車牌識(shí)別是一種計(jì)算機(jī)視覺技術(shù),其運(yùn)用數(shù)字圖像處理和模式識(shí)別的相關(guān)知識(shí)完成汽車牌照的識(shí)別,汽車牌照相當(dāng)于汽車的身份證,通過與車輛綁定的唯一標(biāo)識(shí)對(duì)其進(jìn)行監(jiān)管,能夠讓交通管理更加高效和便捷。本文在調(diào)研傳統(tǒng)車牌識(shí)別技術(shù)的基礎(chǔ)上,分別對(duì)車牌定位、有效車牌判斷、字符分割和字符識(shí)別四大技術(shù)進(jìn)行了完整且詳細(xì)的論述,旨在解決目前傳統(tǒng)車牌識(shí)別算法存在的問題。其主要研究內(nèi)容如下:1.論述了單一特征如邊緣或顏色特征定位算法的局限,并引入文字特征定位的方法,文字特征定位的方法可以很好的彌補(bǔ)邊緣和顏色特征定位的不足,在綜合考慮應(yīng)用場景以及算法效率等方面之后,最終采用邊緣、顏色和文字等特征相結(jié)合的方法進(jìn)行車牌定位。2.無論使用邊緣、顏色和文字等特征結(jié)合還是其他的車牌定位方法,都不可能濾除現(xiàn)實(shí)場景中的所有干擾,在定位出車牌的同時(shí)可能會(huì)產(chǎn)生一些類似車牌的干擾圖像。為了在候選圖像中篩選出有效車牌,使用機(jī)器學(xué)習(xí)領(lǐng)域中的支持向量機(jī)模型進(jìn)行分類訓(xùn)練以判斷候選圖像是否為車牌,從而得到最后的車牌圖像。3.由于我國車牌包含特殊的中文字符,這也要求字符分割算法需要很好的適應(yīng)中文。在調(diào)研相關(guān)資料后,使用輪廓和先驗(yàn)知識(shí)相結(jié)合的方法實(shí)現(xiàn)車牌... 

【文章來源】：成都理工大學(xué)四川省

【文章頁數(shù)】：93 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)三者的關(guān)系

時(shí)定位效果并不理想。特征的定位方法用來定位車牌之外，顏色也是車圖像而言，首先想到的一個(gè)方-藍(lán)色）值判斷顏色。如果車牌是值，如果大于這個(gè)閾值就判定為哪怕 Blue 分量確實(shí)為藍(lán)色，但是來的圖片顏色也不一定是藍(lán)色。 255，這樣組合出來的圖像最終顏色判定比較繁雜，Smith（197, Value-亮度）模型，這個(gè)模型非

原始圖像

【參考文獻(xiàn)】：
期刊論文
[1]基于ABC-SVM算法的車牌識(shí)別系統(tǒng)設(shè)計(jì)[J]. 劉雪陽.  電子測量技術(shù). 2018(24)
[2]基于TensorFlow深度學(xué)習(xí)的車牌識(shí)別算法研究[J]. 李兵,易嘉聞,黃鋒,晏鵬程,張一鳴,吳健輝,歐先鋒.  成都工業(yè)學(xué)院學(xué)報(bào). 2018(04)
[3]基于OpenCv的車牌識(shí)別研究[J]. 洪傳豪,丁兵兵,靳偉.  福建電腦. 2018(12)
[4]基于車牌顏色特征的車牌識(shí)別系統(tǒng)[J]. 童璟蕓,李雅雯,張弛斌,胡旭東,李紅莉.  中國科技信息. 2018(22)
[5]基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別技術(shù)研究[J]. 張娜,韓美林,王園園,楊琳.  計(jì)算機(jī)與數(shù)字工程. 2018(10)
[6]基于SVM的車牌識(shí)別技術(shù)研究[J]. 李良榮,榮耀祖,顧平,李震.  貴州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(05)
[7]基于直線檢測和數(shù)學(xué)形態(tài)學(xué)的車牌定位算法[J]. 蔡秀梅,周川力.  計(jì)算機(jī)與數(shù)字工程. 2018(08)
[8]基于BP神經(jīng)網(wǎng)絡(luò)算法的車牌自動(dòng)識(shí)別[J]. 李雅雯,童璟蕓,胡旭東,張弛斌,李紅莉.  工業(yè)控制計(jì)算機(jī). 2018(06)
[9]一種基于核密度估計(jì)的圖像邊緣檢測方法[J]. 周建,徐海芹.  計(jì)算機(jī)科學(xué). 2018(S1)
[10]一種基于GMP-LeNet網(wǎng)絡(luò)的車牌識(shí)別方法[J]. 林哲聰,張江鑫.  計(jì)算機(jī)科學(xué). 2018(S1)

博士論文
[1]局部仿射不變特征的提取技術(shù)研究[D]. 吳偉平.中國科學(xué)院研究生院(長春光學(xué)精密機(jī)械與物理研究所) 2015

碩士論文
[1]復(fù)雜環(huán)境下車牌檢測與識(shí)別方法研究[D]. 孫庭強(qiáng).南京郵電大學(xué) 2018
[2]基于支持向量機(jī)（SVM）的車牌識(shí)別[D]. 余承波.安徽理工大學(xué) 2018
[3]基于深度學(xué)習(xí)的車牌識(shí)別關(guān)鍵技術(shù)研究[D]. 李朝兵.電子科技大學(xué) 2018
[4]神經(jīng)網(wǎng)絡(luò)的權(quán)值規(guī)范化研究[D]. 杜森.吉林大學(xué) 2017
[5]基于機(jī)器學(xué)習(xí)的車牌識(shí)別算法研究[D]. 杜偉.沈陽師范大學(xué) 2017
[6]適用于智能停車場的車牌識(shí)別系統(tǒng)的研究[D]. 陳元正.浙江工業(yè)大學(xué) 2015
[7]神經(jīng)網(wǎng)絡(luò)解決機(jī)械加工誤差復(fù)映的應(yīng)用研究[D]. 武星星.吉林大學(xué) 2004



本文編號(hào)：3571273