發(fā)布時間：2024-03-15 02:32

　　近年來,OCR(光學(xué)字符識別)技術(shù)已經(jīng)發(fā)展的比較成熟,被廣泛應(yīng)用在生活中的方方面面,學(xué)校門禁處的駕駛證識別系統(tǒng)就是采用的這種技術(shù)。但學(xué)校的駕證識別系統(tǒng)對姓名文字識別的準確率不是很高,約為80%左右,為了進一步提高駕證姓名的識別率,本課題組將采用深度學(xué)習(xí)的方法重新設(shè)計駕駛證姓名識別系統(tǒng),分別在預(yù)處理部分和文字識別部分對算法做一定的優(yōu)化和改進。針對學(xué)校駕駛證識別系統(tǒng)識別率不高的問題,本課題主要從兩個方面進行改善:一是在預(yù)處理階段改進算法,采用紅章定位的算法,使系統(tǒng)能更精確的定位和提取駕駛證姓名區(qū)域;二是在識別階段采用改進算法的卷積神經(jīng)網(wǎng)絡(luò)LeNet-5訓(xùn)練模型。在預(yù)處理階段,本課題會對圖像進行一些必要的圖像處理操作,比如非均勻光照射、高斯濾波、傾斜矯正、灰度化、二值化和添加噪音等。在定位提取姓名區(qū)域階段采用紅章定位的算法,即先定位紅章的區(qū)域,再根據(jù)紅章與姓名區(qū)域的位置比例關(guān)系定位駕駛證姓名區(qū)域。經(jīng)過測試驗證,此方法提取完整姓名區(qū)域的準確率約為99%。在姓名漢字識別過程中,最重要的是選取神經(jīng)網(wǎng)絡(luò)和訓(xùn)練網(wǎng)絡(luò)模型。由于受實驗數(shù)據(jù)和實驗器材的限制,本課題暫時還完成不了對龐大的漢字庫中所有漢字類別的...

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題來源
    1.2 發(fā)展背景及意義
    1.3 國內(nèi)外研究現(xiàn)狀和發(fā)展方向
    1.4 本文的研究內(nèi)容
第二章 相關(guān)算法的介紹
    2.1 圖像處理
        2.1.1 非均勻光矯正
        2.1.2 傾斜矯正
        2.1.3 二值化
    2.2 姓名區(qū)域的定位與提取
        2.2.1 紅章定位算法
        2.2.2 提取文字信息區(qū)域
    2.3 字符分割與歸一化
        2.3.1 基于垂直投影算法的字符分割
        2.3.2 字符尺度歸一化
    2.4 本章小結(jié)
第三章 參數(shù)計算與幾種經(jīng)典神經(jīng)網(wǎng)絡(luò)
    3.1 幾種工具簡介
        3.1.1 TX2開發(fā)板
        3.1.2 pycharm編譯器
        3.1.3 Opencv庫
        3.1.4 Tensorflow
    3.2 參數(shù)計算
        3.2.1 卷積參數(shù)計算
        3.2.2 BN算法參數(shù)計算
    3.3 經(jīng)典神經(jīng)網(wǎng)絡(luò)
        3.3.1 LeNet
        3.3.2 AlexNet
        3.3.3 VggNet
        3.3.4 ResNet
    3.4 本章小結(jié)
第四章 基于卷積神經(jīng)網(wǎng)絡(luò)的姓名文字識別
    4.1 實驗過程
        4.1.1 圖像預(yù)處理
        4.1.2 大批量生成文字訓(xùn)練集
        4.1.3 漢字識別系統(tǒng)的搭建
    4.2 實驗結(jié)果與分析
        4.2.1 實驗結(jié)果
        4.2.2 對實驗優(yōu)化部分的分析
    4.3 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
攻讀碩士學(xué)位期間取得的研究成果
參考文獻
致謝



本文編號：3928418