本文選題：車牌識別 + 車牌定位��； 參考：《西華師范大學(xué)》2017年碩士論文

【摘要】：車牌識別系統(tǒng)(License Plate Recognition,LPR)作為智能交通系統(tǒng)的主要組成部分,一直都是國內(nèi)外學(xué)者的研究熱點(diǎn)。目前,它已廣泛應(yīng)用于高速公路收費(fèi)管理系統(tǒng)、小區(qū)智能停車管理系統(tǒng)、道路車輛監(jiān)控系統(tǒng)及“電子眼”系統(tǒng)等多個(gè)領(lǐng)域。因此,對其進(jìn)行研究有著重大的現(xiàn)實(shí)意義。本文就LPR中的三大核心技術(shù)進(jìn)行了探討和研究,所做的主要工作如下:(1)車牌定位。作為整個(gè)識別系統(tǒng)中關(guān)鍵的第一步,定位的正確與否將決定后面的字符分割與識別結(jié)果。本文通過研究和分析目前常用的一些車牌定位方法,提出了一種結(jié)合梯度和飽和度顏色特征的定位算法。此算法主要包括四個(gè)步驟:基于梯度特征的粗定位、基于飽和度特征的粗定位、精確定位及去除偽車牌。利用綜合特征進(jìn)行定位不僅可以有效地避免使用單一特征所導(dǎo)致的定位誤差,而且比單一特征定位更符合人的視覺要求。(2)字符分割。根據(jù)我國車牌的字符分布特點(diǎn)及目前常用的車牌字符分割方法,本文采用了一種結(jié)合先驗(yàn)知識與投影的字符分割算法。此方法充分利用了車牌字符的分布規(guī)律,根據(jù)字符的垂直投影來找出分割點(diǎn),進(jìn)而分割出車牌的單個(gè)字符。此方法原理雖然簡單、容易實(shí)現(xiàn),但實(shí)驗(yàn)表明:它可以有效地避免圖像中因車牌傾斜、光線不均等因素所造成的影響。(3)字符識別。作為識別系統(tǒng)中的核心步驟,字符識別的速度及準(zhǔn)確度將決定系統(tǒng)的性能。本文通過研究前人的字符識別方法,提出了一種基于PSO-SVM的車牌字符識別算法。其主要思想是:首先通過粒子群優(yōu)化算法(Particle Swarm Optimization,PSO)來對支持向量機(jī)(Support Vector Machine,SVM)中核函數(shù)參數(shù)進(jìn)行尋優(yōu)操作;然后根據(jù)所得參數(shù)設(shè)計(jì)合適的SVM分類器來對車牌字符進(jìn)行識別。實(shí)驗(yàn)結(jié)果表明:與一些其它的參數(shù)尋優(yōu)算法相比,此算法的識別準(zhǔn)確率更高。
[Abstract]:License Plate Recognition (LPR), as the main component of intelligent transportation system, has always been the research hotspot of scholars at home and abroad. At present, it has been widely used in expressway toll management system, intelligent parking management system, road vehicle monitoring system and "electronic eye" system and so on. It is of great practical significance to study it. In this paper, the three key technologies in LPR are discussed and studied. The main work is as follows: (1) license plate location. As the first step in the whole identification system, the correct location will determine the following character segmentation and recognition results. This paper is studied and analyzed at present. This algorithm mainly includes four steps: coarse location based on gradient feature, coarse location based on saturation feature, accurate location and removal of pseudo license plate. The location error caused by a feature is more consistent with the human visual requirement than the single feature location. (2) character segmentation. According to the character distribution characteristics of the license plate in China and the current common license plate character segmentation method, a kind of character division algorithm combining prior knowledge and projection is adopted in this paper. This method makes full use of the character of the license plate. According to the vertical projection of the character, the segmentation point is found out and the single character of the license plate is separated. The principle is simple and easy to be realized, but the experiment shows that it can effectively avoid the influence caused by the incline of license plate and the inhomogeneous factors in the image. (3) character recognition. As the core step of the recognition system, character recognition. The speed and accuracy of recognition will determine the performance of the system. In this paper, a character recognition algorithm based on PSO-SVM is proposed by studying the character recognition method of predecessors. The main idea is: first, the kernel function of the support vector machine (Support Vector Machine, SVM) is obtained by the particle swarm optimization (Particle Swarm Optimization, PSO). Several parameters are optimized, and then a suitable SVM classifier is designed to identify the characters of the license plate according to the parameters. The experimental results show that the recognition accuracy of the algorithm is higher than some other parameter optimization algorithms.
【學(xué)位授予單位】：西華師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：U495;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 施隆照;王凱;;基于連通區(qū)域的復(fù)雜車牌的字符分割算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2016年08期

2 焦偉超;鄭伯川;袁秀芳;;一種基于SVM的真?zhèn)诬嚺品诸愃惴╗J];西華師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年02期

3 陳莊;楊峰;馮欣;崔少國;李博;;多尺度積角點(diǎn)檢測和視覺顏色特征的魯棒車牌定位算法[J];重慶大學(xué)學(xué)報(bào);2016年02期

4 孫紅;郭凱;;融合字符紋理特征與RGB顏色特征的車牌定位[J];光電工程;2015年06期

5 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

6 廉寧;徐艷蕾;;基于數(shù)學(xué)形態(tài)學(xué)和顏色特征的車牌定位方法[J];圖學(xué)學(xué)報(bào);2014年05期

7 劉雄飛;朱盛春;;車牌字符多特征提取與BP神經(jīng)網(wǎng)絡(luò)的識別算法[J];計(jì)算機(jī)仿真;2014年10期

8 方興林;;一種基于自適應(yīng)形態(tài)學(xué)結(jié)構(gòu)元素的車牌定位算法[J];計(jì)算機(jī)工程與應(yīng)用;2013年23期

9 王劍書;樊養(yǎng)余;張辰銳;;基于左上邊緣點(diǎn)檢測的快速車牌定位算法[J];計(jì)算機(jī)仿真;2013年11期

10 咼潤華;蘇婷婷;馬曉偉;;BP神經(jīng)網(wǎng)絡(luò)聯(lián)合模板匹配的車牌識別系統(tǒng)[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年09期

相關(guān)碩士學(xué)位論文 前8條

1 徐曉明;SVM參數(shù)尋優(yōu)及其在分類中的應(yīng)用[D];大連海事大學(xué);2014年

2 于成龍;車輛牌照自動識別系統(tǒng)的研究[D];西南石油大學(xué);2014年

3 陳智慧;復(fù)雜背景下的車牌識別技術(shù)研究[D];太原科技大學(xué);2014年

4 陳學(xué)保;車牌字符識別算法的研究[D];重慶大學(xué);2013年

5 馮君玲;車牌識別系統(tǒng)中車牌定位與傾斜校正的研究與實(shí)現(xiàn)[D];廣西師范大學(xué);2013年

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

7 陳濤;車牌識別系統(tǒng)及其學(xué)習(xí)機(jī)制的研究[D];廈門大學(xué);2009年

8 單瑾;基于數(shù)學(xué)形態(tài)學(xué)的車牌定位與識別技術(shù)的研究與實(shí)現(xiàn)[D];電子科技大學(xué);2008年

，

本文編號：2008477