Introduction The arithmetic capabil

Introduction
The arithmetic capability of digital signal processors (DSPs), the multiple peripheral interfaces and the high frequency execution of the ARM processors make them an attractive choice for real time embedded systems. DSPs are already widely used for applications such as audio and speech processing, image and video processing, and wireless signal processing. Practical applications include surveillance, video encoding and decoding, and object tracking and detection in images and video. On the other hand, rapid development of Field Programmable Gate Arrays (FPGAs) offers alternative way to provide a low cost acceleration for computationally intensive tasks such as digital signal processing. Most of these applications use ARM, DSPs and FPGAs due to the processing power offered, in order to provide portability and real-time capability, and create custom embedded architectures for different application requirements. The main goal of this work is to design and implement efficient and novel architectures for automatic number plate recognition (ANPR) system using ARM-DSP System-on-Chip platform, which operates in high definition (HD) and in real time. In addition, a separate ANPR algorithm is developed and optimised, by taking advantage of technical features of FPGAs which accelerate digital image processing algorithms. The investigation of the algorithm and its optimisation focused on real time image and video processing for license plate (LP) or number plate localisation (NPL), LP character segmentation (NPS) and optical character recognition (OCR) in particular, which are the three key stages of the ANPR process [1]. ANPR often forms part of an intelligent transportation systems. Its applications include identifying vehicles by their number plates for policing, control access and toll collection.

ผลลัพธ์ (ไทย) 1:

แนะนำ ความสามารถในทางคณิตศาสตร์การประมวลผลสัญญาณดิจิทัล (DSPs), เฟสหอุปกรณ์ต่อพ่วงและการดำเนินการความถี่สูงโปรเซสเซอร์แขนทำให้พวกเขาเป็นตัวเลือกที่น่าสนใจสำหรับระบบเวลาจริงที่ฝังตัว DSPs แล้วใช้สำหรับโปรแกรมประยุกต์เช่นเสียง และประมวลผลเสียง ภาพ และประมวลผลวิดีโอ และการประมวลผลสัญญาณแบบไร้สาย ประยุกต์ใช้งานจริงรวมถึงเฝ้าระวัง วิดีโอเข้ารหัส และถอด รหัส และวัตถุที่ติดตาม และตรวจสอบในภาพและวิดีโอ บนมืออื่น ๆ พัฒนาอย่างรวดเร็วของฟิลด์โปรแกรมเกเรย์ (FPGAs) เสนอทางเลือกเพื่อให้เร่งความเร็วต้นทุนต่ำสำหรับงาน computationally เข้มข้นเช่นการประมวลผลสัญญาณดิจิตอล ส่วนใหญ่โปรแกรมเหล่านี้ใช้แขน DSPs และ FPGAs เนื่องจากพลังการประมวลผลการนำเสนอ เพื่อให้พอร์ตและความจริง และสร้างสถาปัตยกรรมที่ฝังตัวเองสำหรับความต้องการ เป้าหมายหลักของงานนี้คือการ ออกแบบ และใช้สถาปัตยกรรมนวนิยาย และมีประสิทธิภาพสำหรับหมายเลขแผ่นรู้ (ANPR) ระบบอัตโนมัติโดยใช้แพลตฟอร์ม DSP แขนระบบในชิพ ที่ทำงาน ในความละเอียดสูง (HD) และ ในเวลาจริง นอกจากนี้ ANPR อัลกอริทึมแยกเป็นพัฒนา และเหมาะงานกราฟ ฟิก โดยใช้ประโยชน์จากคุณสมบัติทางเทคนิคของ FPGAs ซึ่งเร่งการประมวลผลภาพดิจิตอลอัลกอริทึม ตรวจสอบขั้นตอนวิธีการและเพิ่มประสิทธิภาพของเน้นในเวลาจริงภาพและวิดีโอประมวลผลป้าย (LP) หรือหมายเลขแผ่นสังคมธุรกิจ (NPL), ห้างหุ้นส่วนจำกัดอักขระแบ่ง (NPS) และการรู้จำอักขระด้วยแสง (OCR) โดยเฉพาะอย่างยิ่ง ซึ่งมีสามขั้นตอนสำคัญของกระบวนการ ANPR [1] ANPR มักใช้เป็นส่วนหนึ่งของระบบการขนส่งอัจฉริยะ ไฟฟ้ารวมถึงระบุยานพาหนะ โดยแผ่นหมายเลขของพวกเขามากกว่าการรักษา ควบคุมการเข้าถึงและโทรเรียกเก็บเงิน

ผลลัพธ์ (ไทย) 2:

การแนะนำความสามารถทางคณิตศาสตร์ของตัวประมวลผลสัญญาณดิจิตอล (DSPs) ที่เชื่อมต่ออุปกรณ์ต่อพ่วงต่างๆและการดำเนินการที่มีความถี่สูงของหน่วยประมวลผล ARM ทำให้พวกเขาเป็นตัวเลือกที่น่าสนใจสำหรับเวลาจริงระบบฝังตัว
ประมวลสัญญาณระบบที่มีอยู่แล้วมาใช้กันอย่างแพร่หลายสำหรับการใช้งานเช่นการประมวลผลเสียงและคำพูดของภาพและการประมวลผลวิดีโอและการประมวลผลสัญญาณแบบไร้สาย การใช้งานจริงรวมถึงการเฝ้าระวังการเข้ารหัสวิดีโอและถอดรหัสและการติดตามวัตถุและการตรวจสอบในภาพและวิดีโอ ในทางกลับกันการพัฒนาอย่างรวดเร็วของโปรแกรมฟิลด์อาร์เรย์ประตู (FPGAs) มีทางเลือกที่จะให้อัตราเร่งที่ต้นทุนต่ำสำหรับงานคอมพิวเตอร์อย่างเข้มข้นเช่นการประมวลผลสัญญาณดิจิตอล ส่วนใหญ่โปรแกรมเหล่านี้ใช้แขน DSPs และ FPGAs เนื่องจากการประมวลผลที่นำเสนอเพื่อให้ความสามารถในการพกพาและแบบ real-time และสร้างสถาปัตยกรรมที่ฝังตัวเองสำหรับแอพลิเคชันที่แตกต่างกันตามความต้องการ เป้าหมายหลักของงานนี้คือการออกแบบและใช้สถาปัตยกรรมที่มีประสิทธิภาพและการรับรู้ใหม่สำหรับหมายเลขทะเบียนอัตโนมัติ (ANPR) ระบบที่ใช้ ARM-DSP แพลตฟอร์ม System-on-Chip ซึ่งทำงานในความละเอียดสูง (HD) และในเวลาจริง นอกจากนี้ยังมีขั้นตอนวิธี ANPR แยกต่างหากได้รับการพัฒนาและเพิ่มประสิทธิภาพโดยการใช้ประโยชน์ของคุณสมบัติทางเทคนิคของ FPGAs ซึ่งขั้นตอนวิธีการเร่งการประมวลผลภาพดิจิตอล การตรวจสอบขั้นตอนวิธีการและการเพิ่มประสิทธิภาพของมุ่งเน้นไปที่ภาพเวลาจริงและการประมวลผลวิดีโอสำหรับแผ่นป้ายทะเบียน (LP) หรือแปลหมายเลขทะเบียน (NPL) แบ่งส่วนของตัวละคร LP (NPS) และจดจำตัวอักษรแสง (OCR) โดยเฉพาะอย่างยิ่งที่เป็นสาม ขั้นตอนสำคัญของกระบวนการ ANPR [1] ANPR มักจะเป็นส่วนหนึ่งของระบบขนส่งอัจฉริยะ รวมถึงการประยุกต์ใช้ยานพาหนะโดยระบุหมายเลขทะเบียนของพวกเขาสำหรับการรักษา, การควบคุมการเข้าถึงและการเก็บค่าผ่านทาง

ผลลัพธ์ (ไทย) 3:

บทนำ
) ความสามารถของตัวประมวลผลสัญญาณแบบดิจิตอล ( dsps ) , อุปกรณ์ต่อพ่วงหลาย interfaces และความถี่สูงการแขนโปรเซสเซอร์ให้ทางเลือกที่น่าสนใจสำหรับเวลาจริงระบบฝังตัว dsps แล้วใช้กันอย่างแพร่หลายในการใช้งาน เช่น การประมวลผลเสียง และเสียงภาพและการประมวลผลวิดีโอและสัญญาณไร้สายการประมวลผลการใช้งานจริง รวมถึงการเฝ้าระวังวิดีโอที่เข้ารหัสและถอดรหัส และติดตามวัตถุและการค้นหาภาพและวิดีโอ บนมืออื่น ๆ , การพัฒนาอย่างรวดเร็วของข้อมูลชนิดอาร์เรย์ประตู ( การออกแบบ ) เสนอทางเลือกเพื่อให้อัตราค่าใช้จ่ายต่ำสำหรับงาน computationally เข้มข้น เช่น การประมวลสัญญาณแบบดิจิตอล ส่วนใหญ่ของโปรแกรมเหล่านี้ใช้แขนdsps การออกแบบและเนื่องจากพลังการประมวลผลที่เสนอ เพื่อให้สะดวกต่อการพกพาและความสามารถในเวลาจริงและสร้างเองฝังตัวสถาปัตยกรรมสำหรับความต้องการใช้ที่แตกต่างกัน เป้าหมายหลักของงานนี้ คือ การออกแบบ และใช้อย่างมีประสิทธิภาพ และสถาปัตยกรรมใหม่สำหรับการจดจำหมายเลขทะเบียนอัตโนมัติ ( ANPR ) ระบบการใช้ระบบ arm-dsp บนชิปแพลตฟอร์มซึ่งทำงานในความละเอียดสูง ( HD ) และในเวลาจริง นอกจากนี้ ระบบ ANPR แยกพัฒนา และเพิ่มประสิทธิภาพ โดยการใช้ประโยชน์จากคุณสมบัติทางเทคนิคของการออกแบบซึ่งเร่งดิจิตอลขั้นตอนวิธีการประมวลผลภาพ การสืบสวนของขั้นตอนวิธีและการเพิ่มประสิทธิภาพเน้นเวลาจริงภาพและการประมวลผลวิดีโอสำหรับป้ายทะเบียนรถ ( LP ) หรือการแปลหมายเลขทะเบียน ( NPL )การแบ่งส่วนของตัว LP ( NPS ) และการรู้จำอักขระด้วยแสง ( OCR ) โดยเฉพาะ ซึ่งมี 3 ขั้นตอนหลักของกระบวนการ ANPR [ 1 ] ANPR มักจะฟอร์มส่วนหนึ่งของระบบขนส่งชาญฉลาด . โปรแกรมรวมยานพาหนะ โดยระบุหมายเลขของแผ่นแบบ , การควบคุมการเข้าถึง และโทร คอลเลกชัน