隨著我國鐵路事業(yè)的快速發(fā)展,鐵路列車的日常維護(hù)變得越來越重要,為了實(shí)現(xiàn)對(duì)入庫檢修列車的信息化管理,需要準(zhǔn)確的列車車號(hào)識(shí)別作為保障,以提高對(duì)列車的管理效率。由于手工記錄與核對(duì)車號(hào)信息需要耗費(fèi)大量人力和物力,基于射頻識(shí)別的電子標(biāo)簽技術(shù)不易于維護(hù)并且成本較高,而且傳統(tǒng)圖像識(shí)別方法準(zhǔn)確率不高,因此本文采用在圖像識(shí)別方面表現(xiàn)突出的深度學(xué)習(xí)技術(shù)對(duì)列車車號(hào)識(shí)別進(jìn)行研究。針對(duì)傳統(tǒng)圖像識(shí)別方法中間過程較多造成的影響,本文主要基于深度學(xué)習(xí)目標(biāo)檢測(cè)算法對(duì)鐵路列車車號(hào)進(jìn)行識(shí)別,以簡(jiǎn)化工作過程,提高識(shí)別系統(tǒng)的準(zhǔn)確率。首先,對(duì)現(xiàn)場(chǎng)采集的大量原始車號(hào)圖片數(shù)據(jù)集進(jìn)行整理,并對(duì)原始圖像進(jìn)行人工標(biāo)注工作,得到訓(xùn)練和測(cè)試所用的樣本數(shù)據(jù)。其次,基于深度學(xué)習(xí)目標(biāo)檢測(cè)算法對(duì)車號(hào)區(qū)域進(jìn)行檢測(cè)定位,克服了傳統(tǒng)圖像定位方法的局限性,檢測(cè)出的車號(hào)區(qū)域用于后續(xù)的字符檢測(cè)和識(shí)別。然后,同樣基于深度學(xué)習(xí)目標(biāo)檢測(cè)算法對(duì)車號(hào)區(qū)域中的車號(hào)字符進(jìn)行檢測(cè),不用進(jìn)行字符分割任務(wù),直接對(duì)車號(hào)字符進(jìn)行端到端的識(shí)別。最后,把車號(hào)定位和字符檢測(cè)結(jié)合起來,設(shè)計(jì)實(shí)現(xiàn)車號(hào)識(shí)別系統(tǒng),通過測(cè)試,驗(yàn)證系統(tǒng)較高的識(shí)別準(zhǔn)確率,并進(jìn)行實(shí)際應(yīng)用,解決了傳統(tǒng)識(shí)別方法設(shè)備成本高、可靠性... 

【文章來源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：68 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究目的及意義
    1.4 本文主要工作
    1.5 論文組織結(jié)構(gòu)
第二章 相關(guān)技術(shù)分析與介紹
    2.1 鐵路機(jī)車車號(hào)圖像簡(jiǎn)介
    2.2 傳統(tǒng)車號(hào)圖像識(shí)別方法
    2.3 人工神經(jīng)網(wǎng)絡(luò)
        2.3.1 神經(jīng)元模型
        2.3.2 多層感知器
        2.3.3 BP神經(jīng)網(wǎng)絡(luò)
        2.3.4 卷積神經(jīng)網(wǎng)絡(luò)
    2.4 深度學(xué)習(xí)技術(shù)
        2.4.1 深度學(xué)習(xí)概述
        2.4.2 目標(biāo)檢測(cè)算法
        2.4.3 深度學(xué)習(xí)框架
        2.4.4 Caffe網(wǎng)絡(luò)結(jié)構(gòu)
    2.5 本章小結(jié)
第三章 系統(tǒng)需求分析與概要設(shè)計(jì)
    3.1 系統(tǒng)需求分析
        3.1.1 需求背景
        3.1.2 功能性需求
        3.1.3 非功能性需求
    3.2 系統(tǒng)整體設(shè)計(jì)
    3.3 車號(hào)識(shí)別算法概要設(shè)計(jì)
        3.3.1 圖像數(shù)據(jù)集整理
        3.3.2 圖像數(shù)據(jù)標(biāo)注
        3.3.3 深度學(xué)習(xí)模型訓(xùn)練
        3.3.4 深度學(xué)習(xí)模型測(cè)試
    3.4 本章小結(jié)
第四章 車號(hào)區(qū)域檢測(cè)模塊的實(shí)現(xiàn)
    4.1 整理圖像數(shù)據(jù)集
    4.2 數(shù)據(jù)的標(biāo)注
    4.3 訓(xùn)練數(shù)據(jù)集的生成
    4.4 車號(hào)區(qū)域檢測(cè)的網(wǎng)絡(luò)結(jié)構(gòu)
    4.5 模型的訓(xùn)練
    4.6 車號(hào)區(qū)域檢測(cè)模塊測(cè)試
    4.7 本章小結(jié)
第五章 車號(hào)字符識(shí)別模塊的實(shí)現(xiàn)
    5.1 整理圖像數(shù)據(jù)集
    5.2 訓(xùn)練數(shù)據(jù)集的生成
    5.3 車號(hào)字符檢測(cè)的網(wǎng)絡(luò)結(jié)構(gòu)
    5.4 模型的訓(xùn)練
    5.5 車號(hào)字符識(shí)別模塊測(cè)試
    5.6 本章小結(jié)
第六章 系統(tǒng)測(cè)試與應(yīng)用
    6.1 系統(tǒng)可視化界面
    6.2 系統(tǒng)測(cè)試
    6.3 現(xiàn)場(chǎng)應(yīng)用
    6.4 本章小結(jié)
第七章 總結(jié)與展望
    7.1 總結(jié)
    7.2 展望
致謝
參考文獻(xiàn)


【參考文獻(xiàn)】：
期刊論文
[1]基于射頻與圖像的車號(hào)識(shí)別技術(shù)在定量裝車系統(tǒng)中的研究與應(yīng)用[J]. 許文科.  煤炭加工與綜合利用. 2017(09)
[2]基于模板匹配和局部HOG特征的車牌識(shí)別算法[J]. 高聰,王福龍.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2017(01)
[3]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計(jì)算機(jī)應(yīng)用. 2016(09)
[4]結(jié)合SVM分類器與HOG特征提取的行人檢測(cè)[J]. 徐淵,許曉亮,李才年,姜梅,張建國.  計(jì)算機(jī)工程. 2016(01)
[5]深度學(xué)習(xí)的昨天、今天和明天[J]. 余凱,賈磊,陳雨強(qiáng),徐偉.  計(jì)算機(jī)研究與發(fā)展. 2013(09)
[6]深度學(xué)習(xí)研究綜述[J]. 孫志軍,薛磊,許陽明,王正.  計(jì)算機(jī)應(yīng)用研究. 2012(08)
[7]淺談OCR技術(shù)的發(fā)展和應(yīng)用[J]. 王文華.  福建電腦. 2012(06)
[8]鐵路車號(hào)多途徑綜合識(shí)別系統(tǒng)的設(shè)計(jì)[J]. 薛軍興,張景達(dá).  鐵路計(jì)算機(jī)應(yīng)用. 2011(06)
[9]車號(hào)自動(dòng)識(shí)別系統(tǒng)常見故障及處理[J]. 王震.  鐵道技術(shù)監(jiān)督. 2011(02)
[10]基于數(shù)學(xué)形態(tài)學(xué)的貨車車號(hào)定位算法[J]. 杜培明,萬文英.  儀器儀表用戶. 2011(01)

博士論文
[1]圖像增強(qiáng)的相關(guān)技術(shù)及應(yīng)用研究[D]. 李艷梅.電子科技大學(xué) 2013

碩士論文
[1]復(fù)雜背景下基于OpenCV的車牌識(shí)別系統(tǒng)研究[D]. 曾泉.廣東工業(yè)大學(xué) 2016
[2]基于圖像處理的機(jī)車車號(hào)自動(dòng)識(shí)別系統(tǒng)[D]. 程璐.南京航空航天大學(xué) 2013
[3]RITS系統(tǒng)在機(jī)車運(yùn)用中的研究[D]. 李廣峰.西南交通大學(xué) 2011
[4]不定長(zhǎng)車牌字符分割算法研究[D]. 劉群群.浙江大學(xué) 2011
[5]鐵路貨車車號(hào)識(shí)別的算法研究[D]. 趙入賓.河北工業(yè)大學(xué) 2011
[6]自動(dòng)車牌定位及字符分割研究[D]. 潘仁龍.貴州民族學(xué)院 2010
[7]基于圖像處理的鐵路貨車車號(hào)識(shí)別及其應(yīng)用研究[D]. 楊大治.西南交通大學(xué) 2010
[8]車號(hào)射頻識(shí)別系統(tǒng)讀寫器研究與設(shè)計(jì)[D]. 吳芳.武漢理工大學(xué) 2008



本文編號(hào)：3195502