公司。该系统中的MARC子系统中包括的ACTRA模块可以实现车辆的自动识别。但该

6、系统并不是针对传统车牌进行自动识别，而是在车辆中采用非接触式电子车牌，在车辆通过监控节点时由扫描仪检测到车辆信息，并将信息输入到系统中。这种系统具有车辆信息准确，车辆辅助信息全面的特点，但在我国现阶段未实行电子车牌的现实情况下，该系统在我国尚不适用。香港Asia Vision Technology 公司研制的VECON车牌自动识别系统，识别率达到95%，识别速度为1秒，能够识别香港格式的车牌，但无法识别中国大陆格式的车牌。新加坡OPTASIN公司研制的VLPRS车牌自动识别系统，识别率达到99%，识别时间为0.4-2秒，能够识别新加坡格式的车牌，但无法识别中国格式的车牌。以色列的HI-TECH

7、公司研制的SEE/CAR SYSTEM，该产品有多种类型，每种类型适应一个国家的车牌识别，其中SEE/CAR CHINESE型车牌自动识别系统可以对中国格式车牌进行识别，但不能识别车牌中的汉字。由于国外产品目前均无法很好地对国内车牌进行识别，无法满足国内交通管理部门的需要，目前在国内市场中尚未形成有力的竞争力。目前车牌自动识别系统的产品主要有中电科技电子信息系统有限公司开发的EASYTAKE车辆牌照自动识别系统和北京汉王科技公司开发的汉王车牌识别系统。上述两种产品均是利用DSP芯片对车牌进行识别，并可以将识别出来的车辆信息传输给车辆指挥中心，由于DSP芯片的核心技术也是图像识别软件，而软件复制

8、的边际成本极低，因此基本上不存在生产能力和原材料供应方面的限制。但从客户需求上看，由于车牌自动识别及预警系统在各地的应用环境和需求均不相同，而国家目前对车牌自动识别尚无统一的标准，在相当长的一段时间内将会出现车牌自动识别系统供应种类增加，客户可供选择的品种增多的情况，上述两种产品不会形成国内垄断的局面，对新进入车牌识别和车辆预警系统的厂商来说，仍然存在在广阔的市场空间。车辆预警系统是利用图像识别技术、数据库技术、网络技术和现代机电技术实现车辆通过监控节点实时抓拍，对车辆车牌和车型信息自动识别，对车牌和车型的识别信息可传输给系统的数据库管理模块，由数据库管理模块对信息数据进行归档、统计、网络间传

9、递、调配，并对“黑车”信息自动实时报警的一套先进的道路监控系统。项目重点解决的问题是提高车辆识别的准确率和提高系统适用车辆最高时速的限制。新疆金泰隆软件股份有限公司在研制开发车辆预警系统主要采用了如下关键技术：图像预处理技术：为提高图像的可识别性，对动态采集到的图像进行滤波、边界增强等处理，以克服图像干扰，改善识别效果。图像预处理的主要内容是：边框检测、倾斜校正。预处理的目的是为其后的字符识别提供没有倾斜变形的字符。由于拍摄角度的不同，车牌边框形状不固定，经常回出现倾斜现象，因此很难确定一个固定的车牌边框形状。但是边框的上、下、左、右仍然保持着直线的形态，因此可以考虑用HOUGH变换来检测倾斜

10、或未倾斜的边框。考虑到整个车牌识别系统的时间性要求和车身上可能的水平条纹干扰，这里所采用的HOUGH变换，只检测边框的垂直边界，把所得的四个端点作为边框的顶点，从而可以确定边框的大致位置。边框检测的步骤为：首先对车牌原图进行边缘提取，得到它的垂直边缘及二值化结果，然后进行HOUGH变换，检测边框的左右边界，然后确定边框的大致位置。在利用HOUGH变换检测边框时，即可确定车牌的倾斜角度，进行边框几何校正时，首先旋转车牌，使其变得水平，然后，平移各行象素点，使垂直边界转正。图像滤波主要采用了图像二值化技术。车牌图像的灰度直方图呈现明显的“双峰”结构，分别对应于车牌中的字符和底牌。但是由于系统实际运

11、行环境的光照无法保证，实际获取的车牌图像会出现较暗、污损等情况。这时，传统的基于灰度直方图的阙值选取方法容易混淆车牌字符与车牌底色。因此，采用直方图变换的方法进行滤波处理，首先对直方图进行处理，使字符与背景之间的过渡区域变得更深，将中间的谷变为峰，以便于确定阙值。直方图变换的依据是象素点的邻域特征-灰度的梯度。在字符区与背景区的内部，灰度梯度也较大，所以根据灰度的梯度的大小，为象素点赋以不同的权值即可实现直方图变换的目的，即权值为同一灰度象素点的平均梯度，因此，高梯度值的象素点被赋以高权值，而低梯度象素点的权值较小，如此变换的结果是原先的“峰“被削平为“谷”，而原过渡区域的“谷”变成了尖峰。运

12、用模式识别技术，采用多层次分割算法来定位车辆牌照，在动态采集到的图像中，自动找到车牌的位置。与汽车图象的其他区域相比，车牌主要具有以下特征：车牌区域中的垂直边缘较水平边缘密集，而车身其他部分的水平边缘明显，垂直边缘较少。另外，车牌一般悬挂在车身中较低位置，其下方没有明显的边缘密集区域。有明显的边框。其内部规则地排列着一系列的省名缩写（汉字）、地区代号（英文）和若干位数字编号。根据车牌的上述特点，本系统采用了多层次分割算法来定位车牌牌照： 边缘提取。边缘提取是基于边界特征的图像分割方法的第一步。根据车牌特征，车牌底牌颜色与字符颜色形成强烈对比，对应为灰度图中相邻区域边界上的灰度跳变。通过试验我们

13、发现，其中的灰度边缘主要为垂直边缘，而水平边缘相对较少，这是由车牌中的字符特征决定的，这种灰度不连续性通常可以通过一阶和二阶导数来检验，借助空间域中的微分算子通过卷积实现，例如用SOBEL算子提取相应的水平或垂直边缘，用LAPLACE进行二阶导数运算，也可以实现边缘提取。此方法的运算量较小，适用于在数据量较大的整幅图像上进行边缘提取。边缘投影。图像投影定义为沿某一特定方向的直线上所有象素点的灰度总和，进行边缘投影，可以将二维的图像矩阵转换为一维的投影曲线，便于后续的定位算法。多级定位算法分别应用了沿Y轴的垂直投影和沿X轴的水平投影。车牌定位算法。多级定位算法分为两步，垂直定位与水平定位。第一步

14、在原图上提取水平边缘，将其投影到Y轴上，车牌区域因为垂直边缘密集，所以在对应位置上出现了一尖峰，而且在车牌水平位置以下曲线较平缓，没有明显的干扰。基于这一点，沿由下到上的方向根据阙值（或最大的某一比例）搜索投影曲线；第二步，在提出的带状区域上进行水平定位。水平定位依据的是复合边缘（水平+垂直），通过与LAPLACE算子卷积得到。在没有车牌的位置上投影曲线相对较低，且变化平缓，有车牌的部分，其垂直投影比较突出。因此，投影图中梯度最大的位置对应为车牌的左右边界。在某些情况下，水平投影图中有“毛刺”现象出现，对应的梯度比较大，容易造成干扰。针对这种情况，系统采用了“滑动窗”机制，根据有关车牌高宽比的

15、先验知识以及已提出带状区域的高度，可以确定车牌宽度的大致范围，以此为滑动窗的宽度；然后由右至左，寻找灰度梯度的极大值点；并向左继续滑动，在此滑动窗口中各点的灰度不得小于“右边界”点的值，否则认为是可能的毛刺干扰造成的。同时，为了抑制因车牌边框污损造成的深谷干扰，事先还要通过字符间隙的尺寸信息找出这样的谷，将他们填平；在滑动到窗口左边界时，计算该点的灰度梯度，以此判断是否是可能的左边界点。字符分割技术：从图像背景中分离出牌照，再采用阴影掩影技术对字符及数字进行编码，提取字符特征，并采用BP网络进行识别，利用人工智能技术在车牌图像上，自动提取单个字符的图像。使用“分裂-合并”算法来消除可能的字符断裂或粘联现象的影响。首先，去除边框，在车牌图像周围有一个方形的边框，在识别过程中，容易被认为是字符的一部分，而干扰识别结果，因此，可以使用水平和垂直投影来检测出周围的边框，其次，字符分裂，