1. 研究目的与意义（文献综述包含参考文献）

一、开发背景
现如今，家庭用车日益增多，随之而来的是停车位的日趋紧张，停车难的问题几乎成为所有城市的通病，城市停车管理问题随之而来。智慧停车场的建设将有效解决停车车位利用、停车服务、停车场管理等问题。
智慧停车场是指将无线通信技术、移动终端技术、gps定位技术、gis技术等综合应用于城市停车位的采集、管理、查询、预订与导航服务，实现停车位资源的是实时更新、查询、预订与导航服务一体化，实现停车位资源利用率的最大化、停车场利润的最大化和车主停车服务的最优化 。简单来说，智慧停车场的”智慧”就体日前：”智能找车位 自动缴停车费”。服务于车主的日常停车、错时停车、车位租赁、汽车后市场服务、反向寻车、停车位导航 。
智慧停车场的目的是让车主更方便地找到车位，包含线下、线上两方面的智慧。线上智慧化体现为车主用手机app、微信、支付宝，获取指定地点的停车场、车位空余信息、收费标准、是否可预订、是否有充电、共享等服务，并实现预先支付、线上结账功能。线下智慧化体现为让停车人更好地停入车位。一是快速通行，避免过去停车场靠人管，收费不透明，进出停车场耗时较大的问题。二是提供特殊停车位，比如宽大车型停车位、新手司机停车位、充电桩停车位等多样化、个性化的消费升级服务。三是同样空间内停入更多的车。例如立体停车库，可以扩充单位空间的停车数量；共享停车，能分时段解决车辆停放问题。
在实现上述功能前有一个无法绕过的问题，即为门禁端的管理。停车场的规模和数量不断扩大，这对城市中的停车场所提出了新的要求，若按以往的手工作业进行管理，既耗费大量的人力和物力，又无法提高实际的工作效率，这与智慧停车场的目的是背道而驰的。停车场车辆出入量大，闲杂人员的进入难以控制，工作人员不能保证完全对所有人员和车辆进行识别和记录，同时临时车辆进入时手续繁琐，车辆易发生丢失，停车场的车辆安全无法保证，以往的管理已经无法适应智慧停车场的要求。
因此智慧停车场需要另外的门禁系统以实现进出车辆的高效率管理。车辆门禁系统的车辆身份识别主要采用车牌自动识别技术和另外一些识别技术，比如较为先进的rfid识别技术或者传统的磁卡识别等等。
本次研究则主要实现利用车牌识别技术的门禁系统。

二﹑课题设计技术
1.java语言
java是一门面向对象编程语言，不仅吸收了c 语言的各种优点，还摒弃了c 里难以理解的多继承、指针等概念，因此java语言具有功能强大和简单易用两个特征。java语言作为静态面向对象编程语言的代表，极好地实现了面向对象理论，允许程序员以优雅的思维方式进行复杂的编程。
2. android studio
android studio 是谷歌推出的一个android集成开发工具，基于intellij idea. 类似 eclipse adt，android studio 提供了集成的 android 开发工具用于开发和调试。
3.opencv
opencv是一个基于bsd许可（开源）发行的跨平台计算机视觉库，可以运行在linux、windows、android和mac os操作系统上。它轻量级而且高效#8212;#8212;由一系列 c 函数和少量 c 类构成，同时提供了python、ruby、matlab等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。
opencv用c 语言编写，它的主要接口也是c 语言，但是依然保留了大量的c语言接口。该库也有大量的python、java and matlab/octave（版本2.5）的接口。这些语言的api接口函数可以通过在线文档获得。如今也提供对于c#、ch、ruby,go的支持。所有新的开发和算法都是用c 接口。一个使用cuda的gpu接口也于2010年9月开始实现。
4.mysql
mysql是一个关系型数据库管理系统，由瑞典mysql ab 公司开发，目前属于 oracle 旗下产品。mysql 是最流行的关系型数据库管理系统之一，在 web 应用方面，mysql是最好的 rdbms (relational database management system，关系数据库管理系统) 应用软件。

三、图像处理及方法
1.图像处理（image processing）
用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。
图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别3个部分。常见的处理有图像数字化、图像编码、图像增强、图像复原、图像分割和图像分析等。
图像处理技术把输入图像转换成具有所希望特性的另一幅图像。例如，可通过处理使输出图象有较高的信-噪比，或通过增强处理突出图象的细节，以便于操作员的检验。在计算机视觉研究中经常利用图象处理技术进行预处理和特征抽取。
2.方法
1）灰度矫正：因为牌照图象在拍摄时受到种种条件的限制和干扰，图象的灰度值往往与实际景物不全然匹配，这将直接影响到图象的兴许处理。假设造成这样的影响的原因主要是因为被摄物体的远近不同，使得图象中央区域和边缘区域的灰度失衡，或是因为摄像头在扫描时各点的灵敏度有较大的差异而产生图象灰度失真，或是因为曝光不足而使得图像的灰度变化范围非常窄。这时就能够採用灰度校正的方法来处理，增强灰度的变化范围、丰富灰度层次，以达到增强图象的对照度和分辨率。
2）图象平滑处理：对于受噪声干扰严重的图象，因为噪声点多在频域中映射为高频分量，因此能够在通过低也能够直接在空域中用求邻域平均值的方法来通滤波器来滤除噪声，但实际中为了简化算法，削弱噪声的影响，这样的方法称为图象平滑处理。
然而，邻域平均值的平滑处理会使得图象灰度急剧变化的地方，尤其是物体边缘区域和字符轮廓等部分产生模糊作用。为了克服这样的平均化引起的图象模糊现象，我们给中心点象素值与其邻域平均值的差值设置一固定的阈值，仅仅有大于该阈值的点才干替换为邻域平均值，而差值不大于阈值时，仍保留原来的值，从而降低因为平均化引起的图象模糊。
3)模板匹配：模板匹配是图象识别方法中最具代表性的基本方法之中的一个，它是将从待识别的图象或图象区域f(i,j)中提取的若干特征量与模板t(i,j)对应的特征量逐个进行比較，计算它们之间规格化的互相关量，当中互相关量最大的一个就表示期间相似程度最高，可将图象归于对应的类。也能够计算图象与模板特征量之间的距离，用最小距离法判定所属类。然而，通常情况下用于匹配的图象各自的成像条件存在差异，产生较大的噪声干扰，或图象经预处理和规格化处理后，使得图象的灰度或像素点的位置发生改变。在实际设计模板的时候，是依据各区域形状固有的特点，突出各类似区域之间的区别，并将easy由处理过程引起的噪声和位移等因素都考虑进去，依照一些基于图象不变特性所设计的特征量来构建模板，就能够避免上述问题。

2. 研究的基本内容、问题解决措施及方案

1.本设计旨在运用计算机视觉技术，通过监控摄像获取车辆图片进行识别比对，从而实现门禁端的出入管理及计费。

2.系统运行环境要求
开发语言：java
开发环境：android studio
运行环境：windows 10