简介这是一套面向计算机相关专业毕业设计、课程设计与期末大作业场景的停车场收费管理系统源码以Java为开发语言结合OpenCV实现车牌识别功能适合正在做毕设或需要项目实战练习的学生直接参考与二次开发。压缩包共164个文件约25.04MB包含24个java源文件与对应class文件、47个jar依赖库、20个xml配置、15个jsp页面以及properties、js、css、图片等资源覆盖控制层、业务服务、实体封装与前端展示等模块结构完整。目前已有198人学习下载。项目经过严格调试下载即用可直接作为毕设方案使用读者能从中获取车牌识别与收费管理结合的完整实现思路、分层代码组织方式与依赖配置参考便于快速理解系统架构、对照调试并在此基础上完成功能扩展与论文撰写。1. 停车场收费系统里车牌识别到底卡在哪一步很多做毕业设计的同学第一反应是「Java 调 OpenCV 识别车牌」听起来就是几行imread加imshow的事。真动手才发现卡住你的从来不是识别算法本身而是从摄像头一帧图像到「皖A12345」这七个字符之间那条链路车牌在哪、怎么切出来、字符怎么分割、识别错了收费金额怎么算。这套「基于 Java 和 OpenCV 实现车牌识别的停车场收费管理系统」本质是把图像处理、字符识别、计费逻辑、数据持久化四件事串成一条能跑通的业务流而不是单纯调个库。它适合两类人一类是毕业设计需要完整可演示系统的同学另一类是想用 Java 做图像处理入门、又不想一上来啃深度学习框架的工程师。OpenCV 的 Java 绑定JavaCV 或官方opencv-4xx.jar native 库能让你在纯 Java 工程里完成灰度、边缘、形态学、轮廓这些经典操作配合一个轻量 OCR 就能出结果。下面按「环境怎么搭 → 车牌怎么定位 → 字符怎么识别 → 计费怎么落地 → 坑在哪」这条线讲透参数和代码都能直接抄。2. Java 接 OpenCV 的环境搭建与最小可跑通验证2.1 为什么用 JavaCV 而不是硬啃官方 native 库官方 OpenCV 给 Java 的只有一层 JNI 封装你得自己处理System.loadLibrary(Core.NATIVE_LIBRARY_NAME)、dll/so 路径、平台差异Windows 上还要把opencv_java4xx.dll塞进java.library.path稍有不慎就是UnsatisfiedLinkError。JavaCV 是 bytedeco 做的预编译打包把 OpenCV、FFmpeg 等 native 库按平台打进 jarMaven 一引就能跑省掉 90% 的环境玄学。常见做法是 Maven 引org.bytedeco:javacv-platform它会按当前平台拉对应 native 包。缺点是包大几百 MB但毕业设计机器上无所谓。如果你坚持用官方库那就得手动配-Djava.library.path跨平台部署时血泪经验特别多。2.2 Maven 依赖与第一个能跑通的读图程序dependency groupIdorg.bytedeco/groupId artifactIdjavacv-platform/artifactId version1.5.9/version /dependencyimport org.bytedeco.opencv.opencv_core.Mat; import org.bytedeco.opencv.global.opencv_imgcodecs; import org.bytedeco.opencv.global.opencv_imgproc; public class FirstRun { public static void main(String[] args) { // 读图第二个参数 IMREAD_COLOR 表示按三通道彩色读入 Mat src opencv_imgcodecs.imread(car.jpg, opencv_imgcodecs.IMREAD_COLOR); if (src.empty()) { System.out.println(图片没读到检查路径和格式); return; } Mat gray new Mat(); // 转灰度车牌定位几乎都从灰度图开始 opencv_imgproc.cvtColor(src, gray, opencv_imgproc.COLOR_BGR2GRAY); System.out.println(尺寸: src.cols() x src.rows()); } }逻辑说明imread返回的Mat是 OpenCV 的核心数据结构empty()判断是否读成功这一步能挡掉一半「路径写错」的问题。cvtColor的第三个参数是转换码COLOR_BGR2GRAY把三通道压成单通道后续边缘检测、二值化都在灰度图上做计算量直接降到三分之一。参数说明IMREAD_COLOR是默认彩色读入如果只关心形状可以用IMREAD_GRAYSCALE直接读灰度省一次转换。JavaCV 里常量都在opencv_imgcodecs类下别去Imgcodecs找版本不同类名会变这是新手第一个翻车点。提示JavaCV 的Mat用完最好手动close()或release()虽然它有 GC 兜底但图像处理循环里不释放内存涨得比你想象快。2.3 验证 native 库是否真的加载成功跑通上面那段只是第一步真正要确认的是 native 层没问题。可以在启动时打印org.bytedeco.opencv.global.opencv_core.CV_VERSION能打出版本号说明 native 库加载正常。如果报NoClassDefFoundError或UnsatisfiedLinkError八成是 Maven 只引了javacv没引javacv-platform或者 IDE 没刷新依赖。这一步过了后面所有图像操作才有意义。3. 车牌定位从一帧彩色图到候选矩形框3.1 颜色与边缘双路定位的取舍车牌定位主流两条路颜色定位和边缘定位。中国蓝牌底色是蓝色HSV 空间里 H 分量集中在 200~260 度附近用inRange一卡就能出候选区域快但受光照影响大晚上或者逆光直接失效。边缘定位靠 Sobel 或 Canny 找竖直边缘再做形态学闭运算把字符连成块鲁棒性好但计算量大、参数敏感。我一般两条路都跑颜色结果优先颜色失败再退回边缘。毕业设计演示场景光照可控颜色定位足够但你要知道它的边界在哪。3.2 用 HSV 阈值卡出蓝色车牌区域Mat hsv new Mat(); opencv_imgproc.cvtColor(src, hsv, opencv_imgproc.COLOR_BGR2HSV); Mat mask new Mat(); // 蓝色车牌 H 大致在 100~124OpenCV 的 H 范围是 0~180 opencv_core.inRange(hsv, new Scalar(100, 43, 46, 0), // 下限 new Scalar(124, 255, 255, 0), // 上限 mask); // 形态学闭运算把断裂的字符区域连成整块 Mat kernel opencv_imgproc.getStructuringElement( opencv_imgproc.MORPH_RECT, new Size(17, 5)); opencv_imgproc.morphologyEx(mask, mask, opencv_imgproc.MORPH_CLOSE, kernel);逻辑说明cvtColor转到 HSV 后inRange把落在蓝色区间的像素置 255其余置 0得到二值掩膜。闭运算先膨胀后腐蚀作用是填补字符之间的空隙让车牌变成一个连通的白色矩形方便后面找轮廓。参数说明H 的上下限 100 和 124 是蓝牌的常见区间S 下限 43、V 下限 46 是为了滤掉灰暗和过曝区域。kernel 的17x5是宽扁矩形因为车牌本身是横向长条用方形 kernel 会把相邻区域也连进来。这几个数不是死的换数据集要微调调参时先把 mask 存图看一眼最直观。3.3 轮廓筛选长宽比和面积才是关键判据MatVector contours new MatVector(); Mat hierarchy new Mat(); opencv_imgproc.findContours(mask, contours, hierarchy, opencv_imgproc.RETR_EXTERNAL, opencv_imgproc.CHAIN_APPROX_SIMPLE); for (int i 0; i contours.size(); i) { Rect r opencv_imgproc.boundingRect(contours.get(i)); double ratio (double) r.width() / r.height(); double area (double) r.width() * r.height(); // 中国车牌长宽比约 3:1 到 4:1面积过滤掉噪点 if (ratio 2.5 ratio 5.0 area 2000) { opencv_imgproc.rectangle(src, r, new Scalar(0, 0, 255, 0), 2, 0, 0); } }逻辑说明findContours找出所有外轮廓boundingRect给每个轮廓套一个正矩形。车牌的长宽比是强特征蓝牌标准 440x140 约 3.14:1实际拍摄有透视变形放宽到 2.5~5.0 比较稳。面积阈值挡掉小噪点。参数说明RETR_EXTERNAL只取最外层轮廓避免字符内部轮廓干扰CHAIN_APPROX_SIMPLE压缩轮廓点省内存。面积 2000 是经验值图像分辨率高时要按比例放大比如 1080p 图里车牌面积轻松上万这个阈值就得跟着调。注意定位阶段宁可多留候选框也别漏。后面识别阶段可以用置信度再筛定位漏了后面全白搭。4. 字符分割与识别把矩形框变成七个字符4.1 灰度、二值化、垂直投影三步切字符拿到车牌矩形后先裁出来转灰度用大津法OTSU自动二值化再做垂直投影统计每列白色像素数字符之间的空隙投影值接近 0据此切分。Mat plate new Mat(src, rect); // 裁出车牌 Mat gray new Mat(); opencv_imgproc.cvtColor(plate, gray, opencv_imgproc.COLOR_BGR2GRAY); Mat binary new Mat(); // OTSU 自动找阈值适合光照不均的场景 opencv_imgproc.threshold(gray, binary, 0, 255, opencv_imgproc.THRESH_BINARY opencv_imgproc.THRESH_OTSU); // 垂直投影 int[] colSum new int[binary.cols()]; for (int x 0; x binary.cols(); x) { for (int y 0; y binary.rows(); y) { if (binary.ptr(y, x).get() ! 0) colSum[x]; } }逻辑说明OTSU 会根据图像直方图自动算一个阈值比手动写 127 稳得多。垂直投影把二维问题降成一维字符列白点多、间隙列白点少找连续的低值区间就是切分点。参数说明THRESH_BINARY THRESH_OTSU组合使用时threshold 参数传 0 即可OTSU 会覆盖它。投影数组长度等于图像宽度遍历时注意ptr(y, x)的行列顺序OpenCV 是行优先写反了结果全错。4.2 用 Tesseract 还是模板匹配字符识别两条路Tesseract OCR 和模板匹配。Tesseract 对印刷体车牌识别率不错但需要训练数据、配置tessdata路径Java 里通过 Tess4J 调用环境依赖多。模板匹配是自己准备 0-9 和 A-Z 的标准字符图逐个算相似度简单可控但换字体就废。毕业设计我一般推荐模板匹配因为字符集固定车牌不含 I、O代码全在 Java 里不依赖外部引擎演示时不会因为环境问题翻车。识别率靠字符归一化到统一尺寸来保证。4.3 模板匹配的核心代码与归一化// 把切出的字符统一缩放到 20x40 Mat ch new Mat(binary, charRect); Mat norm new Mat(); opencv_imgproc.resize(ch, norm, new Size(20, 40)); // 与模板库逐个比对取最大相似度 double best -1; char bestChar ?; for (Map.EntryCharacter, Mat e : templates.entrySet()) { Mat result new Mat(); opencv_imgproc.matchTemplate(norm, e.getValue(), result, opencv_imgproc.TM_CCOEFF_NORMED); double score result.ptr(0, 0).getDouble(); if (score best) { best score; bestChar e.getKey(); } }逻辑说明resize把字符拉到统一尺寸消除大小差异这是模板匹配能工作的前提。matchTemplate用归一化相关系数返回值越接近 1 越像取最高分对应的字符。参数说明TM_CCOEFF_NORMED对亮度变化不敏感比TM_SQDIFF更适合车牌。模板库要提前用同字体生成尺寸必须和resize目标一致否则matchTemplate直接抛异常。相似度低于 0.6 的可以标记为「不确定」交给人工或二次识别。提示中文车牌第一个是汉字省份简称模板匹配对汉字效果差常见做法是单独训练一个汉字分类器或者干脆只识别字母数字部分汉字用固定映射表。毕业设计里能识别出「皖A12345」的字母数字部分通常就够演示了。5. 收费逻辑与数据落地识别结果怎么变成钱5.1 计费模型按时长还是按次停车场计费常见两种按次固定收费和按时长阶梯收费。毕业设计里按时长更显专业也更能体现「识别—入库—出场—结算」的完整闭环。典型规则入场记录时间出场算差值前 30 分钟免费之后每小时 X 元不足一小时按一小时算设每日封顶。这套逻辑用 Java 写就是个纯计算函数和图像处理完全解耦这也是分层设计的好处——识别模块只负责吐车牌号计费模块只认车牌号和时间。5.2 数据库表设计与入场出场流程CREATE TABLE parking_record ( id BIGINT PRIMARY KEY AUTO_INCREMENT, plate_no VARCHAR(10) NOT NULL COMMENT 车牌号, entry_time DATETIME NOT NULL COMMENT 入场时间, exit_time DATETIME DEFAULT NULL COMMENT 出场时间, fee DECIMAL(10,2) DEFAULT 0 COMMENT 费用, status TINYINT DEFAULT 0 COMMENT 0在场 1已出场, INDEX idx_plate (plate_no) );逻辑说明一条记录代表一次停车入场时插入entry_time、status0出场时按车牌查最新在场记录更新exit_time、fee、status1。plate_no建索引因为出场查询全靠它。参数说明plate_no长度 10 够放「皖A12345」这类 7~8 位车牌新能源 8 位也够。fee用DECIMAL不用FLOAT金额计算别用浮点这是常识但每年都有人踩。5.3 计费函数与边界处理public BigDecimal calcFee(LocalDateTime entry, LocalDateTime exit) { long minutes Duration.between(entry, exit).toMinutes(); if (minutes 30) return BigDecimal.ZERO; // 免费时段 long hours (minutes - 30 59) / 60; // 不足一小时按一小时 BigDecimal fee new BigDecimal(hours).multiply(new BigDecimal(5)); BigDecimal cap new BigDecimal(50); // 每日封顶 return fee.min(cap); }逻辑说明Duration.between算分钟差(minutes - 30 59) / 60是向上取整的写法避免用Math.ceil引入浮点。封顶用min一行搞定。参数说明免费 30 分钟、每小时 5 元、封顶 50 都是可配置项实际项目里应该抽到配置文件或数据库别硬编码。跨天停车要按自然日拆分计算这里简化成单日封顶真实场景要循环处理。注意识别错误会导致计费错误所以出场时如果识别置信度低应该允许人工输入车牌兜底别让系统「认死理」。6. 这套系统最容易翻车的五个地方现象程序启动报UnsatisfiedLinkError或NoClassDefFoundError。原因Maven 只引了javacv没引javacv-platform或者 IDE 没重新导入依赖native 库没下载下来。 解决确认pom.xml里是javacv-platform执行mvn dependency:resolve强制拉取IDE 里刷新 Maven 项目。还不行就删本地仓库里org/bytedeco目录重新下。现象白天识别正常晚上或逆光全挂。原因颜色定位依赖 HSV 阈值光照一变蓝色区间就漂移mask 里全是噪点或空白。 解决加一路边缘定位做兜底或者对图像先做直方图均衡化equalizeHist再进 HSV。演示场景尽量控制光源别在窗边逆光拍。现象字符切分多切或少切识别结果串位。原因二值化后字符粘连或断裂垂直投影找不到干净的空隙。 解决切分前做一次开运算去掉细噪点投影时设一个最小间隙宽度比如 3 像素再判定切分点。车牌有铆钉或污渍时先做中值滤波medianBlur平滑。现象模板匹配识别率低A 认成 48 认成 B。原因字符归一化尺寸和模板不一致或者模板本身质量差、字体不统一。 解决确保resize目标和模板尺寸严格一致模板用清晰的标准字体生成必要时对字符做细化或加粗预处理。相似度阈值调到 0.6 以上低于阈值的标记为待确认。现象内存持续上涨跑几百帧后 OOM。原因JavaCV 的Mat底层是 native 内存GC 管不到循环里不断 new 却不释放。 解决每个Mat用完调close()或者用 try-with-resourcesJavaCV 的 Mat 实现了 AutoCloseable。循环里复用 Mat 对象别在循环内反复创建。7. 让识别率再上一个台阶的两个实用技巧第一个技巧是 ROI 预裁剪。如果摄像头位置固定车牌永远出现在画面某个区域那就别对整帧做检测直接裁出下半部分或中间区域再处理。计算量降一半误检也少一半。这个思路在真实停车场里几乎是标配因为相机装好后角度基本不动。第二个技巧是识别结果做业务校验。车牌有固定格式第一位汉字第二位字母后面五位字母数字混合且不含 I 和 O。识别完拿正则过一遍不符合格式的直接判为失败触发重拍或人工输入。这一步能挡掉大量「看起来像但其实是噪点」的误识别。// 中国车牌正则省份简称 字母 5位字母数字不含I、O private static final Pattern PLATE_PATTERN Pattern.compile(^[\\u4e00-\\u9fa5][A-HJ-NP-Z][A-HJ-NP-Z0-9]{4,5}[A-HJ-NP-Z0-9]$); public boolean isValidPlate(String plate) { return plate ! null PLATE_PATTERN.matcher(plate).matches(); }逻辑说明正则里[A-HJ-NP-Z]排除了 I 和 O{4,5}兼容普通车牌和新能源车牌的长度差异。识别结果先过这个校验不通过就不入库、不计费。参数说明汉字范围\u4e00-\u9fa5覆盖常用汉字省份简称都在内。如果你的系统只服务某个省可以把第一位直接限定成该省简称进一步收紧。我自己做这类系统最大的教训是别一上来就追求识别率 99%先把「识别失败时系统怎么优雅处理」想清楚。停车场场景里一次识别错误导致的计费纠纷比识别率低几个百分点麻烦得多。留好人工兜底入口比调参调到凌晨更值钱。希望帮到你。本文还有配套的精品资源点击获取
