本文選題：人工神經(jīng)網(wǎng)絡(luò)　切入點(diǎn)：機(jī)器學(xué)習(xí)　出處：《沈陽師范大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著智慧城市戰(zhàn)略在國家重要城市快速的推進(jìn)與發(fā)展,城市中各項(xiàng)運(yùn)行的核心系統(tǒng)都將通過運(yùn)用新一代的技術(shù)手段進(jìn)行分析、整合、處理。公共交通信息,作為城市日常生活中必不可少的一員,在很大程度上需要快速高效的進(jìn)行管理與運(yùn)行。本文通過對(duì)一個(gè)公共交通信息管理系統(tǒng)拓展功能需求進(jìn)行研究,利用機(jī)器學(xué)習(xí)中的技術(shù)對(duì)系統(tǒng)中包含車牌信息的圖像進(jìn)行處理,并在車牌智能識(shí)別方面上對(duì)于國內(nèi)外識(shí)別算法文獻(xiàn)進(jìn)行了分析與討論,綜合考慮本系統(tǒng)特點(diǎn),實(shí)現(xiàn)了本文車牌字符自動(dòng)識(shí)別的過程。本文車牌自動(dòng)識(shí)別算法研究的理念主要來源于開源系統(tǒng)EasyPR,在其基礎(chǔ)上結(jié)合本系統(tǒng)需求進(jìn)行分析與改進(jìn),本文車牌識(shí)別模塊算法基于OpenCV(Open Source Computer Vi sion Library,即OpenCV)跨平臺(tái)計(jì)算機(jī)視覺庫,輕量、高效。車牌識(shí)別過程主要分為兩大部分:1)車牌圖塊定位:通過對(duì)分析和處理一張包含車牌的圖片,得到預(yù)選車牌圖塊,再對(duì)預(yù)選車牌圖塊進(jìn)行判斷,最終得到只包含車牌信息的圖塊。本階段定位方法采用顏色空間HSV模型與邊緣檢測算法Sobel算子綜合定位,車牌判斷過程主要通過基于支持向量機(jī)(S upport Vector Machines,簡稱SVM)算法訓(xùn)練、學(xué)習(xí),并判斷得到的圖塊是否為真正的車牌。2)車牌字符識(shí)別:對(duì)通過定位得到的車牌圖塊進(jìn)行字符分割、字符識(shí)別,然后順序排列輸出字符型車牌信息。本階段字符分割主要根據(jù)邊緣輪廓提取、外接矩形等方法,字符識(shí)別過程主要通過人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,即ANN)種兩層神經(jīng)網(wǎng)絡(luò)模型進(jìn)行學(xué)習(xí)和分類輸出。本文車牌字符識(shí)別模塊主要算法基于OpenCV開源視覺庫,通過C++進(jìn)行編寫,采用VS2013進(jìn)行運(yùn)行與測試。本文采用的車牌自動(dòng)識(shí)別算法在實(shí)驗(yàn)結(jié)果中顯示具有一定的定位準(zhǔn)確率與識(shí)別率,基本符合系統(tǒng)所需需求的多項(xiàng)條件。
[Abstract]:With the rapid promotion and development of the smart city strategy in the important cities of the country, the core systems that run in the cities will be analyzed, integrated and processed through the use of the new generation of technical means. As an indispensable member of urban daily life, it needs to be managed and operated quickly and efficiently to a great extent. In this paper, the functional requirements of a public transportation information management system are studied. This paper uses the technology of machine learning to process the image which contains the license plate information in the system, and analyzes and discusses the domestic and foreign literatures on the recognition algorithm of the license plate in the aspect of the intelligent recognition of the license plate, considering the characteristics of the system synthetically. The research idea of automatic recognition algorithm of license plate mainly comes from the open source system EasyPR.Based on the analysis and improvement of this system, The algorithm of license plate recognition module is based on OpenCV(Open Source Computer Vi sion Library, which is light and efficient. The process of license plate recognition is mainly divided into two parts: 1) location of license plate block by analyzing and processing a picture containing license plate. The pre-selected license plate block is obtained, and then the pre-selected license plate block is judged. Finally, the block containing only license plate information is obtained. In this stage, the color space HSV model and the edge detection algorithm Sobel operator are used to locate the image. The process of license plate identification is mainly trained based on support vector machine (SVM) S upport Vector machines (SVM) algorithm, learning, and judging whether the obtained block is a real license plate .2.) license plate character recognition: the character segmentation of the license plate block obtained by location is carried out. Character recognition, then order the output of character license plate information. This stage of character segmentation is mainly based on edge contour extraction, external rectangle and other methods, The character recognition process is mainly carried out through artificial Neural Network (Ann) two-layer neural network model. The main algorithm of the license plate character recognition module is based on OpenCV open source vision library, and is written by C, the main algorithm of this paper is based on the open source vision library of OpenCV. The automatic license plate recognition algorithm adopted in this paper has a certain accuracy and recognition rate in the experimental results, which basically meets the requirements of the system.
【學(xué)位授予單位】：沈陽師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41;TP181

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 杜偉;杜慶東;;機(jī)器學(xué)習(xí)技術(shù)在公共交通信息平臺(tái)中的應(yīng)用與研究[J];信息與電腦(理論版);2016年20期

2 楊戈;張威強(qiáng);黃靜;;一個(gè)感知機(jī)神經(jīng)網(wǎng)絡(luò)字符識(shí)別器的實(shí)現(xiàn)[J];電子技術(shù)應(yīng)用;2015年03期

3 趙娜;袁家斌;徐晗;;智能交通系統(tǒng)綜述[J];計(jì)算機(jī)科學(xué);2014年11期

4 馬玲;張曉輝;;HSV顏色空間的飽和度與明度關(guān)系模型[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2014年08期

5 常發(fā)亮;黃翠;劉成云;趙永國;馬傳峰;;基于高斯顏色模型和SVM的交通標(biāo)志檢測[J];儀器儀表學(xué)報(bào);2014年01期

6 李志強(qiáng);李永斌;;車牌識(shí)別技術(shù)的發(fā)展及研究現(xiàn)狀[J];科技信息;2012年05期

7 張穎彬;孟嗣儀;劉云;;基于SVM的相關(guān)反饋圖像分類和檢索方案[J];鐵路計(jì)算機(jī)應(yīng)用;2011年08期

8 丁偉;;改進(jìn)神經(jīng)網(wǎng)絡(luò)算法在車牌識(shí)別中的應(yīng)用[J];計(jì)算機(jī)仿真;2011年08期

9 甘玲;林小晶;;基于連通域提取的車牌字符分割算法[J];計(jì)算機(jī)仿真;2011年04期

10 丁怡心;廖勇毅;;高斯模糊算法優(yōu)化及實(shí)現(xiàn)[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2010年08期

相關(guān)博士學(xué)位論文 前2條

1 曾俊;圖像邊緣檢測技術(shù)及其應(yīng)用研究[D];華中科技大學(xué);2011年

2 常甜甜;支持向量機(jī)學(xué)習(xí)算法若干問題的研究[D];西安電子科技大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 董程;基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別算法的研究及仿真[D];哈爾濱理工大學(xué);2015年

2 黃遙;基于OCR視頻字符識(shí)別技術(shù)研究與實(shí)現(xiàn)[D];北京交通大學(xué);2014年

3 王亞如;基于HSV顏色空間和SIFT特征的近似圖像檢索[D];蘭州大學(xué);2014年

4 楊天長;基于神經(jīng)網(wǎng)絡(luò)的文字識(shí)別技術(shù)研究及應(yīng)用[D];北方工業(yè)大學(xué);2013年

5 張吉斌;基于圖像處理及支持向量機(jī)的車牌識(shí)別技術(shù)研究[D];蘭州交通大學(xué);2013年

6 張瑞佳;車輛牌照字符識(shí)別技術(shù)的研究與實(shí)現(xiàn)[D];吉林大學(xué);2013年

7 查志強(qiáng);復(fù)雜背景下的快速車牌識(shí)別技術(shù)研究[D];南京理工大學(xué);2013年

8 申繼龍;車牌定位和傾斜校正的關(guān)鍵技術(shù)研究[D];南京郵電大學(xué);2013年

9 呂文強(qiáng);基于Adaboost和SVM的車牌識(shí)別方法研究[D];南京理工大學(xué);2013年

10 何娟芝;基于YUV顏色空間的邊緣檢測算法研究[D];杭州電子科技大學(xué);2013年

，

本文編號(hào)：1586594