隨著我國經(jīng)濟實力的提升和綜合國力的日益增強,直到2018年11月份公安部發(fā)布的汽車保有量已達到2.35億輛,同比約增長12.0%,其中新能源車101萬輛,同比增長83%。新能源車和普通車的使用量日益增多,智能交通識別變的越發(fā)困難。所以,一個良好的智能交通系統(tǒng)（Intelligent-Transportation-System,ITS）是解決這個難題的關鍵性一步。如何高效準確的在不同環(huán)境下去識別不同類型的車牌是重點和難點。只有我們正確識別車牌,才能更好的對那些車牌號進行統(tǒng)一管理。車牌識別技術廣泛應用于很多方面:學校進出車輛的管理和小區(qū)大門卡口進出車輛信息的管理,十字路口的超速違規(guī)駕駛抓拍等領域。本文通過對圖像技術、機器學習和深度學習等知識的全方面掌握,針對車牌識別技術的難點用深度學習方法做了改進。對新能源車牌和普通車牌都做了下面的改進:車牌定位模塊、矯正模塊、字符分割模塊和字符識別模塊。本識別系統(tǒng)使用了深度學習的算法和框架,在硬件端的攝像頭模塊也做了相應的升級,以滿足更快更準確的識別要求。本文主要工作如下:（1）在車牌定位模塊中,使用了一種以Adaboost級聯(lián)分類器作為粗定位,結合CN... 

【文章來源】：廣西師范大學廣西壯族自治區(qū)

【文章頁數(shù)】：89 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題的背景和研究意義
    1.2 車牌識別技術的發(fā)展概述
        1.2.1 車牌識別技術的研究現(xiàn)狀
        1.2.2 國內(nèi)外商用的車牌系統(tǒng)現(xiàn)狀
        1.2.3 車牌識別系統(tǒng)的技術難點
    1.3 本文的研究工作
    1.4 本文的結構安排
第2章 車牌定位檢測
    2.1 圖像預處理
        2.1.1 圖像灰度化
        2.1.2 圖像去噪
        2.1.3 邊緣檢測
        2.1.4 圖像二值化
        2.1.5 圖像大小歸一化
    2.2 算法模型
        2.2.1 隨機抽樣模型
        2.2.2 卷積模型
    2.3 車牌定位檢測
        2.3.1 自適應提升算法和回歸模型
        2.3.2 自適應提升算法與回歸模型實驗對比
        2.3.3 本文算法具體實現(xiàn)
    2.4 車牌定位實驗
        2.4.1本文車牌定位方法離線測試實驗
        2.4.2 車牌定位算法的對比
    2.5 本章小結
第3章 車牌矯正和字符分割
    3.1 分割研究現(xiàn)狀與引言
    3.2 車牌分割預處理
        3.2.1 底色判斷和反色變換
        3.2.2 矯正方法
    3.3 字符分割模板
        3.3.1 設置初始的滑動模板
        3.3.2 設置評價函數(shù)
    3.4 實驗結果及分析
    3.5 本章小結
第4章 車牌字符識別
    4.1 引言與識別研究現(xiàn)狀
    4.2 字符圖像尺寸歸一化
    4.3 支持向量機原理
        4.3.1 支持向量機的特征選取
        4.3.2 支持向量機的模型
    4.4 字符訓練集和測試集
    4.5 SVM和 CNN的字符識別
        4.5.1 CNN網(wǎng)絡參數(shù)選擇
        4.5.2 實驗結果
    4.6 訓練樣本庫的優(yōu)化
        4.6.1 Keras庫簡介
        4.6.2 生成新的數(shù)據(jù)庫
    4.7 門控制循環(huán)單元網(wǎng)絡
    4.8 字符識別算法比較
    4.9 本章小結
第5章 基于QT平臺的車牌識別系統(tǒng)設計
    5.1 引言
    5.2 系統(tǒng)實現(xiàn)環(huán)境及開發(fā)工具
        5.2.1 系統(tǒng)開發(fā)環(huán)境
        5.2.2 圖像庫
        5.2.3 系統(tǒng)的界面開發(fā)
    5.3 硬件設備
    5.4 車牌識別系統(tǒng)設計
        5.4.1 車牌系統(tǒng)模塊
        5.4.2 離線圖片識別
        5.4.3 離線視頻的識別
        5.4.4 實時車牌識別
    5.5 在線實測
    5.6 本章小結
第6章 總結與展望
    6.1 工作總結
    6.2 未來展望
參考文獻
攻讀碩士期間主要科研成果
致謝


【參考文獻】：
期刊論文
[1]基于可變形卷積神經(jīng)網(wǎng)絡的手勢識別方法[J]. 蘇軍雄,見雪婷,劉瑋,華俊達,張勝祥.  計算機與現(xiàn)代化. 2018(04)
[2]車牌識別系統(tǒng)中反色判斷及二值化算法[J]. 楊超,楊振,胡維平.  計算機工程與設計. 2016(02)
[3]一種基于色彩的車牌圖像定位算法[J]. 吳惟希,趙剛.  信息安全研究. 2016(01)
[4]基于顏色特征和改進Canny算子的車牌圖像定位[J]. 孫金嶺,龐娟,張澤龍.  吉林大學學報(理學版). 2015(04)
[5]融合字符紋理特征與RGB顏色特征的車牌定位[J]. 孫紅,郭凱.  光電工程. 2015(06)
[6]基于局部二值模式與多層感知器的中文車牌字符識別高效算法[J]. 王玨,李洪研.  計算機應用. 2015(S1)
[7]基于2DPCA-ICA和SVM的車標識別新方法[J]. 李文舉,孫娟紅,韋麗華,李俠.  遼寧師范大學學報(自然科學版). 2011(02)
[8]基于連通域提取的車牌字符分割算法[J]. 甘玲,林小晶.  計算機仿真. 2011(04)
[9]加入改進LBP紋理的高分辨率遙感圖像分類[J]. 宋本欽,李培軍.  國土資源遙感. 2010(04)
[10]基于字符檢測的車牌定位方法[J]. 賈曌峰,陳繼榮.  計算機工程. 2010(03)

碩士論文
[1]車牌及車標識別技術的研究[D]. 蒙佳.廣西師范大學 2017
[2]車牌識別系統(tǒng)研究與設計[D]. 楊超.廣西師范大學 2015



本文編號：2899685