基于信息融合的矿用地磅车牌识别

用地磅  称重管理的 范化、 代化和智能化等需求，有必要在地磅管理系 中引入 牌  技 。   一特征提取方法   牌效果不理想的 状，将信息融合用于 牌字符的  ，  不同信息源的  互 。利用互 的信息以降低 用地磅 牌  系 的  率，提高系 的 定性, 提高出入煤 地磅  的自 化管理都具有  意 。

1   引言

随着采煤技术的不断改进、  采煤设备的日趋先进以及对能 源需求的不断增长， 煤矿产量得到很大的提高， 地磅车辆的称重工作也随之变得日常繁重， 对出入磅车辆进行规范、高效、 现代化管理显得更加迫切。 在以往的称重管理方式中，完全靠人工记录车辆信息、 称重信息、 资金情况以及信息的统计汇总等， 并由人工指挥车辆出入磅。 这种靠人工来记录的方法不仅工作强度高、 作业效率低、 容易出现安全事故，而且漏收、 误收现象比较严重， 出错概率较高； 其次， 由于缺乏有效的监督， 人为可作弊行为可能性极大， 都将可能导致企业的资产流失； 并且获取的数据不能通过网络传输实现实时共享， 而是凭借手工填写单据， 送交财务、 销售、 仓库等其他相关部门， 难以及时了解矿内车辆的作业动态， 也不方便进行及时有效的管理。

因此， 有必要在地磅管理系统中引入车牌识别技术，  自动识别出入磅车辆， 对车辆身份进行唯一性认证、 自动登记并验放车辆， 实现过磅车辆监控和管理自动化。 车牌识别一般可分为车牌定位、 字符分割和字符识别 3 大部分。 为了更有效地构造一个高性能的车牌识别系统， 在对车牌字符轮廓、投影和网格编码特征提取的基础上， 利用 SVM 在解决小样本、 高维数和非线性模式识别问题中良好的分类能力以及D-S 证据理论具有直接表达不确定 、 不完全信息的优势 ， 利用D-S 证据理论融合单特征的 SVM 字符识别信息 ， 构建信息融合的矿用地磅车牌识别系统， 充分运用了各特征的冗余互补信息， 大大提高了识别的准确性和可信度， 为提高企业经营运作的高效率和高效益有十分重要的意义。

2    信息融合理论基础

在人类辨识外界事物的过程中，  通常根据来自不同感觉器官获得的关于目标的多种特征信息， 并利用各种已有不确定的知识来判断目标种类。 在工程实践中也存在类似的情况， 经常要求根据一些经验知识以及多种特征对事物的种类进行判断。 信息融合 （Information Fusion） 就是指采集并集成各种信息源、 多种媒体和多种格式信息， 从而生成完整、准确、 及时和有效的综合信息的过程。 信息融合的方法很多， 包括： 加权平均法、 数理统计法、 神经网络法、 Kalman滤波、 Bayes 推理方法和证据决策推理方法。 信息融合方法中， D-S 证据理论在不完全、 不确定、 不清晰信息的表示、组合、 决策方面具有明显的优势， 是决策级信息融合的经典理论。D-S 证据理论是基于 “证据 ” 和 “组合 ” 来处理不确定性推理问题的决策级融合方法。 D-S 证据理论定义待识别的