車牌識別對于維護(hù)交通安全和城市治安,防止交通堵塞,實現(xiàn)交通自動化管理有著現(xiàn)實的意義。目前,車牌識別在實際應(yīng)用中取得了很大的成功,但是其主要基于攝像頭位置固定、車牌滿足某類假設(shè)的情況下進(jìn)行識別。本文研究的是對車牌位置、大小、數(shù)量不做限制的車牌識別方法,稱之為盲車牌識別算法,其主要工作包括:1)給出了基于卷積神經(jīng)網(wǎng)絡(luò)的盲車牌檢測算法首先,通過由卷積神經(jīng)網(wǎng)絡(luò)和SVM分類器訓(xùn)練出字符檢測模型;其次,對輸入圖片采用滑動窗口逐行掃描,將掃描到的圖像塊輸入字符檢測模型中,計算得分;最后,利用非極大抑制的方法求得每行的多個極大值,根據(jù)極大值之間的位置確定出文本行即車牌的位置。實驗結(jié)果表明,利用單個字符來訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò),能夠有效提高盲車牌的檢測精度。2)給出了基于卷積神經(jīng)網(wǎng)絡(luò)的車牌識別算法首先,分別訓(xùn)練出車牌漢字字符的識別模型與數(shù)字和字母的識別模型,識別模型由卷積神經(jīng)網(wǎng)絡(luò)和多分類SVM分類器共同組成;其次,將檢測出的車牌分割出漢字區(qū)域與非漢字區(qū)域,對漢字區(qū)域利用漢字識別模型識別出漢字,對非漢字區(qū)域利用數(shù)字和字母的識別模型識別出數(shù)字與字母組成的字符串;最后,將識別出的漢字與字符串結(jié)合,即識別出的車牌。實... 

【文章來源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．３普通負(fù)樣本庫??Ｆｉｇ．?２．３?Ｏｒｄｉｎａｒｙ?ｎｅｇａｔｉｖｅ?ｓａｍｐｌｅ?ｄａｔａｓｅｔ??

圖２．２字母庫??Ｆｉｇ．?２．２?Ａｌｐｈａｂｅｔ?ｄａｔａｓｅｔ??檢測訓(xùn)練庫??符檢測訓(xùn)練庫用于訓(xùn)練字符檢測模型，由兩部分組成，正樣本訓(xùn)練庫與練庫。正樣本訓(xùn)練庫為字符庫，本文中正樣本庫選為車牌字符，即３１個４個大寫字母和１０個數(shù)字字符，標(biāo)簽為１；負(fù)樣本庫為非字符庫，如圖２．正負(fù)樣本比例為１：２。??鼷■■關(guān)??Ｐ圓＝?？鼸?ｕ??＿■■圍＾９篆ａ，??Ｖ?．．．．．．．．?）??

Ｖ?Ｊ??圖２．１數(shù)字庫??Ｆｉｇ．?２．１?Ｎｕｍｂｅｒ?ｄａｔａｓｅｔ???＇??＿驗通１１匯＿?＿?ＩＳ?Ｂ??關(guān)涯國畫關(guān)＿圔圈ｉｌ??＿國＿匪圔翮??、?ｊ??圖２．２字母庫??Ｆｉｇ．?２．２?Ａｌｐｈａｂｅｔ?ｄａｔａｓｅｔ??２）字符檢測訓(xùn)練庫??字符檢測訓(xùn)練庫用于訓(xùn)練字符檢測模型，由兩部分組成，正樣本訓(xùn)練庫與負(fù)??樣本訓(xùn)練庫。正樣本訓(xùn)練庫為字符庫，本文中正樣本庫選為車牌字符，即３１個漢??字、２４個大寫字母和１０個數(shù)字字符，標(biāo)簽為１；負(fù)樣本庫為非字符庫，如圖２．３??所示。正負(fù)樣本比例為１：２。??鼷■■關(guān)??Ｐ圓＝?？鼸?ｕ??＿■■圍＾９篆ａ，??Ｖ?．．．．．．．．?）??圖２．３普通負(fù)樣本庫??Ｆｉｇ．?２．３?Ｏｒｄｉｎａｒｙ?

【參考文獻(xiàn)】：
期刊論文
[1]小生境遺傳算法在多車牌定位中的應(yīng)用[J]. 陰亞芳,張婧琪,廖延娜.  西安郵電大學(xué)學(xué)報. 2015(01)
[2]基于數(shù)學(xué)形態(tài)學(xué)和顏色特征的車牌定位方法[J]. 廉寧,徐艷蕾.  圖學(xué)學(xué)報. 2014(05)
[3]復(fù)雜背景圖像中的車牌定位算法[J]. 劉濛,吳成東,樊玉泉,王力.  中國圖象圖形學(xué)報. 2010(09)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)LeNet-5的車牌字符識別研究[J]. 趙志宏,楊紹普,馬增強(qiáng).  系統(tǒng)仿真學(xué)報. 2010(03)
[5]車輛牌照上英文和數(shù)字字符的結(jié)構(gòu)特征分析及提取[J]. 宋加濤,劉濟(jì)林.  中國圖象圖形學(xué)報. 2002(09)

碩士論文
[1]基于深度學(xué)習(xí)的TEDS系統(tǒng)車號識別算法研究[D]. 王欣蔚.北方工業(yè)大學(xué) 2016
[2]基于深度學(xué)習(xí)的車輛定位及車型識別研究[D]. 張飛云.江蘇大學(xué) 2016
[3]基于深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的車輛定位與識別[D]. 丁樂樂.電子科技大學(xué) 2016
[4]基于深度學(xué)習(xí)的車輛檢測方法研究[D]. 張文桂.華南理工大學(xué) 2016
[5]基于級聯(lián)卷積網(wǎng)絡(luò)的自然場景下的車牌檢測[D]. 閆鵬.鄭州大學(xué) 2015



本文編號：3224147