基于卷積神經(jīng)網(wǎng)絡(luò)的雙行車牌分割與識別算法
發(fā)布時間：2020-07-02 14:04
【摘要】：車牌自動識別系統(tǒng)用于識別數(shù)字車牌圖像中出現(xiàn)的不同字符。該技術(shù)主要包括三個重要的步驟:車牌定位、車牌分割、車牌識別。自動車牌識別技術(shù)在智能化交通系統(tǒng)、無人看守停車場等領(lǐng)域應(yīng)用非常廣泛,具有很實際的研究意義和應(yīng)用價值。目前研究帶有中文字符的雙行車牌識別算法較少且識別準確率不高,為了將單行車牌識別算法擴展到帶有中文字符的雙行車牌識別應(yīng)用中,本文設(shè)計出一個基于卷積神經(jīng)網(wǎng)絡(luò)的雙行車牌分割算法,能夠自動地將雙行車牌圖像分割成兩個單行車牌圖像。此算法使用卷積神經(jīng)網(wǎng)絡(luò)得到車牌圖像的高維特征并使用高維特征做分類任務(wù),如果預測車牌類別是單行類型則不做任何處理,如果預測車牌類別是雙行類型,則進一步計算出分割線以將雙行車牌分割成兩個單行車牌。最后,利用卷積循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型有效地識別出車牌的字符信息。本文提出的雙行車牌分割算法自動地將帶有中文字符、數(shù)字、字母的車牌分成兩類并將雙行車牌分割成上下兩行單行車牌,支持直接使用現(xiàn)有的單行車牌識別算法來識別車牌字符信息。車牌分割和車牌字符識別的實驗對比結(jié)果表明本文算法能夠有效地改善帶有中文字符的雙行車牌識別準確率,對于光照條件較差和字符信息較模糊等圖片質(zhì)量不佳的車牌也能夠獲得較好的結(jié)果。并且,本文算法基于卷積神經(jīng)網(wǎng)絡(luò)進行訓練和運算,能夠充分發(fā)揮GPU并行計算優(yōu)勢,大大提高算法的執(zhí)行效率。
【學位授予單位】：溫州大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41;TP183;U495
【圖文】：
本章節(jié)介紹自動車牌識別算法所涉及到的數(shù)字圖像處理的相關(guān)技術(shù)，包括自動車牌識別算法經(jīng)常用到的幾種計算機視覺系統(tǒng)中不同顏色空間之間的變換、GPU 視覺處理器、GPU 所支持的通用并行計算架構(gòu)——CUDA（Compute UnifiedDevice Architecture）、以及本文算法使用的深度學習框架 Caffe 和用于圖像識別的卷積神經(jīng)網(wǎng)絡(luò)。1 顏色空間簡介從物理層面解釋，顏色即指光作用在人眼上產(chǎn)生的結(jié)果[35]。顏色有三大屬性，即色相（Hue）、亮度（lightness，也叫明度（Brightness））和飽和度（Saturation，也叫純度（Purity））[36]。色相展示的是顏色的面貌，這是顏色最重要的特征，如圖 2-1(a)所示；亮度展示的是顏色的明暗程度，如圖 2-1(b)，每一列展示了相同顏色下不同明暗程度的效果；飽和度展示的是顏色的光鮮程度，即顏色的深淺度，如圖 2-1(c)所示。
目前 Caffe 框架已經(jīng)成為學術(shù)研究項目、力，甚至在計算機視覺、語音以及多媒體領(lǐng)域都有大規(guī)模學習框架由三個最基本的原子結(jié)構(gòu)組成，它們分別為：塊（ers）以及網(wǎng)絡(luò)（Nets）。其中塊的輸入格式為：數(shù)量（Nu*高（Height）*寬（Width），塊中封裝了網(wǎng)絡(luò)的輸入數(shù)據(jù)定且不能更改的，因為 Caffe 深度學習框架中嵌入的各種數(shù)據(jù)塊格式設(shè)計的，一旦更改輸入的數(shù)據(jù)塊格式，基于 不能按照要求被執(zhí)行或者執(zhí)行結(jié)果完全不符合預期。網(wǎng)絡(luò)的基本單位，其中前一層的網(wǎng)絡(luò)輸出作為當前層的數(shù)據(jù)輸裝函數(shù)接口把接收到的數(shù)據(jù)進行卷積運算，運算結(jié)果將作網(wǎng)絡(luò)層使用分為三個步驟，首先建立層，主要是初始化各據(jù)連接關(guān)系，然后開始前向傳播過程的計算與輸出，最后果進行反向傳播得到網(wǎng)絡(luò)層梯度，并將梯度值保存起來用新。網(wǎng)絡(luò)則是由不同層構(gòu)成，包括輸入層、網(wǎng)絡(luò)層、輸出單工作流程如圖 2-6 所示。
本文編號：2738282
【學位授予單位】：溫州大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41;TP183;U495
【圖文】：
本章節(jié)介紹自動車牌識別算法所涉及到的數(shù)字圖像處理的相關(guān)技術(shù)，包括自動車牌識別算法經(jīng)常用到的幾種計算機視覺系統(tǒng)中不同顏色空間之間的變換、GPU 視覺處理器、GPU 所支持的通用并行計算架構(gòu)——CUDA（Compute UnifiedDevice Architecture）、以及本文算法使用的深度學習框架 Caffe 和用于圖像識別的卷積神經(jīng)網(wǎng)絡(luò)。1 顏色空間簡介從物理層面解釋，顏色即指光作用在人眼上產(chǎn)生的結(jié)果[35]。顏色有三大屬性，即色相（Hue）、亮度（lightness，也叫明度（Brightness））和飽和度（Saturation，也叫純度（Purity））[36]。色相展示的是顏色的面貌，這是顏色最重要的特征，如圖 2-1(a)所示；亮度展示的是顏色的明暗程度，如圖 2-1(b)，每一列展示了相同顏色下不同明暗程度的效果；飽和度展示的是顏色的光鮮程度，即顏色的深淺度，如圖 2-1(c)所示。
目前 Caffe 框架已經(jīng)成為學術(shù)研究項目、力，甚至在計算機視覺、語音以及多媒體領(lǐng)域都有大規(guī)模學習框架由三個最基本的原子結(jié)構(gòu)組成，它們分別為：塊（ers）以及網(wǎng)絡(luò)（Nets）。其中塊的輸入格式為：數(shù)量（Nu*高（Height）*寬（Width），塊中封裝了網(wǎng)絡(luò)的輸入數(shù)據(jù)定且不能更改的，因為 Caffe 深度學習框架中嵌入的各種數(shù)據(jù)塊格式設(shè)計的，一旦更改輸入的數(shù)據(jù)塊格式，基于 不能按照要求被執(zhí)行或者執(zhí)行結(jié)果完全不符合預期。網(wǎng)絡(luò)的基本單位，其中前一層的網(wǎng)絡(luò)輸出作為當前層的數(shù)據(jù)輸裝函數(shù)接口把接收到的數(shù)據(jù)進行卷積運算，運算結(jié)果將作網(wǎng)絡(luò)層使用分為三個步驟，首先建立層，主要是初始化各據(jù)連接關(guān)系，然后開始前向傳播過程的計算與輸出，最后果進行反向傳播得到網(wǎng)絡(luò)層梯度，并將梯度值保存起來用新。網(wǎng)絡(luò)則是由不同層構(gòu)成，包括輸入層、網(wǎng)絡(luò)層、輸出單工作流程如圖 2-6 所示。
【參考文獻】
相關(guān)期刊論文 前6條
1 崔文學;崔義川;王朝暉;鞏亮琴;劉明;譚暢;;基于模板匹配和垂直投影的車牌字符分割算法[J];齊齊哈爾大學學報(自然科學版);2015年06期
2 邢向楠;崔巖梅;李濤;冷杰;;一種能見度測量修正方法及其應(yīng)用研究[J];計測技術(shù);2013年03期
3 隆武林;陳穎琪;;基于圖像分割與特征匹配的目標檢測及跟蹤[J];信息技術(shù);2009年11期
4 李文舉,梁德群,王新年,于東;質(zhì)量退化的車牌字符分割方法[J];計算機輔助設(shè)計與圖形學學報;2004年05期
5 胡愛明,周孝寬;利用形態(tài)特征的汽車車牌圖像分割方法[J];計算機輔助設(shè)計與圖形學學報;2003年06期
6 黃山松;;漢王眼在高速公路收費系統(tǒng)中的應(yīng)用[J];中國公路(交通信息產(chǎn)業(yè));2001年10期
本文編號：2738282
本文鏈接：http://sikaile.net/kejilunwen/daoluqiaoliang/2738282.html
