自改革開放以來,隨著國家經(jīng)濟(jì)水平的快速發(fā)展,我國居民生活水平不斷提高,汽車已逐漸從奢侈品轉(zhuǎn)變?yōu)槿粘４焦ぞ?全國的汽車保有量在近年來已達(dá)到全球第二。由于我國城市發(fā)展的特點,城市交通對于停車場的需求越來越大,大部分城市都存在著停車難、車輛管理成本高的問題。作為公路交通系統(tǒng)中的重要成員,停車場發(fā)展速度遠(yuǎn)遠(yuǎn)趕不上汽車的發(fā)展速度,無法滿足人們對日常停車的需求。在此背景下,傳統(tǒng)的采用IC/ID取卡票進(jìn)行停車場管理的弊端逐漸凸顯。采用車牌識別技術(shù),既可以減少停車場的管理成本,又改善了傳統(tǒng)方式管理的停車場中,用戶進(jìn)出停車場耗時、耗力的不良體驗。因此,在停車場中采用車牌識別技術(shù)具有較大的研究價值和市場空間。本文對車牌識別中的圖像預(yù)處理、車牌定位、車牌字符分割、車牌字符識別等相關(guān)算法進(jìn)行了分析與仿真實驗。在車牌定位部分,首先對基于Sobel邊緣檢測的車牌定位方法以及基于顏色定位的車牌定位方法分別進(jìn)行了仿真實驗,最終采用通過Sobel邊緣檢測進(jìn)行粗定位,在經(jīng)過顏色判定進(jìn)行二次定位的車牌定位方法。在車牌字符分割部分,采用水平投影分析去除車牌水平邊框,再通過垂直投影分析結(jié)合車牌字符編碼先驗知識在垂直方向?qū)嚺?.. 

【文章頁數(shù)】：91 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究工作的背景與意義
    1.2 國內(nèi)外研究歷史與現(xiàn)狀
    1.3 車牌識別基本流程與相關(guān)技術(shù)現(xiàn)狀
    1.4 本文的主要內(nèi)容和結(jié)構(gòu)安排
第二章 系統(tǒng)需求分析與開發(fā)環(huán)境搭建
    2.1 系統(tǒng)概述
    2.2 系統(tǒng)需求分析
        2.2.1 功能需求
        2.2.2 性能需求
    2.3 硬件環(huán)境搭建
        2.3.1 常用硬件平臺對比
        2.3.2 RaspBerry Pi4B簡介
        2.3.3 圖像采集設(shè)備
        2.3.4 GPIO接口
    2.4 軟件開發(fā)環(huán)境搭建
        2.4.1 opencv配置
        2.4.2 創(chuàng)建數(shù)據(jù)庫
    2.5 本章小結(jié)
第三章 車牌識別算法研究
    3.1 車牌特征分析
    3.2 圖像預(yù)處理
        3.2.1 圖像灰度化
        3.2.2 灰度拉伸
        3.2.3 圖像濾波降噪
    3.3 車牌定位
        3.3.1 基于邊緣檢測的車牌定位
        3.3.2 基于顏色分割的車牌定位
        3.3.3 邊緣檢測與顏色定位相結(jié)合的車牌定位方法
    3.4 車牌字符分割
    3.5 車牌字符識別
        3.5.1 典型的字符和數(shù)字識別方法
        3.5.2 基于深度學(xué)習(xí)的字符和數(shù)字識別方法
    3.6 車牌識別算法測試
    3.7 本章小結(jié)
第四章 軟件設(shè)計與實現(xiàn)
    4.1 軟件結(jié)構(gòu)
    4.2 主程序
    4.3 GPIO模塊
        4.3.1 GPIO信號接收模塊
        4.3.2 GPIO信號輸出模塊
    4.4 車輛拍攝模塊
    4.5 車牌識別算法模塊
        4.5.1 圖像預(yù)處理模塊
        4.5.2 車牌定位模塊
        4.5.3 車牌字符分割模塊
        4.5.4 車牌字符識別模塊
    4.6 數(shù)據(jù)庫接口模塊
        4.6.1 車輛信息錄入模塊
        4.6.2 車輛信息查詢模塊
        4.6.3 進(jìn)出記錄錄入模塊
        4.6.4 進(jìn)出記錄查詢模塊
    4.7 費(fèi)用計算模塊
    4.8 網(wǎng)絡(luò)通信模塊
        4.8.1 TCP數(shù)據(jù)監(jiān)聽模塊
        4.8.2 TCP數(shù)據(jù)發(fā)送模塊
    4.9 本章小結(jié)
第五章 系統(tǒng)調(diào)試與運(yùn)行
    5.1 調(diào)試環(huán)境
    5.2 配置開機(jī)自動運(yùn)行
    5.3 運(yùn)行效果
    5.4 運(yùn)行測試
    5.5 本章小結(jié)
第六章 全文總結(jié)與展望
    6.1 全文總結(jié)
    6.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
附錄


【參考文獻(xiàn)】：
期刊論文
[1]基于深度殘差網(wǎng)絡(luò)的文字識別算法研究[J]. 孟彩霞,王騰飛,王鑫.  計算機(jī)與數(shù)字工程. 2019(06)
[2]基于深度殘差網(wǎng)絡(luò)的星系形態(tài)分類[J]. 戴加明,佟繼周.  天文學(xué)進(jìn)展. 2018(04)
[3]基于面向?qū)ο笈c深度學(xué)習(xí)的典型地物提取[J]. 金永濤,楊秀峰,高濤,郭會敏,劉世盟.  國土資源遙感. 2018(01)
[4]使用混合差異性度量的分類器選擇方法[J]. 米愛中,陸瑤.  計算機(jī)科學(xué)與探索. 2018(09)
[5]基于SVM多分類的車牌相似字符識別方法研究[J]. 方玲玉,龔文友.  計算機(jī)與數(shù)字工程. 2017(07)
[6]基于遙感影像的道路邊緣提取方法設(shè)計[J]. 劉春江.  科技視界. 2015(28)
[7]融合閾值法和邊緣提取的圖像分割算法[J]. 張恒,高敏,徐超.  裝甲兵工程學(xué)院學(xué)報. 2014(05)
[8]基于SVM的車牌字符識別算法研究[J]. 劉永春.  四川理工學(xué)院學(xué)報(自然科學(xué)版). 2012(04)
[9]一種基于證據(jù)距離的多分類器差異性度量[J]. 楊藝,韓德強(qiáng),韓崇昭.  航空學(xué)報. 2012(06)
[10]基于差異性度量的多分類器集成系統(tǒng)設(shè)計[J]. 薛梅,鄭全弟.  計算機(jī)工程與設(shè)計. 2010(23)

碩士論文
[1]團(tuán)簇宮頸細(xì)胞圖像中細(xì)胞核分割與分類算法研究[D]. 韓穎.天津理工大學(xué) 2019
[2]基于圖像識別與LoRa的自動遠(yuǎn)傳抄表系統(tǒng)設(shè)計與實現(xiàn)[D]. 熊誠.華中師范大學(xué) 2018
[3]基于圖像的車牌識別系統(tǒng)的設(shè)計和實現(xiàn)[D]. 康健新.吉林大學(xué) 2014
[4]基于差異性度量的多分類器融合個人信用評估研究[D]. 胡建華.哈爾濱工業(yè)大學(xué) 2014
[5]視頻監(jiān)控中遮擋條件下多運(yùn)動目標(biāo)跟蹤技術(shù)研究[D]. 高雅.東北大學(xué) 2014
[6]基于視頻圖像的多運(yùn)動行人目標(biāo)檢測與跟蹤技術(shù)研究[D]. 曹晶.哈爾濱工程大學(xué) 2014
[7]停車場的生態(tài)營造[D]. 扈蘇杭.中南林業(yè)科技大學(xué) 2013
[8]復(fù)雜背景下的快速車牌識別技術(shù)研究[D]. 查志強(qiáng).南京理工大學(xué) 2013
[9]多分類器組合及其遙感分類研究[D]. 張少佳.中南大學(xué) 2010
[10]車牌識別系統(tǒng)中關(guān)鍵算法的研究與實現(xiàn)[D]. 聶洪印.山東大學(xué) 2009



本文編號：3720296