隨著信息技術(shù)和智能技術(shù)的發(fā)展,交通管理系統(tǒng)的信息化、智能化是大勢(shì)所趨。車(chē)牌識(shí)別系統(tǒng)是智能交通系統(tǒng)的核心組成部分,現(xiàn)已廣泛地應(yīng)用到多地。目前的車(chē)牌識(shí)別過(guò)程,存在著背景干擾較大、光照變化較快和車(chē)牌尺寸不固定等問(wèn)題,進(jìn)而導(dǎo)致了識(shí)別速度慢、識(shí)別率低的問(wèn)題。本論文利用了卷積神經(jīng)網(wǎng)絡(luò)對(duì)識(shí)別二維圖像的優(yōu)異性,設(shè)計(jì)了一個(gè)基于卷積神經(jīng)網(wǎng)絡(luò)的車(chē)牌識(shí)別系統(tǒng),并針對(duì)各個(gè)模塊在車(chē)牌識(shí)別過(guò)程中存在的問(wèn)題,研究并實(shí)現(xiàn)相應(yīng)的算法,本文主要完成了以下五個(gè)方面的工作:1)在運(yùn)動(dòng)車(chē)輛檢測(cè)方面,針對(duì)視頻監(jiān)控中的兩種噪聲,使用了中值和均值綜合濾波降噪。為了保證較高的實(shí)時(shí)性,設(shè)計(jì)了基于背景差分法的車(chē)輛檢測(cè)方法,差分后的圖像通過(guò)形態(tài)學(xué)方式檢測(cè)車(chē)輛前景。最后,測(cè)試了多種路況和光照的情況下,車(chē)輛檢測(cè)模塊的性能。2)在車(chē)牌定位方面,本文提出了基于形態(tài)學(xué)和邊緣統(tǒng)計(jì)的車(chē)牌定位算法。車(chē)輛前景圖片首先通過(guò)形態(tài)學(xué)一次定位車(chē)牌區(qū)域,再根據(jù)車(chē)牌特有的邊緣稀疏性二次定位車(chē)牌,排除相似非車(chē)牌區(qū)域。3)在字符分割方面,針對(duì)中文車(chē)牌所特有的“.”區(qū)域,本文提出了一種基于垂直投影的雙向掃描字符分割算法。通過(guò)一次水平掃描和兩次垂直掃描,規(guī)避了左右邊框?qū)ψ址挠绊?..

【文章頁(yè)數(shù)】：89 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外的研究和應(yīng)用現(xiàn)狀
    1.3 本文的研究?jī)?nèi)容和組織架構(gòu)
第2章 車(chē)牌識(shí)別系統(tǒng)的設(shè)計(jì)方案
    2.1 車(chē)牌識(shí)別簡(jiǎn)介
    2.2 車(chē)牌識(shí)別中的關(guān)鍵技術(shù)
        2.2.1 圖像預(yù)處理技術(shù)
        2.2.2 車(chē)輛檢測(cè)技術(shù)
        2.2.3 車(chē)牌定位技術(shù)
        2.2.4 車(chē)牌分割技術(shù)
        2.2.5 車(chē)牌字符識(shí)別技術(shù)
    2.3 車(chē)牌識(shí)別系統(tǒng)的方案設(shè)計(jì)
        2.3.1 系統(tǒng)的需求分析
        2.3.2 系統(tǒng)的方案選擇
        2.3.3 系統(tǒng)的模塊化架構(gòu)
        2.3.4 系統(tǒng)的整體組成
        2.3.5 系統(tǒng)性能指標(biāo)
    2.4 本章小結(jié)
第3章 車(chē)輛檢測(cè)模塊的設(shè)計(jì)
    3.1 車(chē)輛視頻的預(yù)處理
        3.1.1 圖像灰度化
        3.1.2 圖像去噪
    3.2 車(chē)輛檢測(cè)算法的介紹
        3.2.1 常見(jiàn)的車(chē)輛檢測(cè)算法
        3.2.2 三種檢測(cè)算法性能比較
    3.3 基于背景差分法的車(chē)輛檢測(cè)模塊設(shè)計(jì)
    3.4 車(chē)輛檢測(cè)模塊的性能測(cè)試
        3.4.1 不同路況下的檢測(cè)率
        3.4.2 不同光照條件下的檢測(cè)率
    3.5 本章小結(jié)
第4章 車(chē)牌定位、矯正和分割算法的研究
    4.1 車(chē)牌定位算法的研究
        4.1.1 常見(jiàn)的車(chē)牌定位算法
        4.1.2 基于形態(tài)學(xué)和邊緣統(tǒng)計(jì)的車(chē)牌定位算法
    4.2 車(chē)牌傾斜矯正算法的研究
        4.2.1 常見(jiàn)的車(chē)牌傾斜矯正算法
        4.2.2 基于統(tǒng)計(jì)特征點(diǎn)圖的傾斜矯正算法
    4.3 車(chē)牌字符分割算法的研究
        4.3.1 常見(jiàn)的車(chē)牌分割算法
        4.3.2 基于垂直投影的雙向掃描字符分割算法
    4.4 定位、矯正和分割算法的性能測(cè)試
    4.5 本章小結(jié)
第5章 基于卷積神經(jīng)網(wǎng)絡(luò)的車(chē)牌識(shí)別算法的研究
    5.1 LENET-5 卷積神經(jīng)網(wǎng)絡(luò)介紹
        5.1.1 LeNet-5 的結(jié)構(gòu)簡(jiǎn)介
        5.1.2 前向傳播
        5.1.3 反向傳播
        5.1.4 過(guò)擬合現(xiàn)象
        5.1.5 傳統(tǒng)的LeNet-5 車(chē)牌識(shí)別方法
    5.2 GMP-LENET卷積神經(jīng)網(wǎng)絡(luò)
        5.2.1 GMP-LeNet網(wǎng)絡(luò)的具體改進(jìn)措施
        5.2.2 GMP-LeNet的結(jié)構(gòu)描述
    5.3 基于GMP-LENET網(wǎng)絡(luò)的車(chē)牌識(shí)別方法
    5.4 車(chē)輛識(shí)別算法的性能測(cè)試
    5.5 本章小結(jié)
第6章 車(chē)牌識(shí)別系統(tǒng)的搭建與測(cè)試
    6.1 車(chē)牌識(shí)別系統(tǒng)軟硬件環(huán)境
    6.2 視頻監(jiān)控系統(tǒng)的搭建
        6.2.1 采集端搭建
        6.2.2 監(jiān)控端搭建
    6.3 車(chē)牌識(shí)別軟件的實(shí)現(xiàn)
        6.3.1 軟件的模塊間整合
        6.3.2 軟件的代碼實(shí)現(xiàn)
        6.3.3 軟件的界面實(shí)現(xiàn)
    6.4 系統(tǒng)的功能測(cè)試和性能分析
        6.4.1 系統(tǒng)功能測(cè)試
        6.4.2 系統(tǒng)性能分析
    6.5 本章小結(jié)
第7章 總結(jié)與展望
    7.1 總結(jié)
    7.2 展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間參加的科研項(xiàng)目和成果



本文編號(hào)：3861727