傳統(tǒng)車牌識別算法由于其自身的缺陷,在圖像成像質(zhì)量較差和拍攝角度不佳等情況下難以實現(xiàn)對車牌的精準(zhǔn)定位和識別,尤其是在停車場和收費站中,車牌定位識別難度較大。隨著私用轎車的增多,交通阻塞、停車?yán)щy,環(huán)境污染,道路安全等問題已經(jīng)嚴(yán)重影響到人們的日常生活。社會迫切需要更加高效的智能化交通管理體系,其中車牌信息管理的好壞是決定交通管理體系成功的關(guān)鍵。基于此,本文提出了基于YOLO深度學(xué)習(xí)算法對車牌進行高效識別和精準(zhǔn)定位。研究內(nèi)容如下:（1）針對車牌定位,分析了傳統(tǒng)算法中基于邊緣特征的車牌定位、基于顏色特征的車牌定位、基于形態(tài)特征的車牌定位以及深度學(xué)習(xí)算法中基于卷積神經(jīng)網(wǎng)絡(luò)的車牌定位算法的定位原理和存在的缺陷,選用了改進后的深度學(xué)習(xí)YOLOv3.1模型算法進行實驗研究。通過研究發(fā)現(xiàn):同時對同一車牌定位時,響應(yīng)速度較傳統(tǒng)算法提高了數(shù)倍,經(jīng)過60000次迭代訓(xùn)練后準(zhǔn)確率能夠維持在99.2%左右,超過大多數(shù)已應(yīng)用在生活中的深度學(xué)習(xí)算法。（2）針對車牌字符識別,分析了基于模板匹配的車牌字符識別算法、基于特征統(tǒng)計的車牌字符識別算法、基于卷積神經(jīng)網(wǎng)絡(luò)的AlexNet字符識別算法操作流程及不足。選用了20萬張樣... 

【文章來源】：信陽師范學(xué)院河南省

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 引言
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 車牌定位研究現(xiàn)狀
        1.2.2 車牌字符識別研究現(xiàn)狀
    1.3 本文研究的主要工作與文章結(jié)構(gòu)
第2章 基于深度學(xué)習(xí)的車牌定位算法研究
    2.1 車牌特征分析
    2.2 常用車牌定位算法
        2.2.1 基于邊緣特征的車牌定位算法
        2.2.2 基于顏色特征的車牌定位算法
        2.2.3 基于形態(tài)多特征的車牌定位算法
        2.2.4 基于卷積神經(jīng)網(wǎng)絡(luò)的車牌定位算法
    2.3 基于YOLOV3 的車牌定位算法
        2.3.1 網(wǎng)絡(luò)參數(shù)設(shè)計
        2.3.2 網(wǎng)絡(luò)訓(xùn)練
    2.4 算法測試與性能分析
        2.4.1 數(shù)據(jù)集
        2.4.2 實驗結(jié)果與分析
第3章 基于深度學(xué)習(xí)的車牌字符識別算法研究
    3.1 車牌字符特征分析
    3.2 常用車牌字符識別算法
        3.2.1 基于模板匹配的車牌字符識別算法
        3.2.2 基于特征統(tǒng)計的車牌字符識別算法
        3.2.3 基于卷積神經(jīng)網(wǎng)絡(luò)的字符識別算法
    3.3 基于YOLOV3 的車牌字符識別算法
        3.3.1 Anchor設(shè)計
        3.3.2 字符分類
        3.3.3 輸出號牌
    3.4 算法測試與性能分析
第4章 結(jié)論與展望
參考文獻
攻讀學(xué)位期間獲得與學(xué)位論文相關(guān)的科研成果目錄
致謝


【參考文獻】：
期刊論文
[1]人工智能在脊柱外科診斷與治療中的應(yīng)用現(xiàn)狀和發(fā)展趨勢[J]. 歐陽漢強,姜亮,劉曉光,袁慧書,劉忠軍.  中華骨科雜志. 2019(24)
[2]基于深度學(xué)習(xí)的飛行器姿態(tài)分析研究[J]. 王靜,楊劍宇,朱其淘,陳強,王克逸.  新技術(shù)新工藝. 2019(09)
[3]基于深度學(xué)習(xí)的蜂窩信號室內(nèi)定位算法[J]. 楊伊璇.  中國電子科學(xué)研究院學(xué)報. 2019(09)
[4]深度學(xué)習(xí)在復(fù)雜環(huán)境下車牌定位算法中的應(yīng)用[J]. 趙偉,張南楠.  現(xiàn)代電子技術(shù). 2019(17)
[5]基于深度學(xué)習(xí)的超聲圖像左心耳自動分割方法[J]. 韓路易,黃韞梔,竇浩然,白文娟,劉奇.  計算機應(yīng)用. 2019(11)
[6]基于改進SSD的艦船目標(biāo)精細(xì)化檢測方法[J]. 梁杰,李磊,周紅麗.  導(dǎo)航定位與授時. 2019(05)
[7]基于區(qū)域卷積網(wǎng)絡(luò)的行駛車輛檢測算法[J]. 曹長玉,鄭佳春,黃一琦.  集美大學(xué)學(xué)報(自然科學(xué)版). 2019(04)
[8]基于卷積神經(jīng)網(wǎng)絡(luò)的臍橙果梗臍部檢測算法及應(yīng)用[J]. 杜雨亭,李功燕,許紹云.  計算機應(yīng)用與軟件. 2019(07)
[9]基于深度學(xué)習(xí)的空間多目標(biāo)識別方法研究[J]. 王柳.  無人系統(tǒng)技術(shù). 2019(03)
[10]室內(nèi)環(huán)境中人穿攜物品歸屬關(guān)系自主學(xué)習(xí)框架[J]. 吳皓,李文靜,田國會,陳兆偉,楊勇.  浙江大學(xué)學(xué)報(工學(xué)版). 2019(07)

碩士論文
[1]深度學(xué)習(xí)在車牌識別中的研究與應(yīng)用[D]. 李文鵬.西安工程大學(xué) 2018
[2]基于圖像處理的車牌識別方法研究[D]. 黃辰陽.廣東工業(yè)大學(xué) 2018
[3]增值稅發(fā)票自動識別算法研究[D]. 廖玉欽.大連海事大學(xué) 2018
[4]智能車牌識別系統(tǒng)的實現(xiàn)與優(yōu)化[D]. 姜曉.東華大學(xué) 2017
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的車牌識別技術(shù)研究[D]. 李達(dá).湘潭大學(xué) 2016
[6]灰度圖像的直方圖均衡化處理研究[D]. 陳永亮.安徽大學(xué) 2014
[7]車牌識別技術(shù)的研究[D]. 吳進軍.浙江大學(xué) 2005



本文編號：3188720