基于Web应用的快速汽车智能车牌识别系统的开发

抽象

交通违法已被确认为一个主要的原因，在全球拥有多数发生在发展中国家的大部分地区道路交通事故。即使有规定对这种规章制度的存在，违反者仍然在增加。这是由于该规则未由有关当局在世界上那些执行。因此，一个系统需要进行设计，以协助执法机构施加这些规则，以提高道路安全，减少交通事故。这项工作采用的是车牌号码识别（VNPR）系统，该系统是嵌入式系统自动识别车牌号码实时。它提供了使用被称为OpenCV的一个开源库的替代手段VPNR。该系统的主要目的是利用图像处理可以通过板号来识别车辆违反交通。它由一个IR传感器，用于检测车辆。在测试过程中，最小时间设定为传感器来检测，其通过所述微处理器记录的对象。一旦低于设定时间，相机被触发捕捉车牌号码，并存储在树莓派的形象。 The image captured is processed by the Raspberry Pi to extract the numbers on the image. The numbers on the capture imaged were viewed on a web page via an IP address. The system if implemented can be used to improve road safety and control traffic of emerging smart cities. It will also be used to apply appropriate sanctions for traffic law violators.

1.简介

随着汽车数量的增加，追踪这些车辆变得越来越困难，而且一旦违反任何交通法，几乎不可能确定这些车辆的车主[1]。这导致了交通堵塞的增加，随之而来的是交通问题。绑架、肇事逃逸、抢劫、走私和道路交通事故等案件接连不断地发生，这是因为这些车辆不容易辨认，特别是高速行驶的车辆。2]。这就需要开发一种能够解决这些问题的系统。车牌识别系统于1976年由英国警察科学发展部发明。到1979年，原型系统已经完全投产，最初的合同被授予批量生产和工业使用。最早的系统部署在A1公路和达特福德隧道。然而，由于数码相机的进步和计算速度的提高，它在过去十年获得了更多的认可[3]。2005年11月，在英国布拉德福德，VNPR首次被用于破案。20世纪90年代初，技术的显著进步导致车牌识别系统的重新设计，从有限的、昂贵的、固定基础的应用到简单的、易于安装的移动应用[4]。车牌识别系统有着广泛的应用，并不局限于交通管制。可用于停车;当车辆进入大门并将信息存储在数据库中，当车辆离开时，它会将信息与已经存储的信息进行匹配。它还用于访问控制，只允许访问授权人员的车辆。虽然车牌号识别系统已经在纸面上得到了定期的阐述，但由于受到一定的约束，还没有在现实生活场景中完全实现[五]。我们生活在一个数字时代，每天都有新技术涌现，因此，只需要很少的人力就可以完成工作，生活也变得简单。由于我们日常生活的数码化，从相机拍摄的图像变得非常有用，因为这些图像可以被处理，从中提取重要的信息[6]. 将车牌号码识别系统集成到智能交通系统中，可以实现高速公路收费自动化、交通分析和执法改进。将信息和技术融入人类生活各个方面的需要，导致了对车辆作为一种有价值的信息交流资源进行处理的需求。这是因为没有任何形式数据的信息系统是不现实的。一直以来，人们都需要在真实的环境中通过车牌号来识别车辆，并在实际应用中使用这些信息。因此，各种技术和车辆识别系统已被开发用于各种应用，如交通控制、自动化和安全[7]。

2.相关的工作

现代生活的日益富裕导致了道路车辆使用量的增加。这导致了前所未有的民事问题，如车辆识别和交通管制问题[8]。由于交通管制的日益严峻的挑战，所以产生了需要更好地管理交通。快速移动的车辆的识别是智能交通系统（ITS）的一个重要方面。ITS的开发是为了实现公路运输，其中一些包括车辆管理，交通管理以及与其他运输系统接口领域的信息和通信技术。许多研究人员试图发展其系统有不同程度的成功案例。在[作者9设计了一个使用Python和OpenCV识别车牌号码的系统。本设计采用实时嵌入式系统实现车辆号牌的自动识别。本系统利用python软件和OpenCV库中的图像处理算法来捕捉图像。它也被用于预处理，以调整图像的大小，执行错误检查，并转换成灰度图像。采用阈值算法对图像进行二值化，以保持图像的质量;采用图像剪切方法对图像进行字符分割，将图像行分割成单个字符，将白色部分裁剪出来。然而，该系统无法感知移动的车辆，也没有数据库来记录收集到的信息。该系统易于使用，因为它使用了免费开放源码软件应用程序，易于使用，并利用计算机视觉将静止图像转换为计算机可用的信息。在[作者10设计了一种利用树莓派自动识别车牌号码的系统。提出了一种基于光学字符识别(OCR)的车牌自动识别系统，利用树莓派处理器对车牌图像信息进行识别。捕获的图像由树莓派处理器进行处理和验证，以进行身份验证。然后，该系统对车牌进行分割，识别出每个碎片的粒子。为了得到最终的结果，系统采用开放的ALPR设计来提取车牌。然后将该结果与输入图像进行手动比较。所使用的系统无法检测运动目标，也无法提高系统的图像质量。然而，该系统能够很容易地识别车牌号码并处理车牌图像。在[作者11实施了一个系统来检测超速车辆，并在任何违规情况下通知当局。该系统利用激光雷达(光探测和测距)技术来检测移动车辆的速度。激光雷达是一种遥感方法，利用脉冲激光的形式来测量到目标的距离，用脉冲激光照射目标，并使用传感器测量反射脉冲[12]。该系统的主要缺点是成本高，实现它花费的时间量。该系统是一种然而有效的系统。在[作者13]推行一项ALPR，以监察交通违例者，促进现代交通系统的可持续发展。这个系统利用一个摄像头来捕捉车辆的车牌号码。然后使用不同的技术对图像进行细化，例如细化和卷积;然后用光学字符识别(OCR)来识别车牌上的文字。然后以文本的形式提取图像;然后，这些字符与预先存储的数据库进行匹配，该数据库包含大学或校园道路用户的详细信息以及他们的手机号码和车牌号码。当检测到匹配时，违规者的电话号码会被发送警告信息。这一制度的主要局限是在城市等较大地区实施的困难。该系统是高度准确和成本效益，因为不需要很多组件。在[作者14]设计了一个系统，在车牌发生变化的情况下自动检测车辆的车牌。这些变化可以是车牌的位置、车牌上的字体大小，以及车牌上使用的各种设计和文字。该系统利用预处理模块来提高采集图像的质量。这个阶段也进行了模糊和噪声的去除。接下来，系统利用车牌定位在图像区域周围创建一个边界区域。然后提取车牌上的数字，再进行分割，识别车牌上每个字符的区域。最后，这些号码被发送到一个数据库，其中包含了车主的相关信息。该系统的缺点是涉及的几个阶段是繁琐的，需要的几个组件，使它昂贵。该系统的优点是车牌检测记录的准确率高达98.75%，并提供了一个数据库来记录所收集的信息，这对转诊很有用。作者在[15]设计了一个系统，以确定使用的监视摄像机的图像precaptured的快照快速移动的车辆的车牌号码。该设计利用已知的用于去模糊的快速移动的车辆的车牌号码的新颖内核参数估计算法的参数。各种算法被用来进行稀疏表示，该角度是用所述车辆的真正运动角度和运动内核的长度使用在频域中随机变换计算来计算。最后，图像是使用NBID（nonblind图像去模糊）算法去模糊。该系统的降级是在执行系统以及缺乏一个数据库，收集记录信息的极度困难。该系统的正侧是其能够处理运动模糊数板，其通过肉眼不能识别的。在[作者16设计了一个系统，可以实时识别脏的和不清楚的车牌号。该系统是为了满足实时条件而实现的，其中一些条件包括天气条件的变化、糟糕的照明、不同的交通状况和高速车辆，所有这些都影响车辆检测。该系统利用多种硬件平台和鲁棒算法实现车牌号码检测。数据集是从不同条件下的十字路口采集的图像，在白天和夜晚和其他各种条件。该系统利用车牌检测来识别车牌号码，然后将车牌号码分割成单个字符进行字符识别。该系统的局限性在于它无法检测移动的车辆。该系统的优点是记录的98.7%、99.2%和97.6%的高准确度结果及其大量的实际应用。在[作者17实现了基于物联网的车牌识别系统。该系统的设计是为了满足现代交通系统中不断变化的城市需求。该系统提出了4个主要的步骤:对得到的图像进行预处理以提高车牌的质量，提取车牌区域，对车牌中的每个字符进行字符分割，以及字符识别。本系统还提出了利用一种新颖的算法，通过一种独特的边缘检测算法来提取车牌号码区域。该系统还创建了一个数据库，其中包含使用物联网完成的不同车辆的车主信息。然而，该系统无法检测移动的车辆，也无法在现实生活中应用。然而，该系统提供了一个数据库来记录收集到的信息，并使用现代技术物联网来实现。在[作者18]开发了一个系统来识别进出的屏障门停车系统的车辆。该系统利用了由Pinoir照相机用于图像捕获和树莓裨用于图像处理的实时嵌入式系统的。一旦系统检测车辆接近屏障，它自动读取车牌号，并将其与现有的列表进行比较，并且如果存在匹配打开屏障。该系统的主要缺点是不能捕捉到的，因为相机的固定位置远距离车牌号码。该系统的加是，它自动化，利用数据库来比较现有的车牌号码。

2.1。这个问题

制定交通法规和设备，以监测和控制交通，包括行人、机动车司机和骑自行车的人。众所周知，我国目前已有多起交通肇事者，这导致了多起交通事故的发生，并没有引起任何的反响。这些违反交通规则的人自由自信地从事着他们的工作，他们知道自己可能永远不会被抓到，因为适当的系统还没有到位。违反交通法规的后果导致了交通围栅，交通事故，甚至在涉及致命事故时死亡。毫无疑问，我们需要适当的系统来检查交通违法者，以确保我们的道路更安全。目前的问题是通过车牌识别快速行驶的车辆。通过检测车牌号的方法来实时捕捉移动车辆的图像是非常困难的。上述审查的现有系统已经部署了一些手段来捕获车牌号码系统。他们中的大多数成功地捕获了快速移动车辆的车牌号码。最接近这项工作的是使用python的OpenCV，它能够检测车牌号码，但没有包含数据库系统来识别罪魁祸首。

2.2。建议的解决方案

我们的提议的解决方案将是使用现有的OpenCV代码，Python编写的，但将结合一个网页，将显示所保存的塔板数，其可以被用来查询一个数据库用于犯规的识别的结果的新颖的系统。该数据库将有会被测试并询问揭示违纪所有车辆的车牌号码。开发将采取在检测快速移动车辆的一个非常有效和方式方法，用成本效益的技术，并达到良好的效果的系统。该系统的处理流程示于图1-五。

2.2.1。车辆检测

该系统利用无源红外传感器(PIR)识别移动车辆。一旦感知到车辆，PIR就会向树莓派发送一个输入信号，进而触发USB摄像头。

2.2.2。图像采集

下一步是图像采集。当接收到输入信号时，与之交互的树莓派会触发相机捕捉车辆的图像。这是一项相当困难的任务，因为它需要捕捉移动车辆的图像来实时提取信息。拍摄图像时，应包括车牌号码为[19]。要捕获的图像通常采用RGB(红色、绿色和蓝色)颜色模型。这个阶段的成功程度会受到很多因素的影响，其中包括系统噪声、模糊、失真和车辆的过度相对运动。

2.2.3。图像预处理

相机捕捉到的图像需要进行处理，以提高图像的质量。这包括背景减法、增强对比度、锐化或平滑以及噪声去除[20]。它作为一个纠错机制，以采取可能的图像采集过程中发生错误的照顾。它需要转换RBG图像成灰色颜色和边框增强亮度[21]。要将RGB格式的图像转换为灰色格式，每个RGB组件需要至少8位的存储空间。预处理技术是利用预处理算法实现的。该算法将三维RGB图像转换为二维灰度图像。

2.2.4。车牌识别

这是在VPN系统中一个非常重要的阶段。号牌检测搜索，以找到包含号牌的具体特征所拍摄的图像。该系统利用OpenCV的开源计算机视觉，将数据从图像的相机上转换为对树莓派的有用信息。它涉及到实时图像处理提供视觉到计算机。图像中的每个帧将被处理以找到对象在图像中[22，23]。

2.2.5。字符分割

这一过程涉及裁剪出塔板数的所需部分。它划分线图像为单个字符;它由分割字符为单个符号的子图像的图像。它涉及隔离背景图像，以正确识别每个文本。

2.2.6。字符识别

这就是光学字符识别和OpenCV被充分利用的地方。它包括检测和识别图像帧，并将它们转换为ASCII(美国信息交换标准代码)中有意义的文本。

三。系统要求和设计方法

该系统是建立在一个树莓Pi与USB摄像头捕捉交通场景。它利用PIR运动传感器来检测物体（车牌号）在其视场内的红外辐射能量。PIR传感器向覆盆子Pi发送一个输入信号，覆盆子Pi触发USB摄像头来捕捉图像。树莓Pi提取图像的车牌部分。然后，它通过一系列图像处理技术对提取的部分进行处理，从车牌中提取数字并在LCD显示器上显示。然后，将得到的数据与在树莓Pi上设置的数据库中的记录相匹配。系统要求如下：(我)Microprocessor: Raspberry Pi model B, 5 V-DC input voltage（二）摄像头：USB摄像头，500万像素（ⅲ）PIR sensor: 300 W output load（ⅳ）液晶显示器:162-character显示(v)操作系统:基于Linux的Raspbian OS

所设计系统的流程图如下图所示:

系统的设计包括硬件部分的设计和软件部分的设计。

这两个部分之间的相互作用显示在下面的框图：

该系统是在3个阶段，其包括设置了树莓Pi的，实施软件部分，最后组装系统的硬件组件来实现。在设置树莓派，这是这项工作的最重要组成部分，SD卡被提供给树莓派，因为它不具有它自己的内存。该SD卡持有树莓派的操作系统。使用的OS是raspbian-jessie.img OS是Debian的的变体。该Win32DiskImager用于操作系统复制到SD卡。The size of the raspbian OS is 4 GB; hence a 16 GB SD card was used to provide enough space for other functionalities. Once this is complete, the SD card is inserted into the micro USB slot of the Raspberry Pi. After successfully setting up the SD card, some commands were given to properly set up Raspberry Pi for use. This instruction includes the following:须藤APT-得到更新（用于下载软件包列表从库）。sudo易于得到升级(安装已安装软件的最新版本)。须藤RPI更新（用于更新固件）。

对于软件实现，一些包和库编写代码来像传感器正常界面组件之前安装。该代码是用Python编程语言的树莓派开发。该库是使用命令行安装“命令和apt-get安装”蟒蛇终端上。它们包括以下：sudo易于得到安装< python-pip >（库用于LCD屏）sudo pip安装RPLCD（库用于LCD屏）sudo易于得到安装 (USB相机库)sudo易于得到安装 < libopencv-dev> (library for image processing)sudo易于得到安装(支持线性代数的库)。sudo apt-get安装（库光学字符识别）

在编程树莓派，已安装的所有库使用导入命令第一进口。然后连接到液晶屏销被使用CharLCD指定。电位计被用于校准IR传感器的邻近范围，使得在一定的范围内时，它发送一个输入信号到Raspberrry裨这触发相机来捕捉图像。一旦图像被捕获，它存储在Pi的桌面上创建的文件夹。这是其中图像处理发生;这是通过一系列操作完成。首先，图像的源极路径使用img_path命令指定。接下来，图像被从它的二进制形式转换使用COLOR_BGR2GRAY命令为灰度。这样做是为了简化，便于分析图像。Afterwards a noise removal algorithm introduced using the scr_path + “remove_noise.png command. This was done to smoothen the entire image. The cv2.THRESH_BINARY,31,2 was used to further simplify the image to a basic form which is either black or white. After thresholding, noise removal was carried out to further smoothen image, after which a series of image processing techniques were carried out to finally extract the actual numbers on the image and display on an LCD screen. Then the number is compared with others on a database. Hardware components were interfaced with the Raspberry Pi. For the hardware implementation, an IR proximity sensor was used to detect the plate number. The IR sensor has 3 pins: one is connected to a 5 v Vcc of the Raspberry Pi, the other one is connected to ground, and the last one which sends the input signal to a GPIO pin on the Raspberry Pi.

最后，开发了一个web页面来访问从照相机通过网络拍摄的照片中提取的文本。Web编程是在python IDE上使用超文本标记语言(HTML)完成的。在web页面的网络上使用了一个IP地址0.0.0.0/5000。任何与树莓派同属一个网络的人都可以访问该网页。下图显示了来自设计的web页面的文本示例。

4.测试和结果

在成功地组装硬件部分和配置软件组件之后，系统的功能在一个构建的模型上进行了测试。红外传感器被用来探测移动的车辆。一旦检测到，相机就会被触发，捕捉车牌号码的图像。该系统在模拟道路上进行了测试，校准的目的是检测速度限制为40厘米/小时。汽车被设计成在这条路上以不同的速度通过。在通过的车辆中，系统能够检测到3辆车速超过规定限制的车辆。为了检测这些快速移动的车辆，在路段上安装了3个PIR运动传感器，以便向树莓派发送信号，触发USB摄像头。PIR传感器之间的距离为40厘米。，每个传感器之间的距离为20厘米。传感器等程序,当一个跑车方法第一个传感器,PIR不能触发相机10秒(这也是缩放值10马克限速),还有第二个PIR,第三PIR将自动触发USB相机拍照的汽车,因为它被认为是超速开车而被罚款。第一和第二PIR传感器触发相机的汽车图像被丢弃，因为这些汽车没有超速行驶。 Only images triggered by the third PIR were processed. The camera was placed in such a way that the rear of the car will be captured so that its plate number can be captured and verified with an existing database. After this was complete, the captured image was made to undergo image processing and optical character recognition. This is made possible by the OpenCV codes written with Python. Once the text was extracted, it was displayed on a web page. The results obtained are as shown below.

从上面的截屏可以看到，该模块能够捕捉到被认为已经超过设定的速度阈值的不同车牌号码的汽车，并且能够用一个唯一的号码标记每一辆汽车，即。9。0 8。0 12。0。这是一种区分不同车辆的方法，因此可以很容易地在数据库中对其进行跟踪。保存顺序也可以从下面的屏幕截图中观察到。

如图6，从摄像机接收到的文本为阈值形式，即，它很容易受到噪音和其他干扰。树莓派被配置为通过去除噪声成分对图像进行过滤，如图所示7。图的图像7被提供到系统，这是持有车主的准确信息的数据库访问开发的网页。

五，结论

在这项工作中，一个高效，经济，VRPN系统的开发。该系统采用智能红外感应器探测到移动物体，相机捕捉图像，从图像中提取文本，并保存在网页上的文字。选做系统的主要工作主要成分是树莓派。OpenCV的使用加上Python编程，对于字符分割和识别。这是对树莓派配置，包括正在使系统的硬件组件与树莓派工作所需的所需的库。如结果显示，所开发的系统能够提供一个网页，可以用来查询数据库上清晰可读的文本。由于IR传感器的校准，它是能够检测快速移动的汽车，并且还能够使用为每个收到的数据的标签，并具有唯一的序列节省登录在不同时间不同的汽车。该系统是交通管理的智能城市的现实化最廉价的手段远远之一。

数据可用性

用来支持这项研究的结果的数据是可用的，请相应的作者。

利益冲突

作者宣称，他们没有利益冲突。

致谢

这项研究由圣约大学研究、创新和发现中心(CUCRID)资助。

工具书类

1. D. Mitra和S.纳吉，“自动车牌识别系统：一个基于直方图的方法，”电子与电子工程杂志卷。11，第26-32，2016。查看在：谷歌学术搜索
2. A.戈亚尔和R.巴蒂亚，“为车牌识别，审查的各种技术，”国际计算机应用杂志卷。143年，2016年。查看在：出版商的网站|谷歌学术搜索
3. B.辛格，M.考尔，D.辛格和G.辛格，“字符位置法自动车牌识别系统”，国际计算视觉与机器人学杂志，第6卷第1期。1-2页，94-112页，2016。查看在：出版商的网站|谷歌学术搜索
4. M. T. Qadri和M. Asif，“车辆识别用光学字符识别的车牌自动识别系统”，in2009年国际教育技术和计算机会议记录，第335-338，新加坡，2009年4月。查看在：出版商的网站|谷歌学术搜索
5. R. Laroca, E. Severo, L. A. Zanlorensi等，“基于YOLO检测器的鲁棒实时自动车牌识别”，in神经网络的2018国际联合会议论文集（IJCNN），第1-10页，里约热内卢，巴西，2018年7月。查看在：出版商的网站|谷歌学术搜索
6. P. Bhogale，A.保存，V.耆那和S.帕雷克，“车辆车牌检测和识别系统，”国际计算机应用杂志，第137卷，否。9、2016年第31-34页。查看在：出版商的网站|谷歌学术搜索
7. 使用模板匹配技术的车牌号识别系统的性能分析，"[信息技术与软件工程，第8卷，第2期，2018年。查看在：出版商的网站|谷歌学术搜索
8. E.理事会，" 2010年5月19日欧洲议会和理事会关于建筑物能源性能的2010/31/EU指令，"欧洲联盟的官方杂志，第153卷，第13-35页，2010年。查看在：谷歌学术搜索
9. K.萨贾德，车牌自动识别使用Python和OpenCV，计算机科学与工程系，MES工程学院，库蒂普拉姆，喀拉拉邦，2010。
10. A. Kumthekar, M. S. Owhal, M. S. Supekar和M. B. Tupe，“用树莓派识别车牌”，国际工程与技术研究杂志，第5卷第1期4、2018。查看在：谷歌学术搜索
11. 穆尼奥斯，M. Craft, M. Ahmadian和S. Wrobel，“用于轨道车辆非接触式速度测量的多功能激光雷达传感器:第i部分系统的安装和实现”，in2013年联合铁路会议的会议记录，费城，PA，USA，2013年4月。查看在：出版商的网站|谷歌学术搜索
12. S.-L。Chang L.-S。陈,研究。钟,S.-W。陈，《车牌自动识别》IEEE智能交通系统汇刊，第5卷第1期1，第42-53，2004。查看在：出版商的网站|谷歌学术搜索
13. P.阿加瓦尔，K.普拉，M.卡希夫和V.的Kumari，“实施ALPR检测交通违章的：实现可持续性的步骤，”Procedia计算机科学，第132卷，第738-743页，2018年。查看在：出版商的网站|谷歌学术搜索
14. S.沙，N. Rathod，P. K.赛尼，V.帕特尔，H.拉吉普特和P.谢斯，“自动印车辆号牌检测”，在软计算:理论与应用，第453-461，施普林格，柏林，德国，2019。查看在：谷歌学术搜索
15. 波拉杰和帕德卡尔，“快速移动车辆的车牌识别”，在2017年国际计算、通信、控制和自动化大会(ICCUBEA)会议记录2017年8月，印度浦那，第1-5页。查看在：出版商的网站|谷歌学术搜索
16. R.帕纳西和I. Gholampour，“准确检测和识别用于高速应用脏车牌号码，”IEEE智能交通系统汇刊卷。18，没有。4，第767-779，2016。查看在：出版商的网站|谷歌学术搜索
17. K.特加斯，K. A.雷迪，D. P.雷迪，K.巴拉斯，R. KARTHIK，和M. R.库马尔在，“高效牌照识别系统通过更聪明的IoT解读，”用于解决问题的软计算，第207-220，施普林格，柏林，德国，2019。查看在：谷歌学术搜索
18. E、 R.Buhus，D.Timis和A.Apatean，“在覆盆子pi3上使用openalpr的自动停车通道”Acta Technica Napocensis， 2016年第57卷第10页。查看在：谷歌学术搜索
19. S. M.穆图阿，停车场管理中的自动车牌识别系统，斯特拉斯莫尔大学，内罗毕，肯尼亚，2016年。
20. 美国国家海洋和大气管理局,激光探测距离是一种用于检测地球表面的遥感方法， NOAA，银泉，美国马里兰州，2013年。
21. D. Y. Gaikwad和P. B. Borole，“自动车牌识别（ANPR）系统上的综述论文，”国际先进工程创新研究杂志(IJIRAE)卷。1，2014年查看在：谷歌学术搜索
22. O. Abayomi-阿利，M. Odusami，D. Ojinaka等人，“智能太阳能灌溉系统（SMIS）可持续农业”，在国际应用信息学会议记录， 198-212页，印度尼西亚棉兰，2018年9月。查看在：谷歌学术搜索
23. Okokpujie, E. Noma‐Osaghae, S. John, K.‐A。Grace和I. Okokpujie，“带GSM通知的人脸识别考勤系统”，in2017年IEEE第三届国家发展电工技术国际会议(NIGERCON)会议记录2017年11月，尼日利亚奥韦里，239-244页。查看在：谷歌学术搜索

版权

版权所有©2020 Olamilekan Shobayo等。这是下发布的开放式访问文章知识共享署名许可允许在任何媒介上不受限制地使用、分发和复制，只要正确地引用了原文。