本文關(guān)鍵詞：復(fù)雜背景下多車(chē)牌識(shí)別算法的研究與軟件系統(tǒng)實(shí)，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來(lái),伴隨著“智慧城市”概念的興起,以及國(guó)內(nèi)汽車(chē)保有量數(shù)字的不斷上升,如何科學(xué)、高效地收集和處理車(chē)輛信息,使其融入“智慧城市”的整個(gè)體系的運(yùn)行中,一直是科研和商業(yè)領(lǐng)域的重要課題。其中車(chē)牌識(shí)別算法的研究以及軟件系統(tǒng)的開(kāi)發(fā),作為整個(gè)智慧體系的第一個(gè)環(huán)節(jié),其重要性是不言而喻的。作為機(jī)器視覺(jué)領(lǐng)域的一項(xiàng)應(yīng)用,車(chē)牌識(shí)別系統(tǒng)可以應(yīng)用在交通違章處理、涉案車(chē)輛追蹤、智能停車(chē)場(chǎng)等實(shí)際場(chǎng)景中。因而,該系統(tǒng)對(duì)城市管理者提高管理效率有很重要的意義。本文通過(guò)對(duì)國(guó)內(nèi)外已有的車(chē)牌識(shí)別算法進(jìn)行了深入的研究和比較,發(fā)現(xiàn)國(guó)內(nèi)對(duì)于多車(chē)牌識(shí)別系統(tǒng)的研究和實(shí)際應(yīng)用還落后于國(guó)外,具有很大的研究?jī)r(jià)值和商業(yè)前景�？紤]車(chē)牌在復(fù)雜背景下的旋轉(zhuǎn)、變形等干擾,本文設(shè)計(jì)了一種多車(chē)牌識(shí)別系統(tǒng),具體的工作內(nèi)容如下:(1)通過(guò)受試者工作特征曲線(receiver operating characteristic curve,簡(jiǎn)稱(chēng)ROC曲線),定量對(duì)比了四種區(qū)域矩描述符的性能,選出性能最優(yōu)的兩種區(qū)域矩描述符,使用順序前進(jìn)法(sequential forward selection,簡(jiǎn)稱(chēng)SFS)動(dòng)態(tài)融合構(gòu)成新的特征向量,結(jié)合支持向量機(jī)(support vector machine,簡(jiǎn)稱(chēng)SVM),提出了基于多區(qū)域矩融合的車(chē)牌定位方法。當(dāng)車(chē)牌發(fā)生旋轉(zhuǎn)、姿態(tài)變化甚至被遮擋時(shí),對(duì)車(chē)牌檢測(cè)效率非常高。(2)研究了基于圖像投影的車(chē)牌字符分割方法,發(fā)現(xiàn)標(biāo)準(zhǔn)車(chē)牌圖像投影方法只能分割理想條件下的車(chē)牌圖像。針對(duì)含有粘連字符或者當(dāng)車(chē)牌字符被污染時(shí)的情況,本文基于圖像投影法提出了一種動(dòng)態(tài)峰谷法。該方法有效地解決了非理想條件下車(chē)牌字符分割的問(wèn)題。(3)通過(guò)實(shí)驗(yàn)對(duì)比分析了標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)和改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)算法,在字符識(shí)別過(guò)程中的性能表現(xiàn),并且定量對(duì)比了隱含層包含不同數(shù)量神經(jīng)元時(shí)的性能表現(xiàn),以及自適應(yīng)學(xué)習(xí)率BP算法采用不同學(xué)習(xí)率增長(zhǎng)速率時(shí)的性能表現(xiàn),確定了BP網(wǎng)絡(luò)的最優(yōu)結(jié)構(gòu),使字符識(shí)別的性能達(dá)到了最佳狀態(tài)。(4)對(duì)多車(chē)牌識(shí)別系統(tǒng)進(jìn)行了需求分析與系統(tǒng)設(shè)計(jì),并以Visual Studio 2010作為開(kāi)發(fā)平臺(tái),采用MFC應(yīng)用程序開(kāi)發(fā)技術(shù),選用MS Access作為后臺(tái)數(shù)據(jù)庫(kù),搭建了基于C/S的三層體系結(jié)構(gòu),完成了車(chē)牌識(shí)別系統(tǒng)軟件的整體開(kāi)發(fā),其中應(yīng)用了大量的圖像處理知識(shí),實(shí)現(xiàn)了多車(chē)牌的自動(dòng)識(shí)別的功能。結(jié)果證明本文設(shè)計(jì)的改進(jìn)的多車(chē)牌識(shí)別系統(tǒng),具有較高的準(zhǔn)確率和實(shí)用性。(5)最后,在靜態(tài)圖像識(shí)別的基礎(chǔ)上,引申討論了基于視頻流數(shù)據(jù)的車(chē)牌識(shí)別方法。對(duì)單幀圖像的提取與優(yōu)化方法做了簡(jiǎn)單的討論與實(shí)驗(yàn),實(shí)驗(yàn)證明了該方法能有效減少運(yùn)算量,提高系統(tǒng)的運(yùn)算速度。
【關(guān)鍵詞】：多車(chē)牌識(shí)別 區(qū)域矩融合 車(chē)牌定位 字符分割 BP網(wǎng)絡(luò) 視頻流
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.41
【目錄】：

• 摘要3-5
• ABSTRACT5-15
• 第1章 緒論15-23
• 1.1 選題背景及意義15-16
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀16-19
• 1.2.1 國(guó)外研究狀況16-18
• 1.2.2 國(guó)內(nèi)研究狀況18-19
• 1.3 論文主要研究?jī)?nèi)容19-20
• 1.4 論文結(jié)構(gòu)20-23
• 第2章 相關(guān)理論基礎(chǔ)23-33
• 2.1 區(qū)域特征矩描述符23-26
• 2.1.1 基本原理24-25
• 2.1.2 區(qū)域矩描述符25-26
• 2.2 圖像分割26-29
• 2.2.1 基于圖像強(qiáng)度的分割27-28
• 2.2.2 基于圖像投影的分割28-29
• 2.3 支持向量機(jī)29-31
• 2.4 BP神經(jīng)網(wǎng)絡(luò)31-32
• 2.5 本章小結(jié)32-33
• 第3章 多車(chē)牌定位33-43
• 3.1 車(chē)牌粗定位33-37
• 3.2 基于多區(qū)域矩融合的車(chē)牌精確定位37-42
• 3.2.1 四種特征描述符的對(duì)比分析37-40
• 3.2.2 多區(qū)域矩融合算法40-41
• 3.2.3 車(chē)牌精確定位流程41-42
• 3.3 本章小結(jié)42-43
• 第4章 車(chē)牌字符分割43-51
• 4.1 車(chē)牌旋轉(zhuǎn)傾斜矯正44-46
• 4.2 基于車(chē)牌垂直投影的浮動(dòng)峰谷字符分割算法46-49
• 4.3 本章小結(jié)49-51
• 第5章 車(chē)牌字符識(shí)別51-61
• 5.1 神經(jīng)網(wǎng)絡(luò)性能分析對(duì)比51-59
• 5.1.1 BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建51-52
• 5.1.2 自適應(yīng)學(xué)習(xí)率BP算法52-53
• 5.1.3 實(shí)驗(yàn)分析與結(jié)論53-59
• 5.2 基于改進(jìn)的BP網(wǎng)絡(luò)的車(chē)牌字符識(shí)別59-60
• 5.3 本章小結(jié)60-61
• 第6章 多車(chē)牌識(shí)別軟件系統(tǒng)分析設(shè)計(jì)與實(shí)現(xiàn)61-73
• 6.1 多車(chē)牌識(shí)別系統(tǒng)的需求分析61-63
• 6.1.1 功能需求分析61-62
• 6.1.2 性能需求分析62-63
• 6.2 多車(chē)牌識(shí)別系統(tǒng)的系統(tǒng)結(jié)構(gòu)63-65
• 6.2.1 硬件系統(tǒng)63
• 6.2.2 軟件系統(tǒng)63-65
• 6.3 多車(chē)牌識(shí)別模塊的設(shè)計(jì)65-66
• 6.4 多車(chē)牌識(shí)別軟件系統(tǒng)的實(shí)現(xiàn)66-71
• 6.4.1 Open CV簡(jiǎn)介66-68
• 6.4.2 實(shí)驗(yàn)環(huán)境68
• 6.4.3 系統(tǒng)整體實(shí)現(xiàn)與測(cè)試68-71
• 6.5 本章小結(jié)71-73
• 第7章 基于視頻流數(shù)據(jù)的關(guān)鍵幀提取與優(yōu)化73-77
• 7.1 視頻幀采樣頻率優(yōu)化74-75
• 7.2 基于單幀圖像的優(yōu)化75-76
• 7.3 本章小結(jié)76-77
• 第8章 總結(jié)與展望77-79
• 8.1 總結(jié)77-78
• 8.2 展望78-79
• 參考文獻(xiàn)79-85
• 致謝85-87
• 攻讀碩士期間發(fā)表論文87

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 張迪;;基于智能小區(qū)的物聯(lián)車(chē)牌識(shí)別應(yīng)用[J];數(shù)字技術(shù)與應(yīng)用;2013年09期

2 駱雪超,劉桂雄,馮云慶,申柏華;一種基于車(chē)牌特征信息的車(chē)牌識(shí)別方法[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年04期

3 許劍峰,黎紹發(fā);車(chē)牌識(shí)別中的顏色分析[J];計(jì)算機(jī)工程與應(yīng)用;2004年25期

4 李唯冠;;一種基于車(chē)燈定位的夜間車(chē)牌識(shí)別研究[J];微計(jì)算機(jī)信息;2011年01期

5 丁偉;;改進(jìn)神經(jīng)網(wǎng)絡(luò)算法在車(chē)牌識(shí)別中的應(yīng)用[J];計(jì)算機(jī)仿真;2011年08期

6 張劍;;車(chē)牌識(shí)別中字符識(shí)別的研究[J];信息技術(shù);2011年09期

7 王靜;王歡;劉潔;;惡劣天氣環(huán)境下車(chē)牌識(shí)別方法研究與仿真[J];計(jì)算機(jī)仿真;2011年10期

8 龔世標(biāo);;漢鄂高速車(chē)牌識(shí)別標(biāo)識(shí)站的建設(shè)[J];中國(guó)交通信息化;2013年07期

9 何鐵軍;張寧;黃衛(wèi);;車(chē)牌識(shí)別算法的研究與實(shí)現(xiàn)[J];公路交通科技;2006年08期

10 余宗健;;基于過(guò)線特征的車(chē)牌識(shí)別[J];計(jì)算機(jī)技術(shù)與發(fā)展;2010年05期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前3條

1 周漢青;;一種高速的車(chē)牌識(shí)別算法[A];第二十七屆中國(guó)（天津）2013IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會(huì)議論文集[C];2013年

2 史東娜;王樅;李衛(wèi);;車(chē)牌識(shí)別領(lǐng)域的中文術(shù)語(yǔ)自動(dòng)抽取[A];中國(guó)電子學(xué)會(huì)第十五屆信息論學(xué)術(shù)年會(huì)暨第一屆全國(guó)網(wǎng)絡(luò)編碼學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2008年

3 關(guān)東;汪永山;;基于車(chē)牌識(shí)別比對(duì)的自動(dòng)道閘控制系統(tǒng)[A];全國(guó)冶金自動(dòng)化信息網(wǎng)2012年年會(huì)論文集[C];2012年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前2條

1 本報(bào)評(píng)論員 周飆;交通擁堵是個(gè)產(chǎn)權(quán)問(wèn)題[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2010年

2 樊哲高;沈陽(yáng)聚德：智能視覺(jué)“千里眼”[N];中國(guó)電子報(bào);2008年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 任俊;基于支撐矢量機(jī)的圖像分類(lèi)、車(chē)牌識(shí)別及嵌入式應(yīng)用研究[D];浙江大學(xué);2005年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 郭真真;基于分階的BP和CNN車(chē)牌識(shí)別[D];昆明理工大學(xué);2015年

2 梁大寬;復(fù)雜背景下多車(chē)牌識(shí)別算法的研究與軟件系統(tǒng)實(shí)[D];太原理工大學(xué);2016年

3 林志煌;車(chē)牌識(shí)別硬件系統(tǒng)的研究與設(shè)計(jì)[D];電子科技大學(xué);2008年

4 陳e，

本文編號(hào)：397952