隨著城市交通流量的不斷增加和城市的快速發(fā)展,車牌定位與識(shí)別系統(tǒng)被廣泛用于車輛監(jiān)控、違法犯罪行為打擊、交通車輛管制等民用和軍用領(lǐng)域。傳統(tǒng)的車牌定位與識(shí)別算法由于需要人為設(shè)計(jì)圖像特征和調(diào)節(jié)分類器參數(shù),因而難以適應(yīng)不同應(yīng)用場(chǎng)景下的車牌定位與識(shí)別需求。近年來隨著深度學(xué)習(xí)技術(shù)的發(fā)展,基于深度學(xué)習(xí)的目標(biāo)檢測(cè)與識(shí)別算法具有抗干擾能力強(qiáng)、能夠同時(shí)適應(yīng)多種場(chǎng)景需求的優(yōu)點(diǎn)。為了實(shí)現(xiàn)車牌精確高效率的定位與識(shí)別,本文基于深度學(xué)習(xí)技術(shù)對(duì)車牌定位與識(shí)別做了以下研究,具體工作如下:（1）為了實(shí)現(xiàn)圖像中車牌目標(biāo)的實(shí)時(shí)精確定位,本文設(shè)計(jì)了一個(gè)深度可分離卷積多尺度車牌定位模型。具體地,為了提高模型的檢測(cè)速度,采用深度可分離卷積,設(shè)計(jì)了一個(gè)深度可分離卷積特征提取網(wǎng)絡(luò),用于提取圖像的特征。此外,為了使模型對(duì)車牌目標(biāo)具有一定的針對(duì)性,根據(jù)車牌的特點(diǎn)設(shè)計(jì)了12個(gè)不同寬高的錨點(diǎn)框,并在4個(gè)不同尺度的特征圖上對(duì)車牌目標(biāo)進(jìn)行定位。實(shí)驗(yàn)結(jié)果表明,該模型不僅能夠準(zhǔn)確定位圖像中的車牌目標(biāo),還在一定程度上解決了現(xiàn)有深度目標(biāo)檢測(cè)模型的實(shí)時(shí)性差以及小目標(biāo)錯(cuò)檢漏檢等問題。（2）為了實(shí)現(xiàn)車牌字符的準(zhǔn)確識(shí)別,本文將車牌字符識(shí)別看作字符序列識(shí)別任務(wù),設(shè)計(jì)... 

【文章來源】：河南大學(xué)河南省

【文章頁數(shù)】：66 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

車牌定位效果

基于深度學(xué)習(xí)的車牌定位與識(shí)別方法研究與實(shí)現(xiàn)28（e）過度曝光下車牌定位效果圖3-8車牌定位效果由圖3-8可以看出，本文設(shè)計(jì)的深度可分離卷積多尺度車牌定位模型能夠定位出有一定傾斜角度、目標(biāo)車牌顏色與車身顏色接近、光線不足的夜晚、過度曝光等多種條件下的車牌，從而說明了其在復(fù)雜場(chǎng)景中具有較好的魯棒性，證明了模型的有效性。為了定量說明本文設(shè)計(jì)的深度可分離卷積多尺度車牌定位模型的有效性，在測(cè)試集上將本文車牌定位模型與FasterR-CNN、SSD、YOLOv3進(jìn)行對(duì)比實(shí)驗(yàn)。四種模型的P-R曲線圖如3-9所示。其中，綠色實(shí)線為本文設(shè)計(jì)的車牌定位模型的P-R曲線，藍(lán)色虛線為YOLOv3的P-R曲線，紅色虛線為SSD的P-R曲線，黃色實(shí)線為FasterR-CNN的P-R曲線。從圖3-9可以看出，本文車牌定位模型P-R曲線包圍的面積，明顯大于FasterR-CNN、SSD和YOLOv3模型P-R曲線包圍的面積，從而證明了本文車牌定位模型的有效性。圖3-9FasterR-CNN、SSD、YOLOv3和本文車牌定位模型的P-R曲線

【參考文獻(xiàn)】：
期刊論文
[1]車牌號(hào)碼松弛模板匹配方法[J]. 陳斌,游志勝.  計(jì)算機(jī)應(yīng)用. 2001(S1)
[2]基于連通域的模板匹配法用于字符識(shí)別的算法研究[J]. 郭曉松,孔祥玉,楊必武.  計(jì)算機(jī)工程與應(yīng)用. 2000(12)
[3]基于樣本線搜索和霍夫變換的區(qū)域定位算法[J]. 王昱,趙正校,楊碩.  紅外與激光工程. 1999(04)

碩士論文
[1]多場(chǎng)景交通視頻目標(biāo)檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 李嘉宸.河南大學(xué) 2019
[2]基于Matlab的車牌識(shí)別系統(tǒng)的研究[D]. 陳鼎.南昌大學(xué) 2018



本文編號(hào)：3576945