在智能交通系統(tǒng)中,從監(jiān)控視頻中拍攝行駛中的車輛往往因抓拍到的車輛距離較遠(yuǎn),只能捕獲低分辨率的車牌,而低分辨率下車牌的漢字結(jié)構(gòu)退化嚴(yán)重,極大的影響了車牌識別準(zhǔn)確率。所以如何對抓拍到的行駛中車輛的車牌號碼進(jìn)行準(zhǔn)確識別,為智能交通信息的管理提供車輛身份信息,目前已經(jīng)成為一個(gè)亟待解決的問題。由于在監(jiān)控視頻中拍攝到的行駛車輛的車牌分辨率很低,同時(shí)受到因拍攝視角引起的圖像傾斜、字符模糊等外界環(huán)境干擾,導(dǎo)致車牌很難準(zhǔn)確定位、分割。為此,本文采用修正過的檢測網(wǎng)絡(luò)Faster R-CNN對車牌進(jìn)行定位,提高了車牌定位準(zhǔn)確率。針對低分辨車牌漢字字符的結(jié)構(gòu)退化導(dǎo)致的難以識別的問題,本文提出了基于循環(huán)神經(jīng)網(wǎng)絡(luò)和孿生網(wǎng)絡(luò)的兩級低分辨率車牌識別方法,第一級,采用字符無分割的方式對車牌進(jìn)行初識別,首先采用深度神經(jīng)網(wǎng)絡(luò)VGG16提取車牌更具魯棒性的深度特征,再將得到的深度特征轉(zhuǎn)換為特征序列,最后將特征序列送入循環(huán)神經(jīng)網(wǎng)絡(luò)（雙向LSTM）得到車牌初識別結(jié)果。第二級,利用車牌對焦處間隙較大的特點(diǎn),對極易發(fā)生識別錯(cuò)誤的漢字部分進(jìn)行定位分割,只保留漢字與相鄰的字母區(qū)域,對分割后的漢字進(jìn)行再識別。首先通過車牌初識別的結(jié)果得到漢... 

【文章來源】：西安理工大學(xué)陜西省

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景和意義
    1.2 研究現(xiàn)狀
        1.2.1 車牌定位
        1.2.2 車牌字符識別
    1.3 低分辨率車牌識別面臨的挑戰(zhàn)
    1.4 論文的章節(jié)安排
2 車牌檢測
    2.1 中國車牌的國標(biāo)與特征
        2.1.1 車牌規(guī)格參數(shù)
        2.1.2 車牌特征分析
    2.2 基于深度學(xué)習(xí)網(wǎng)絡(luò)的車牌檢測定位
        2.2.1 卷積神經(jīng)網(wǎng)絡(luò)的介紹
        2.2.2 基于Faster R-CNN的車牌檢測定位
    2.3 實(shí)驗(yàn)與分析
        2.3.1 數(shù)據(jù)集及性能評價(jià)標(biāo)準(zhǔn)
        2.3.2 車牌檢測定位有效性測試
    2.4 本章小結(jié)
3 車牌識別
    3.1 車牌字符識別
        3.1.1 基于字符分割的車牌識別
        3.1.2 基于字符無分割的車牌識別
    3.2 低分辨率車牌的初識別
        3.2.1 基于VGG16網(wǎng)絡(luò)的車牌特征提取
        3.2.2 車牌初識別分類器
        3.2.3 CTC解碼車牌號碼
    3.3 實(shí)驗(yàn)與分析
        3.3.1 數(shù)據(jù)集及性能評價(jià)指標(biāo)
        3.3.2 基于字符無分割的車牌初識別實(shí)驗(yàn)結(jié)果對比
    3.4 本章小結(jié)
4 低分辨率車牌漢字再識別
    4.1 模板個(gè)數(shù)和置信度閾值
        4.1.1 低分辨率漢字候選模板個(gè)數(shù)的確定
        4.1.2 低分辨率漢字置信度閾值的確定
    4.2 漢字再識別模型構(gòu)建
        4.2.1 Siamese孿生網(wǎng)絡(luò)
        4.2.2 漢字預(yù)處理
        4.2.3 訓(xùn)練Siamese網(wǎng)絡(luò)進(jìn)行漢字相似度計(jì)算
    4.3 實(shí)驗(yàn)與分析
    4.4 本章小結(jié)
5 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)
攻讀學(xué)位期間主要研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于梯度方向直方圖與高斯金字塔的車牌模糊漢字識別方法[J]. 劉軍,白雪.  計(jì)算機(jī)應(yīng)用. 2016(02)
[2]基于小波變換和分形維數(shù)的車牌漢字識別[J]. 馮宇,李文舉,孫娟紅,趙穎,單家偉.  計(jì)算機(jī)工程. 2011(22)
[3]基于圖像模糊度與主成分分析的車牌漢字識別[J]. 磨少清,劉正光,張軍.  光電子.激光. 2010(03)
[4]基于改進(jìn)的LBP的低分辨率車牌漢字識別[J]. 王葉,張洪剛,方旭,郭軍.  中文信息學(xué)報(bào). 2009(05)



本文編號：3172236