發(fā)布時間：2020-12-06 15:35

　　自動車牌識別技術(shù)可以從圖像中檢測車牌并進(jìn)行字符識別,作為智能交通管理的重要手段之一,在生活中已經(jīng)得到廣泛的應(yīng)用。傳統(tǒng)車牌識別技術(shù)依賴于人工設(shè)計特征,在光照條件不穩(wěn)定,車牌大小、傾角不確定的復(fù)雜場景下難以準(zhǔn)確地對車牌進(jìn)行檢測和分割,影響識別效果。目前,深度學(xué)習(xí)可以自適應(yīng)地提取豐富的圖像特征,為研究復(fù)雜場景下的車牌識別提供了新的思路。為探索將深度學(xué)習(xí)應(yīng)用于復(fù)雜場景下車牌識別任務(wù)的可行性與實用性,本文開展了以下研究工作。（1）針對目前沒有統(tǒng)一的用于復(fù)雜場景下車牌識別任務(wù)的數(shù)據(jù)集,本文首先采用人工拍攝的方式,在多個場景、多種角度和多種天氣下采集大量的車牌圖像;其次為了增加樣本的多樣性,對樣本集進(jìn)行數(shù)據(jù)增強(qiáng)處理;最后對車牌圖像進(jìn)行人工標(biāo)注以制作實驗所用的數(shù)據(jù)集。（2）由于傳統(tǒng)車牌檢測技術(shù)無法有效地從復(fù)雜場景中檢測車牌,通過對多種目標(biāo)檢測算法的研究,本文以YOLOv2為基礎(chǔ)設(shè)計了車牌檢測網(wǎng)絡(luò)LPD-net;通過聚類算法對數(shù)據(jù)集進(jìn)行分析,優(yōu)化了先驗框的設(shè)計;引入多尺度檢測策略,增強(qiáng)網(wǎng)絡(luò)對于小目標(biāo)的檢測性能;通過不同深度卷積層的融合,增強(qiáng)網(wǎng)絡(luò)的特征表達(dá)能力。實驗結(jié)果表明,相比于傳統(tǒng)方法,LPD-net... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

_12不同尺度輸入下的YOLOvZ參數(shù)李換

8烹度對比度調(diào)節(jié)對比圖

In于氣奪徐對比圖

【參考文獻(xiàn)】：
期刊論文
[1]第三季度全國機(jī)動車和駕駛?cè)吮３制椒�(wěn)增長[J].   道路交通管理. 2018(11)
[2]基于最大穩(wěn)定極限區(qū)域的車牌定位[J]. 陳俊,何小海,滕奇志.  科學(xué)技術(shù)與工程. 2015(31)
[3]基于多特征組合的車牌識別算法[J]. 王洪元,劉忠杰,劉愛萍.  常州大學(xué)學(xué)報(自然科學(xué)版). 2010(04)
[4]基于邊緣檢測與垂直投影相結(jié)合的車牌定位方法[J]. 梅林,劉鋒.  甘肅科技. 2009(03)
[5]基于模板匹配的車牌字符識別算法實現(xiàn)[J]. 劉靜,周靜華,蘇俊連,付佳.  科技信息(科學(xué)教研). 2007(24)
[6]最大類間方差車牌字符分割的模板匹配算法[J]. 王興玲.  計算機(jī)工程. 2006(19)
[7]基于二值圖像的車牌精確定位方法[J]. 路小波,張光華.  東南大學(xué)學(xué)報(自然科學(xué)版). 2005(06)
[8]車牌自動識別方法中的關(guān)鍵技術(shù)研究[J]. 崔江,王友仁.  計算機(jī)測量與控制. 2003(04)
[9]車牌圖像的快速匹配識別方法[J]. 胡愛明,周孝寬.  計算機(jī)工程與應(yīng)用. 2003(07)
[10]基于聚類分析的車牌字符分割方法[J]. 陳黎,黃心漢,王敏,李煒.  計算機(jī)工程與應(yīng)用. 2002(06)



本文編號：2901617