本文關(guān)鍵詞：基于卷積神經(jīng)網(wǎng)絡(luò)的車牌智能識別系統(tǒng)的設(shè)計與實現(xiàn)

  更多相關(guān)文章： 車牌識別 彩色邊緣 字符分割 字符識別 卷積神經(jīng)網(wǎng)絡(luò) 提前停止算法

【摘要】：車牌識別系統(tǒng)在現(xiàn)代交通管理控制領(lǐng)域的地位越來越重要,高度自動化的車牌識別軟件,輔以必要的通信及存儲服務(wù),不僅可以極大地減輕交管部門的人力支出,還能減少工作失誤,提升管理效率。日常背景下的車牌識別,具有背景復雜度較高、光照條件變化較大和車牌尺寸不固定等問題。車牌識別系統(tǒng)的關(guān)鍵技術(shù)可分為車牌定位、字符分割和字符識別三個模塊。針對這三個模塊在處理日常背景下的車牌識別任務(wù)中存在的問題,本論文開展了以下研究:在車牌定位部分,為了解決基于普通灰度的邊緣算法的不足,提出了彩色邊緣算法,利用了車牌的彩色特征,解決了普通邊緣算法中無效邊緣過多的問題,提高了車牌圖像的信噪比。隨后,闡述了彩色邊緣算法中參數(shù)的意義和選擇依據(jù)。最后,提出了應(yīng)用于形態(tài)學分析的形態(tài)規(guī)則,解決了候選區(qū)域過濾的問題,降低了誤檢率。在字符分割部分,首先提出了用于預處理階段的彩色抑制的灰度轉(zhuǎn)換算法,解決了藍白車牌對比度低的問題。之后,應(yīng)用了改進的行列重定位算法,解決了車牌邊框與車牌字符粘連的問題,并去除了黑邊。接著,詳細描述了結(jié)合連通分量分析和投影分析的車牌分割算法,并介紹了基于字符數(shù)量的字符查找和恢復算法,解決了車牌分割中字符缺失的問題。在字符識別部分,為了解決傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)直接應(yīng)用于中國車牌字符識別存在的結(jié)構(gòu)過于復雜的問題,提出了簡化卷積神經(jīng)網(wǎng)絡(luò)和遞歸卷積神經(jīng)網(wǎng)絡(luò)兩種新型結(jié)構(gòu),給出了相關(guān)的網(wǎng)絡(luò)訓練算法。最后的車牌字符識別實驗證明,這兩個新結(jié)構(gòu)可以更加有效地識別車牌字符。實驗證明,本文設(shè)計的車牌識別系統(tǒng),定位準確率為98.95%,分割準確率為96.58%,識別準確率為98.09%,整體準確率為93.74%,識別速度為318毫秒/張,滿足了實際應(yīng)用需求。
【關(guān)鍵詞】：車牌識別 彩色邊緣 字符分割 字符識別 卷積神經(jīng)網(wǎng)絡(luò) 提前停止算法
【學位授予單位】：蘇州大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41;TP183
【目錄】：

• 中文摘要4-5
• Abstract5-9
• 第一章 緒論9-17
• 1.1 選題背景和意義9-10
• 1.2 國內(nèi)外研究發(fā)展現(xiàn)狀10-14
• 1.2.1 車牌定位11-12
• 1.2.2 字符分割12-13
• 1.2.3 字符識別13-14
• 1.3 論文的主要工作14-15
• 1.4 論文的組織結(jié)構(gòu)15-17
• 第二章 車牌定位算法17-31
• 2.1 灰度邊緣算法17-21
• 2.1.1 灰度轉(zhuǎn)換17-18
• 2.1.2 邊緣提取18-19
• 2.1.3 二值化19-21
• 2.2 彩色邊緣算法21-26
• 2.2.1 藍白車牌22
• 2.2.2 黃黑車牌22-23
• 2.2.3 與灰度邊緣算法的對比23-24
• 2.2.4 彩色邊緣閾值參數(shù)的作用24-26
• 2.3 形態(tài)學分析26-30
• 2.3.1 邊緣密度二值圖27-29
• 2.3.2 連通分量分析29-30
• 2.4 本章小結(jié)30-31
• 第三章 車牌分割算法31-45
• 3.1 基于彩色抑制的灰度轉(zhuǎn)換算法32-34
• 3.2 精確重定位34-36
• 3.2.1 行重定位34-36
• 3.2.2 列重定位36
• 3.3 基于連通分量分析的車牌分割算法36-41
• 3.3.1 中國車牌字符分布37
• 3.3.2 缺失一字符情況37-39
• 3.3.3 缺失兩字符情況39-41
• 3.4 基于垂直投影的車牌分割算法41-44
• 3.4.1 垂直投影分割算法42-43
• 3.4.2 字符恢復算法43
• 3.4.3 首字符分辨算法43-44
• 3.5 本章小結(jié)44-45
• 第四章 基于卷積神經(jīng)網(wǎng)絡(luò)的車牌字符識別算法45-64
• 4.1 傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及不足45-52
• 4.1.1 網(wǎng)絡(luò)結(jié)構(gòu)45-47
• 4.1.2 卷積實現(xiàn)47-52
• 4.2 簡化卷積神經(jīng)網(wǎng)絡(luò)52-53
• 4.2.1 網(wǎng)絡(luò)模型52-53
• 4.3 遞歸卷積神經(jīng)網(wǎng)絡(luò)53-56
• 4.3.1 遞歸結(jié)構(gòu)及遞歸過程54-56
• 4.4 網(wǎng)絡(luò)訓練56-63
• 4.4.1 誤差定義56-57
• 4.4.2 參數(shù)更新57-61
• 4.4.2.1 Softmax層57-59
• 4.4.2.2 隱層59-60
• 4.4.2.3 卷積層60-61
• 4.4.3 訓練流程控制61-62
• 4.4.4 初始化、正則懲罰項、Dropout及迭代衰減62-63
• 4.5 本章小結(jié)63-64
• 第五章 實驗結(jié)果與性能分析64-74
• 5.1 定位實驗64-65
• 5.2 分割實驗65-66
• 5.3 車牌字符識別實驗66-72
• 5.4 系統(tǒng)性能分析72-74
• 第六章 總結(jié)與展望74-76
• 6.1 工作總結(jié)與創(chuàng)新點74-75
• 6.2 后續(xù)工作展望75-76
• 參考文獻76-81
• 攻讀碩士學位期間科研論文81-82
• 致謝82-83

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 云中客;新的神經(jīng)網(wǎng)絡(luò)來自于仿生學[J];物理;2001年10期

2 唐春明,高協(xié)平;進化神經(jīng)網(wǎng)絡(luò)的研究進展[J];系統(tǒng)工程與電子技術(shù);2001年10期

3 李智;一種基于神經(jīng)網(wǎng)絡(luò)的煤炭調(diào)運優(yōu)化方法[J];長沙鐵道學院學報;2003年02期

4 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];計算機工程與應(yīng)用;2004年21期

5 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學;2004年03期

6 周麗暉;從統(tǒng)計角度看神經(jīng)網(wǎng)絡(luò)[J];統(tǒng)計教育;2005年06期

7 趙奇 ,劉開第 ,龐彥軍;灰色補償神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];微計算機信息;2005年14期

8 袁婷;;神經(jīng)網(wǎng)絡(luò)在股票市場預測中的應(yīng)用[J];軟件導刊;2006年05期

9 尚晉;楊有;;從神經(jīng)網(wǎng)絡(luò)的過去談科學發(fā)展觀[J];重慶三峽學院學報;2006年03期

10 楊鐘瑾;;神經(jīng)網(wǎng)絡(luò)的過去、現(xiàn)在和將來[J];青年探索;2006年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機遇——紀念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預報應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學學術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學術(shù)會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡(luò)[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經(jīng)網(wǎng)絡(luò)[N];健康時報;2006年

8 劉力;我半導體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報;2006年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學;2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡(luò)的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學;2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡(luò)并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學;2015年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

2 張韜;幾類時滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學;2015年

3 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學;2015年

4 胡婷;改進QGA-BP模型及其在彌苴河總氮量預測中的應(yīng)用[D];昆明理工大學;2015年

5 劉俊輝;基于數(shù)據(jù)清洗方法的河道水位預測研究[D];昆明理工大學;2015年

6 劉波;短期風電功率預測方法研究[D];南京信息工程大學;2015年

7 蔡邦宇;人臉識別中單次ERP時空特征分析及其快速檢索的應(yīng)用[D];浙江大學;2015年

8 鄭川;垃圾評論檢測算法的研究[D];西南交通大學;2015年

9 李菊;BP神經(jīng)網(wǎng)絡(luò)在房地產(chǎn)批量評估中的應(yīng)用研究[D];昆明理工大學;2015年

10 馬亮;降水點分類預測方法研究[D];中國地質(zhì)大學(北京);2015年

，

本文編號：904425