隨著智能信息化的發(fā)展融入到現(xiàn)代社會生活的部分逐漸增加,城市中的各項信息管理的系統(tǒng)平臺都逐漸選擇運用新一代的技術手段進行信息管理以達到更加完善的分析、整合、處理能力。公共交通信息,是城市日常生活中必不可少的部分,并且隨著車輛的數(shù)量在城市中持上升趨勢,一個快速高效的交通信息管理是必不可少的。本文以公共交通信息管理平臺系統(tǒng)為對象進行研究,結(jié)合國內(nèi)外現(xiàn)有的對于車牌識別方向的研究成果,通過深度學習的相關技術實現(xiàn)了本文對系統(tǒng)中車牌信息相關的圖像的車牌字符自動識別的效果。本文結(jié)合公共交通信息管理系統(tǒng)的實際需求進行分析,車牌識別模塊算法基于OpenC V（開源計算機視覺庫）跨平臺計算機視覺庫。車牌識別過程主要分為車牌定位和車牌字符識別兩個部分:車牌定位:對包含車牌局部圖塊的圖片進行分析和處理得到車牌圖塊,利用HSV顏色定位模型和Sobel算子邊緣檢測算法結(jié)合進行車牌定位。再對預選車牌圖塊進行判斷,以達到最終得到只包含車牌信息的圖塊。牌照判斷過程主要由支持向量機（SVM）算法訓練,以確定所獲得的局部圖塊是否是真實的車輛牌照圖像。車牌字符識別:對車牌完成定位后得到的圖像進行字符分割、識別,并按順序排列,形... 

【文章來源】：沈陽師范大學遼寧省

【文章頁數(shù)】：48 頁

【學位級別】：碩士

【部分圖文】：

我國車輛牌照樣例前兩個號碼牌是省，自治區(qū)，直轄市和許可證頒發(fā)機構(gòu)代碼（即車輛登記機構(gòu)）的

圖 2.1 車牌識別流程）車牌定位在未經(jīng)處理前我們輸入的是一個包含車牌信息的完整車輛圖像，且圖像中極塊的背景干擾。輸入后對圖像進行定位操作從而找到符合車牌信息的諸多圖機器學習來確定哪些圖塊是車牌，從而達到最終得到一個僅包含車牌信息的（1）圖像預處理：在對車牌進行定位前，我們首先要對獲取的圖像進行預處照條件、環(huán)境背景、圖像本身質(zhì)量引起的對定位識別過程帶來的干擾。（2）車牌定位：在經(jīng)過灰度化、飽和度調(diào)整等預處理之后，在對整體圖像的塊進行定位操作。）車牌字符識別在完成車牌定位操作之后，我們可以得到一個僅包含車牌字符信息的圖像。

用 RGB 模型為圖像中每一個像素的 RGB 分色空間模型是三個主要顏色分量模型，R 代blue。= [ ] + [ ] + [ ] （1）r + g + b = 1 （2）的是一個特定的顏色，r，g，b 分別表示三個量分別對應 255，255，255 時表示的顏色即即為黑色。RGB 的原理是利用設定三種顏色RGB 空間模型如圖 3.1 所示。

【參考文獻】：
期刊論文
[1]機器學習技術在公共交通信息平臺中的應用與研究[J]. 杜偉,杜慶東.  信息與電腦(理論版). 2016(20)
[2]一個感知機神經(jīng)網(wǎng)絡字符識別器的實現(xiàn)[J]. 楊戈,張威強,黃靜.  電子技術應用. 2015(03)
[3]智能交通系統(tǒng)綜述[J]. 趙娜,袁家斌,徐晗.  計算機科學. 2014(11)
[4]HSV顏色空間的飽和度與明度關系模型[J]. 馬玲,張曉輝.  計算機輔助設計與圖形學學報. 2014(08)
[5]基于高斯顏色模型和SVM的交通標志檢測[J]. 常發(fā)亮,黃翠,劉成云,趙永國,馬傳峰.  儀器儀表學報. 2014(01)
[6]車牌識別技術的發(fā)展及研究現(xiàn)狀[J]. 李志強,李永斌.  科技信息. 2012(05)
[7]改進神經(jīng)網(wǎng)絡算法在車牌識別中的應用[J]. 丁偉.  計算機仿真. 2011(08)
[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]高斯模糊算法優(yōu)化及實現(xiàn)[J]. 丁怡心,廖勇毅.  現(xiàn)代計算機(專業(yè)版). 2010(08)

博士論文
[1]基于動態(tài)紋理和卷積神經(jīng)網(wǎng)絡的視頻煙霧探測方法研究[D]. 林高華.中國科學技術大學 2018
[2]圖像邊緣檢測技術及其應用研究[D]. 曾俊.華中科技大學 2011
[3]支持向量機學習算法若干問題的研究[D]. 常甜甜.西安電子科技大學 2010

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡的人臉面部表情識別方法研究[D]. 張璐璐.河北科技大學 2019
[2]邊緣檢測算法及其在面癱識別系統(tǒng)中的應用[D]. 閆亞美.長春工業(yè)大學 2017
[3]基于HSV空間的彩色圖像亞像素邊緣檢測[D]. 李麗莎.西安工業(yè)大學 2015
[4]基于改進神經(jīng)網(wǎng)絡的車牌識別算法的研究及仿真[D]. 董程.哈爾濱理工大學 2015
[5]基于OCR視頻字符識別技術研究與實現(xiàn)[D]. 黃遙.北京交通大學 2014
[6]基于HSV顏色空間和SIFT特征的近似圖像檢索[D]. 王亞如.蘭州大學 2014
[7]基于神經(jīng)網(wǎng)絡的文字識別技術研究及應用[D]. 楊天長.北方工業(yè)大學 2013
[8]基于圖像處理及支持向量機的車牌識別技術研究[D]. 張吉斌.蘭州交通大學 2013
[9]車輛牌照字符識別技術的研究與實現(xiàn)[D]. 張瑞佳.吉林大學 2013
[10]復雜背景下的快速車牌識別技術研究[D]. 查志強.南京理工大學 2013



本文編號：3116135