本文選題：人工神經網絡　切入點：機器學習　出處：《沈陽師范大學》2017年碩士論文　論文類型：學位論文

【摘要】：隨著智慧城市戰(zhàn)略在國家重要城市快速的推進與發(fā)展,城市中各項運行的核心系統(tǒng)都將通過運用新一代的技術手段進行分析、整合、處理。公共交通信息,作為城市日常生活中必不可少的一員,在很大程度上需要快速高效的進行管理與運行。本文通過對一個公共交通信息管理系統(tǒng)拓展功能需求進行研究,利用機器學習中的技術對系統(tǒng)中包含車牌信息的圖像進行處理,并在車牌智能識別方面上對于國內外識別算法文獻進行了分析與討論,綜合考慮本系統(tǒng)特點,實現了本文車牌字符自動識別的過程。本文車牌自動識別算法研究的理念主要來源于開源系統(tǒng)EasyPR,在其基礎上結合本系統(tǒng)需求進行分析與改進,本文車牌識別模塊算法基于OpenCV(Open Source Computer Vi sion Library,即OpenCV)跨平臺計算機視覺庫,輕量、高效。車牌識別過程主要分為兩大部分:1)車牌圖塊定位:通過對分析和處理一張包含車牌的圖片,得到預選車牌圖塊,再對預選車牌圖塊進行判斷,最終得到只包含車牌信息的圖塊。本階段定位方法采用顏色空間HSV模型與邊緣檢測算法Sobel算子綜合定位,車牌判斷過程主要通過基于支持向量機(S upport Vector Machines,簡稱SVM)算法訓練、學習,并判斷得到的圖塊是否為真正的車牌。2)車牌字符識別:對通過定位得到的車牌圖塊進行字符分割、字符識別,然后順序排列輸出字符型車牌信息。本階段字符分割主要根據邊緣輪廓提取、外接矩形等方法,字符識別過程主要通過人工神經網絡(Artificial Neural Network,即ANN)種兩層神經網絡模型進行學習和分類輸出。本文車牌字符識別模塊主要算法基于OpenCV開源視覺庫,通過C++進行編寫,采用VS2013進行運行與測試。本文采用的車牌自動識別算法在實驗結果中顯示具有一定的定位準確率與識別率,基本符合系統(tǒng)所需需求的多項條件。
[Abstract]:With the rapid promotion and development of the smart city strategy in the important cities of the country, the core systems that run in the cities will be analyzed, integrated and processed through the use of the new generation of technical means. As an indispensable member of urban daily life, it needs to be managed and operated quickly and efficiently to a great extent. In this paper, the functional requirements of a public transportation information management system are studied. This paper uses the technology of machine learning to process the image which contains the license plate information in the system, and analyzes and discusses the domestic and foreign literatures on the recognition algorithm of the license plate in the aspect of the intelligent recognition of the license plate, considering the characteristics of the system synthetically. The research idea of automatic recognition algorithm of license plate mainly comes from the open source system EasyPR.Based on the analysis and improvement of this system, The algorithm of license plate recognition module is based on OpenCV(Open Source Computer Vi sion Library, which is light and efficient. The process of license plate recognition is mainly divided into two parts: 1) location of license plate block by analyzing and processing a picture containing license plate. The pre-selected license plate block is obtained, and then the pre-selected license plate block is judged. Finally, the block containing only license plate information is obtained. In this stage, the color space HSV model and the edge detection algorithm Sobel operator are used to locate the image. The process of license plate identification is mainly trained based on support vector machine (SVM) S upport Vector machines (SVM) algorithm, learning, and judging whether the obtained block is a real license plate .2.) license plate character recognition: the character segmentation of the license plate block obtained by location is carried out. Character recognition, then order the output of character license plate information. This stage of character segmentation is mainly based on edge contour extraction, external rectangle and other methods, The character recognition process is mainly carried out through artificial Neural Network (Ann) two-layer neural network model. The main algorithm of the license plate character recognition module is based on OpenCV open source vision library, and is written by C, the main algorithm of this paper is based on the open source vision library of OpenCV. The automatic license plate recognition algorithm adopted in this paper has a certain accuracy and recognition rate in the experimental results, which basically meets the requirements of the system.
【學位授予單位】：沈陽師范大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41;TP181

【參考文獻】

相關期刊論文 前10條

1 杜偉;杜慶東;;機器學習技術在公共交通信息平臺中的應用與研究[J];信息與電腦(理論版);2016年20期

2 楊戈;張威強;黃靜;;一個感知機神經網絡字符識別器的實現[J];電子技術應用;2015年03期

3 趙娜;袁家斌;徐晗;;智能交通系統(tǒng)綜述[J];計算機科學;2014年11期

4 馬玲;張曉輝;;HSV顏色空間的飽和度與明度關系模型[J];計算機輔助設計與圖形學學報;2014年08期

5 常發(fā)亮;黃翠;劉成云;趙永國;馬傳峰;;基于高斯顏色模型和SVM的交通標志檢測[J];儀器儀表學報;2014年01期

6 李志強;李永斌;;車牌識別技術的發(fā)展及研究現狀[J];科技信息;2012年05期

7 張穎彬;孟嗣儀;劉云;;基于SVM的相關反饋圖像分類和檢索方案[J];鐵路計算機應用;2011年08期

8 丁偉;;改進神經網絡算法在車牌識別中的應用[J];計算機仿真;2011年08期

9 甘玲;林小晶;;基于連通域提取的車牌字符分割算法[J];計算機仿真;2011年04期

10 丁怡心;廖勇毅;;高斯模糊算法優(yōu)化及實現[J];現代計算機(專業(yè)版);2010年08期

相關博士學位論文 前2條

1 曾俊;圖像邊緣檢測技術及其應用研究[D];華中科技大學;2011年

2 常甜甜;支持向量機學習算法若干問題的研究[D];西安電子科技大學;2010年

相關碩士學位論文 前10條

1 董程;基于改進神經網絡的車牌識別算法的研究及仿真[D];哈爾濱理工大學;2015年

2 黃遙;基于OCR視頻字符識別技術研究與實現[D];北京交通大學;2014年

3 王亞如;基于HSV顏色空間和SIFT特征的近似圖像檢索[D];蘭州大學;2014年

4 楊天長;基于神經網絡的文字識別技術研究及應用[D];北方工業(yè)大學;2013年

5 張吉斌;基于圖像處理及支持向量機的車牌識別技術研究[D];蘭州交通大學;2013年

6 張瑞佳;車輛牌照字符識別技術的研究與實現[D];吉林大學;2013年

7 查志強;復雜背景下的快速車牌識別技術研究[D];南京理工大學;2013年

8 申繼龍;車牌定位和傾斜校正的關鍵技術研究[D];南京郵電大學;2013年

9 呂文強;基于Adaboost和SVM的車牌識別方法研究[D];南京理工大學;2013年

10 何娟芝;基于YUV顏色空間的邊緣檢測算法研究[D];杭州電子科技大學;2013年

，

本文編號：1586594