車牌識別技術(shù)（License Plate Recongnition,LPR）是一個很多研究學(xué)者一直在探討的問題,網(wǎng)上查閱資料很多車牌識別系統(tǒng)都標(biāo)稱識別率為99%以上,但事實上車牌識別系統(tǒng)在應(yīng)用界實際的工程應(yīng)用中一直都很難提出完全適應(yīng)各種情況的方案,很多系統(tǒng)能夠達到90%以上的識別率已經(jīng)是很不錯了,并且在這些系統(tǒng)中大都依賴高清攝像頭傳入高清圖像,一旦圖像的分辨率降低或者車牌污損,車牌的識別率將大大降低。因此,如何有效地提高識別精度目前仍然是未能解決的問題。在研究方法上很多識別系統(tǒng)也是采用模板匹配的方法,最近幾年隨著人工智能的發(fā)展,深度學(xué)習(xí)在圖像識別、文字識別、人臉識別、語音識別中都取得了很大的進展,因此也為將深度學(xué)習(xí)引入到車牌識別中提供了理論依據(jù)。另外,在很多發(fā)達國家都有比較成熟的車牌識別系統(tǒng),在智能交通中發(fā)揮著巨大作用。但由于我國車牌的規(guī)范與國外有很大的差別,所以不能采用拿來主義,即使拿過來也不適應(yīng)我國的的國情和現(xiàn)狀。因此開發(fā)適合我國的車牌識別系統(tǒng)仍是一個很有意義的課題。本文基于深度學(xué)習(xí)的車牌識別系統(tǒng),是在車牌的識別中采用深度學(xué)習(xí)的方法,但車牌的前期處理仍采用傳統(tǒng)的分割提取方法,因為傳... 

【文章頁數(shù)】：83 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 主要研究內(nèi)容
    1.4 論文結(jié)構(gòu)
    1.5 本章小結(jié)
第二章 相關(guān)理論算法概述
    2.1 深度學(xué)習(xí)概念和原理及優(yōu)點
        2.1.1 神經(jīng)網(wǎng)絡(luò)原理
        2.1.2 卷積神經(jīng)網(wǎng)絡(luò)的傳播過程
        2.1.3 卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點
    2.2 LeNet卷積神經(jīng)網(wǎng)絡(luò)算法分析
    2.3 LeNet模型識別字符的過程
    2.4 缺損污染車牌的處理分析
    2.5 本章小結(jié)
第三章 軟件的需求分析
    3.1 軟件的功能需求分析
        3.1.1 信息顯示的需求
        3.1.2 實時性的需求
        3.1.3 存儲空間的需求
        3.1.4 移植性需求
        3.1.5 軟件的性能擴展需求
    3.2 軟件的總體方案設(shè)計
        3.2.1 圖像數(shù)據(jù)模塊功能分析
        3.2.2 神經(jīng)網(wǎng)絡(luò)模塊功能分析
        3.2.3 車牌預(yù)處理模塊功能分析
        3.2.4 識別模塊功能分析
    3.3 軟件開發(fā)平臺選擇
    3.4 本章小結(jié)
第四章 軟件模塊的設(shè)計與實現(xiàn)
    4.1 軟件的界面布局
        4.1.1 軟件的GUI界面設(shè)計與實現(xiàn)
        4.1.2 按鈕回調(diào)函數(shù)設(shè)計與實現(xiàn)
        4.1.3 按鈕回調(diào)函數(shù)代碼及測試
    4.2 深度學(xué)習(xí)算法模塊的設(shè)計與實現(xiàn)
        4.2.1 神經(jīng)網(wǎng)絡(luò)函數(shù)文件設(shè)計
        4.2.2 神經(jīng)網(wǎng)絡(luò)模塊函數(shù)之間的調(diào)用關(guān)系
        4.2.3 神經(jīng)網(wǎng)絡(luò)模塊函數(shù)代碼編寫及整體測試
    4.3 圖像數(shù)據(jù)模塊設(shè)計與實現(xiàn)
        4.3.1 訓(xùn)練集的建立
        4.3.2 測試集的建立
    4.4 圖像預(yù)處理模塊設(shè)計與實現(xiàn)
        4.4.1 圖像預(yù)處理模塊功能
        4.4.2 圖像預(yù)處理模塊代碼及測試
    4.5 識別模塊的設(shè)計與實現(xiàn)
    4.6 本章小結(jié)
第五章 軟件的測試與調(diào)試及結(jié)果分析
    5.1 軟件的測試與調(diào)試
        5.1.1 神經(jīng)網(wǎng)絡(luò)模塊的測試
        5.1.2 識別模塊測試
        5.1.3 圖像預(yù)處理模塊測試
        5.1.4 程序代碼檢測及排錯
    5.2 軟件結(jié)果分析
    5.3 軟件的后期開發(fā)擴展
    5.4 本章小結(jié)
第六章 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
致謝
參考文獻
附錄


【參考文獻】：
期刊論文
[1]卷積神經(jīng)網(wǎng)絡(luò)在車輛識別中的應(yīng)用[J]. 彭清,季桂樹,謝林江,張少波.  計算機科學(xué)與探索. 2018(02)
[2]基于五階CNN的圖像邊檢測算法研究[J]. 李國東,王雪,趙國敏.  安徽大學(xué)學(xué)報(自然科學(xué)版). 2015(03)
[3]一種用于輪廓線探測的CNN改進算法[J]. 張文娟,康家銀.  系統(tǒng)仿真學(xué)報. 2012(08)
[4]基于彩色數(shù)字圖像的車牌識別研究[J]. 趙光輝,李男男.  電子設(shè)計工程. 2011(22)
[5]基于改進BP神經(jīng)網(wǎng)絡(luò)的數(shù)字識別[J]. 王婷,江文輝,肖南峰.  電子設(shè)計工程. 2011(03)
[6]Bp神經(jīng)網(wǎng)絡(luò)的Matlab實現(xiàn)[J]. 石云.  湘南學(xué)院學(xué)報. 2010(05)
[7]基于CNN彩色圖像邊緣檢測的車牌定位方法[J]. 劉萬軍,姜慶玲,張闖.  自動化學(xué)報. 2009(12)
[8]基于BP神經(jīng)網(wǎng)絡(luò)車牌字符識別的研究[J]. 蒙峭緣,張遠夏.  玉林師范學(xué)院學(xué)報. 2008(05)
[9]BP人工神經(jīng)網(wǎng)絡(luò)在圖像分割中的應(yīng)用[J]. 楊治明,王曉蓉,彭軍,陳應(yīng)祖.  計算機科學(xué). 2007(03)
[10]基于三層BP神經(jīng)網(wǎng)絡(luò)的字符識別系統(tǒng)的實現(xiàn)[J]. 朱正禮.  現(xiàn)代計算機. 2006(10)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的自然場景中數(shù)字的識別[D]. 周成偉.南京郵電大學(xué) 2017



本文編號：3690297