隨著經(jīng)濟(jì)的迅速發(fā)展,人民的物質(zhì)需求與生活水平逐年提升,這促使交通需求也不斷提高。機(jī)動車作為重要的出行工具,其保有量更是逐年上升。隨之而來的交通管理壓力也日益增大,智能交通系統(tǒng)的研究迫在眉睫,而車牌識別系統(tǒng)作為其核心部分,更是研究的重點。目前為止,國內(nèi)外研究的車牌識別技術(shù)在高清靜止的場景中已經(jīng)較為成熟,能解決一般自然場景下的車牌識別問題,如停車場進(jìn)出系統(tǒng)、高速公路收費系統(tǒng)等。但在復(fù)雜場景中,如雨霧天氣、光照不均等情況下,現(xiàn)有的技術(shù)在整體識別率不高,適用性不強(qiáng)。因此,復(fù)雜背景下的車牌識別技術(shù)仍然面臨著巨大的挑戰(zhàn)。本論文為了解決這一問題,結(jié)合復(fù)雜場景的特點,應(yīng)用近年來大熱的深度學(xué)習(xí)理論,設(shè)計了基于深度學(xué)習(xí)的端到端車牌識別模型,該模型由若干卷積層、候選區(qū)域提取網(wǎng)絡(luò)、感興趣區(qū)域池化層以及用于車牌識別的RNN網(wǎng)絡(luò)組成。在一次端到端的傳輸過程中能同時完成車牌定位和車牌字符識別兩項工作,簡化了系統(tǒng)工作流程,提高了車牌識別的速度。首先,對傳統(tǒng)車牌識別技術(shù)進(jìn)行了深入研究,傳統(tǒng)車牌識別系統(tǒng)由車牌定位、字符分割和字符識別組成,目前為止,每一部分的準(zhǔn)確率都能做到很高,但是復(fù)雜的流程與各個算法之間不夠緊密的銜接導(dǎo)... 

【文章來源】：成都理工大學(xué)四川省

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【部分圖文】：

車牌識別技術(shù)實際應(yīng)用

(c) 模糊車牌 (d) 臟車牌圖 1-2 復(fù)雜背景圖1.4 論文主要內(nèi)容及工作1.4.1 主要內(nèi)容根據(jù)對復(fù)雜背景特征的分析結(jié)果，首先對復(fù)雜背景下的車輛圖像進(jìn)行清晰化預(yù)處理，提高夜晚或雨霧天氣的亮度以及對比度，對運動模糊圖像進(jìn)行去模糊處理；然后基于深度學(xué)習(xí)端到端的思想設(shè)計車牌識別系統(tǒng)模型，直接進(jìn)行車牌檢測，在檢測到的車牌提案上進(jìn)行字符識別；最后將模型封裝成一個軟件。車牌識別系統(tǒng)主要由兩個核心算法組成，分別是車牌檢測和車牌識別。車牌檢測問題通常是車牌識別問題的第一步，該部分利用卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionNeural Network，CNN）對圖像中的車牌部分進(jìn)行底層特征提取，得到候選區(qū)域提案，接著從所有的車牌候選區(qū)域提案中標(biāo)記出真正的車牌區(qū)域。然后利用時序

車牌尺寸與比例

【參考文獻(xiàn)】：
期刊論文
[1]基于形態(tài)學(xué)與顏色信息的車牌定位新方法[J]. 羅山,李玉蓮.  山西電子技術(shù). 2018(05)
[2]基于數(shù)學(xué)形態(tài)學(xué)和顏色統(tǒng)計的車牌定位方法[J]. 李忠海,梁書浩,楊超.  科技風(fēng). 2018(07)
[3]基于垂直投影法的涉車案件車牌字符分割研究[J]. 葉超,王震,王震.  內(nèi)蒙古公路與運輸. 2018(01)
[4]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(jī)仿真. 2011(04)
[5]基于多特征組合的車牌識別算法[J]. 王洪元,劉忠杰,劉愛萍.  常州大學(xué)學(xué)報(自然科學(xué)版). 2010(04)
[6]基于投影和固有特征結(jié)合的車牌字符分割方法[J]. 陳濤,楊晨暉,青波.  計算機(jī)技術(shù)與發(fā)展. 2009(05)
[7]基于彩色分割的車牌自動識別技術(shù)[J]. 趙雪春,戚飛虎.  上海交通大學(xué)學(xué)報. 1998(10)

碩士論文
[1]復(fù)雜背景下車牌識別算法的研究與實現(xiàn)[D]. 徐凱.電子科技大學(xué) 2017
[2]基于同態(tài)濾波的圖像增強(qiáng)算法研究[D]. 程新.西安郵電大學(xué) 2016
[3]車牌定位及字符分割算法的研究與實現(xiàn)[D]. 謝偉生.西南交通大學(xué) 2010



本文編號：3597643