發(fā)布時間：2017-04-11 14:06

  本文關(guān)鍵詞：復(fù)雜環(huán)境下車牌定位的研究與應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：車牌定位是車牌識別系統(tǒng)中核心部分,具有較高的研究價值和應(yīng)用價值。盡管近些年來取得了很大的進(jìn)展,能夠解決特定場景下的車牌定位問題,如交通固定卡口、車庫入口和門禁等場景,但仍無法很好地解決低亮度、低分辨率和車輛傾斜等復(fù)雜環(huán)境下的定位問題。針對這些問題,本文分成了三個部分進(jìn)行探究：首先對傳統(tǒng)的基于灰度二值化圖像的車牌定位方法進(jìn)行了修改和實現(xiàn),該算法通過將灰度化圖像分成網(wǎng)格分塊,對每一網(wǎng)格塊進(jìn)行閾值計算并完成二值化操作,獲得的二值化圖像中車牌字符較為清晰,利用筆畫跳變和連通區(qū)域檢索方法獲得初步車牌候選區(qū)域,最后基于神經(jīng)網(wǎng)絡(luò)對車牌候選區(qū)域進(jìn)行分類,將候選區(qū)域中非車牌進(jìn)行剔除,利用該方法漏檢率較高,無法完成在復(fù)雜場景下車牌定位問題,僅利用專家系統(tǒng)進(jìn)行復(fù)雜場景下車牌定位工作行不通。為了解決這個問題,本文提出了基于卷積神經(jīng)網(wǎng)絡(luò)來進(jìn)行車牌定位的方法,設(shè)計并實現(xiàn)了一種新的全卷積神經(jīng)網(wǎng)絡(luò)模型,通過回歸車牌角點的方式準(zhǔn)確地進(jìn)行車牌定位。主要過程為將車牌區(qū)域兩角點作為卷積神經(jīng)網(wǎng)絡(luò)模型回歸的目標(biāo)對象。由于本文設(shè)計的模型不含全連接層,保證了本模型能夠處理任意尺度的圖像。為了保證模型訓(xùn)練的有效性,本文設(shè)計了車牌和車輛標(biāo)注系統(tǒng),并對45,000幅圖像進(jìn)行人工標(biāo)注。在模型訓(xùn)練前對標(biāo)注的圖像隨機(jī)進(jìn)行平移、縮放、旋轉(zhuǎn)和加噪,以增加訓(xùn)練樣本的數(shù)量和多樣性。在本文構(gòu)建的卡口圖像數(shù)據(jù)集和復(fù)雜環(huán)境數(shù)據(jù)集上與灰度二值化車牌定位和基于邊緣檢測車牌定位算法方法進(jìn)行了比較,驗證了基于角點回歸的全卷積神經(jīng)網(wǎng)絡(luò)車牌定位方法在復(fù)雜環(huán)境下的有效性。基于回歸角點的車牌定位模型的方法存在較多誤檢情況,本文提出了基于車輛定位和車牌空間信息的方法輔助進(jìn)行車牌定位,車輛定位方法同樣基于全卷積神經(jīng)網(wǎng)絡(luò),以車輛為前景的二值化圖像作為模型回歸目標(biāo)對象,根據(jù)車輛位置來進(jìn)行過濾車牌候選區(qū)域。同時基于同一輛車上車牌空間信息和車牌定位模型計算出的角點置信值大小對非車牌區(qū)域進(jìn)行過濾。通過實驗證明,采用了輔助定位方式的車牌定位算法精度更高,誤檢率更低,適合作為車牌定位輔助策略�？傊�,本文通過對傳統(tǒng)方法改進(jìn)實驗總結(jié)出該方法并不能解決復(fù)雜場景下車牌定位問題后,主要采用了基于深度卷積神經(jīng)網(wǎng)絡(luò)方式,設(shè)計并實現(xiàn)了基于角點回歸全卷積神經(jīng)網(wǎng)路偶的車牌定位系統(tǒng),并利用基于車輛定位和車牌空間信息作為輔助策略進(jìn)行車牌精確定位,通過實驗證明本文提出方法在復(fù)雜場景下效果良好,魯棒性較高,且在時間復(fù)雜度上達(dá)到實時效果。
【關(guān)鍵詞】：卷積神經(jīng)網(wǎng)絡(luò) 車牌定位 深度學(xué)習(xí) 角點回歸 復(fù)雜環(huán)境 車輛定位 數(shù)據(jù)增強(qiáng) 灰度二值化
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要3-5
• Abstract5-14
• 第一章 緒論14-20
• 1.1 研究目的和意義14-15
• 1.2 國內(nèi)外研究現(xiàn)狀15-16
• 1.3 主要研究方法和復(fù)雜環(huán)境概述16-17
• 1.4 相關(guān)工作17-18
• 1.5 本文章節(jié)安排18-20
• 第二章 基于灰度二值化車牌定位算法20-33
• 2.1 車牌定位研究背景20
• 2.2 灰度二值化定位算法20-32
• 2.2.1 網(wǎng)格二值化和水平跳變計數(shù)21-23
• 2.2.3 連通區(qū)域檢測算法和車牌字符區(qū)域合并23-29
• 2.2.4 基于神經(jīng)網(wǎng)絡(luò)模型車牌進(jìn)行分類29-32
• 2.3 實驗結(jié)果與分析32
• 2.4 本章小結(jié)32-33
• 第三章 基于角點回歸車牌定位算法33-47
• 3.1 基于傳統(tǒng)方法車牌定位存在的問題與分析33-34
• 3.2 基于角點回歸的全卷積神經(jīng)網(wǎng)絡(luò)模型設(shè)計34-37
• 3.2.1 基本概念34-35
• 3.2.2 模型結(jié)構(gòu)說明35-37
• 3.3 模型訓(xùn)練解析37-38
• 3.4 實驗結(jié)果與分析38-45
• 3.4.1 標(biāo)注系統(tǒng)設(shè)計與實現(xiàn)38-41
• 3.4.2 數(shù)據(jù)集41
• 3.4.3 實驗設(shè)置41-42
• 3.4.4 實驗42-45
• 3.5 本章小結(jié)45-47
• 第四章 多策略融合的車牌定位算法實現(xiàn)47-65
• 4.1 基于角點回歸全卷積神經(jīng)網(wǎng)絡(luò)的車牌定位問題解析47
• 4.2 基于卷積神經(jīng)網(wǎng)絡(luò)的車輛定位方法47-61
• 4.2.1 車輛定位模型設(shè)計47-52
• 4.2.2 數(shù)據(jù)采集與增強(qiáng)52-55
• 4.2.3 訓(xùn)練與測試55-61
• 4.3 基于置信值和空間信息濾除誤檢車牌算法61-63
• 4.3.1 基于空間關(guān)系與置信值判別車牌候選區(qū)域方法62-63
• 4.4 多策略融合車牌定位算法設(shè)計與實現(xiàn)63-64
• 4.5 本章小結(jié)64-65
• 第五章 總結(jié)與展望65-67
• 參考文獻(xiàn)67-70
• 致謝70-72
• 攻讀碩士學(xué)位期間發(fā)表的論文72-73
• 攻讀碩士學(xué)位期間參加的科研項目73

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉泉,謝鳴,鐘珞;灰色理論的改良種子算法在車牌定位中的應(yīng)用[J];武漢理工大學(xué)學(xué)報;2002年02期

2 袁寶民,金一粟,于萬波,魏小鵬;基于移差掃描和窗口搜索的車牌定位方法[J];計算機(jī)工程;2003年14期

3 郭大波,陳禮民,盧朝陽,韓麗萍;基于車牌底色識別的車牌定位方法[J];計算機(jī)工程與設(shè)計;2003年05期

4 曹華,張宏,童勤業(yè);復(fù)雜性算法在汽車車牌定位中的應(yīng)用研究[J];工業(yè)控制計算機(jī);2004年04期

5 王潤民;錢盛友;;一種基于能量濾波和小波的車牌定位方法[J];光電子·激光;2006年09期

6 勾麗杰;鄭玉興;蘭靜;;基于粒子群的車牌定位識別的神經(jīng)網(wǎng)絡(luò)方法[J];遼寧省交通高等�？茖W(xué)校學(xué)報;2007年02期

7 高翠云;江朝暉;薛明;;一種改進(jìn)的車牌定位算法[J];計算機(jī)技術(shù)與發(fā)展;2007年11期

8 趙全友;潘保昌;鄭勝林;陳簫楓;;一種由粗到精的快速車牌定位算法[J];電視技術(shù);2007年11期

9 陳昌濤;張玲;何偉;李剛;;基于車牌色彩變化特征的車牌定位方法[J];計算機(jī)應(yīng)用研究;2008年12期

10 馬璽;胡澤;;車牌定位關(guān)鍵技術(shù)的研究[J];儀器儀表用戶;2008年01期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 李孟歆;吳成東;曹陽;;基于旋轉(zhuǎn)差分投影的混合車牌定位方法[A];2008’“先進(jìn)集成技術(shù)”院士論壇暨第二屆儀表、自動化與先進(jìn)集成技術(shù)大會論文集[C];2008年

2 許禮武;許倫輝;;基于小波分解的車牌定位算法[A];第一屆中國智能交通年會論文集[C];2005年

3 黃文楷;孫季豐;;基于灰度圖像的車牌定位算法的研究[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

4 畢思娟;吳曉娟;尚峰;亓磊;;基于色彩分割及信息融合的車牌定位方法[A];第十三屆全國信號處理學(xué)術(shù)年會（CCSP-2007）論文集[C];2007年

5 古智超;孫季豐;;復(fù)雜背景下的車牌定位與快速分割算法[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

6 韓立明;王波濤;;一種改進(jìn)的灰度跳變車牌定位方法[A];2009全國虛擬儀器大會論文集（二）[C];2009年

7 李艷洪;鄒俊忠;張見;雷江震;;基于小波特征提取的車牌定位方法[A];'2006系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2006年

8 侯培國;趙靜;劉明;;基于小波變換和行掃描的車牌定位方法[A];中國系統(tǒng)仿真學(xué)會第五次全國會員代表大會暨2006年全國學(xué)術(shù)年會論文集[C];2006年

9 徐文宇;白廷柱;蔣曉瑜;;一種基于字符紋理分析的車牌定位方法[A];中國光學(xué)學(xué)會2010年光學(xué)大會論文集[C];2010年

10 曹陸軍;;一種基于灰度差閾值的快速車牌定位方法[A];全國第20屆計算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集（上冊）[C];2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 李波;基于圖像分析的車輛識別與跟蹤若干關(guān)鍵技術(shù)研究[D];華中科技大學(xué);2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊松;一種實用的車牌定位系統(tǒng)的研究[D];昆明理工大學(xué);2015年

2 史忠翰;車標(biāo)自動精確定位算法研究[D];北京理工大學(xué);2015年

3 陳佳;基于形態(tài)學(xué)的車牌定位方法的研究與應(yīng)用[D];南華大學(xué);2015年

4 蔣婧婧;車輛視頻信息采集及身份識別系統(tǒng)設(shè)計[D];南京郵電大學(xué);2015年

5 周霖;智能停車場系統(tǒng)及管理的研究[D];武漢工程大學(xué);2015年

6 刁麗芳;基于ZedBoard的車牌定位與字符識別系統(tǒng)設(shè)計與實現(xiàn)[D];東北大學(xué);2014年

7 郜偉;復(fù)雜環(huán)境下車牌定位的研究與應(yīng)用[D];安徽大學(xué);2016年

8 許遠(yuǎn)昂;車牌定位算法與車尾燈定位研究[D];西安電子科技大學(xué);2008年

9 張曉;復(fù)雜背景下的車牌定位系統(tǒng)設(shè)計[D];西安電子科技大學(xué);2009年

10 國慶;車牌定位算法的研究[D];重慶大學(xué);2010年

  本文關(guān)鍵詞：復(fù)雜環(huán)境下車牌定位的研究與應(yīng)用，由筆耕文化傳播整理發(fā)布。

，

本文編號：299239