本文選題：圖像能量 + 車牌定位　； 參考：《北方工業(yè)大學(xué)》2017年碩士論文

【摘要】：由于機動車數(shù)量的急劇增長,普通的交通管理方式無法滿足對現(xiàn)有車輛的管理和流量調(diào)控的需求。智能交通系統(tǒng)概念的提出是為了建立更加智能化、快捷化和自動化的交通系統(tǒng),以緩解交通的擁堵的問題。而智能交通的核心的技術(shù)之一就是車牌識別技術(shù),車牌識別技術(shù)的研究對于建立智能交通系統(tǒng)提供了堅定的技術(shù)基礎(chǔ)。車牌區(qū)域的定位和車牌字符的識別作為車牌識別系統(tǒng)的兩個核心部分,決定著整個系統(tǒng)的性能。本文通過對車牌識別系統(tǒng)的文獻的大量閱讀和研究后,通過綜合的學(xué)習(xí)和比較,設(shè)計并實現(xiàn)了基于圖像能量和神經(jīng)網(wǎng)絡(luò)的車牌識別系統(tǒng),并采用Qt平臺完成了系統(tǒng)簡易界面的設(shè)計。通過對常用車牌區(qū)域定位算法的研究和總結(jié),實現(xiàn)了基于圖像能量的車牌定位算法,并在試驗中進行了驗證。該算法首先構(gòu)造預(yù)處理后的灰度車牌圖像的能量圖像,然后初步定位出能量圖像中能量最大的三個候選區(qū)域,最終篩選和驗證初步定位出的候選區(qū)域,完成車牌區(qū)域的準(zhǔn)確定位并得到車牌區(qū)域。通過對常用的車牌字符識別算法的深入研究和對比后,采用二級BP神經(jīng)網(wǎng)絡(luò)的方法作為車牌識別系統(tǒng)的字符識別方法。該算法改進了字符特征的提取方法,并采取了二級的BP神經(jīng)網(wǎng)絡(luò):第一級包括字符網(wǎng)絡(luò)和數(shù)字字母網(wǎng)絡(luò),第二級是相似字符網(wǎng)絡(luò)。大量實驗證明,通過構(gòu)造相似字符網(wǎng)絡(luò)可以很大程度的提高字符識別率。本系統(tǒng)基于Qt開發(fā)平臺設(shè)計車牌識別系統(tǒng)的GUI界面,具有一定的可操作性及對不同的硬件平臺的跨平臺特性。實驗結(jié)果表明,本車牌識別軟件系統(tǒng)可以識別不同角度,不同距離和不同光照環(huán)境條件下拍攝到的車牌圖像。由于引入Qt,方便軟件分別在Win+PC機或Linux+ARM系統(tǒng)上運行,具較強的應(yīng)用前景。
[Abstract]:Because of the rapid increase of the number of motor vehicles, the common traffic management mode can not meet the demand of the existing vehicle management and flow control. The concept of Intelligent Transportation system (its) is proposed in order to set up a more intelligent, fast and automatic traffic system to alleviate the problem of traffic congestion. One of the core technologies of intelligent transportation is license plate recognition. The research of license plate recognition provides a firm technical foundation for the establishment of intelligent transportation system. The location of license plate region and the recognition of license plate characters are the two core parts of the license plate recognition system, which determines the performance of the whole system. After reading and studying a lot of documents of license plate recognition system, this paper designs and implements a license plate recognition system based on image energy and neural network through comprehensive learning and comparison. QT platform is used to design the simple interface of the system. Based on the research and summary of common license plate location algorithms, a license plate location algorithm based on image energy is implemented and verified in the experiment. The algorithm firstly constructs the energy image of the pre-processed gray license plate image, and then preliminarily locates the three candidate regions with the largest energy in the energy image, and finally selects and verifies the candidate regions that are initially located. Complete the accurate location of the license plate area and get the license plate area. After the deep research and comparison of the commonly used license plate character recognition algorithms, the two-stage BP neural network method is adopted as the character recognition method of the license plate recognition system. The algorithm improves the method of character feature extraction, and adopts the two-level BP neural network: the first level includes character network and numeric alphabetical network, the second level is similar character network. A large number of experiments show that the character recognition rate can be greatly improved by constructing a similar character network. The GUI interface of license plate recognition system is designed based on QT development platform. It has some maneuverability and cross-platform characteristics for different hardware platforms. The experimental results show that the license plate recognition software system can recognize the license plate images under different angles, distances and illumination conditions. Because of the introduction of QT, it is convenient for software to run on Win PC or Linux ARM system, which has a strong application prospect.
【學(xué)位授予單位】：北方工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【參考文獻】

相關(guān)期刊論文 前10條

1 李鑫;黃杰;;基于顏色定位的車牌識別系統(tǒng)[J];科技致富向?qū)?2012年32期

2 陳桂香;;國外智能交通系統(tǒng)的發(fā)展情況[J];中國安防;2012年06期

3 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

4 丁世飛;齊丙娟;譚紅艷;;支持向量機理論與算法研究綜述[J];電子科技大學(xué)學(xué)報;2011年01期

5 李宇成;楊光明;王目樹;;車牌提取與識別系統(tǒng)的研究與設(shè)計[J];計算機測量與控制;2011年01期

6 李宇成;王目樹;;一種快速的車牌定位與提取算法[J];計算機工程與科學(xué);2010年12期

7 劉勝玉;張志新;;基于Qt/Embedded的嵌入式監(jiān)測系統(tǒng)人機界面[J];工業(yè)控制計算機;2009年09期

8 梅林;劉鋒;;基于邊緣檢測與垂直投影相結(jié)合的車牌定位方法[J];甘肅科技;2009年03期

9 王冠;敖志剛;劉永躍;王真軍;;基于快速連通域標(biāo)記的車牌字符分割[J];計算機與現(xiàn)代化;2007年06期

10 葉茂亮,劉長松,丁曉青,燕鵬;基于筆畫分析和形態(tài)學(xué)的汽車牌照定位算法[J];電視技術(shù);2005年05期

相關(guān)碩士學(xué)位論文 前9條

1 毛江平;車載云臺攝像機的車牌識別系統(tǒng)研究[D];浙江大學(xué);2014年

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

3 梅文蘭;車牌識別中的超分辨率算法的研究[D];西南交通大學(xué);2011年

4 王洋;基于ARM9的視頻識別系統(tǒng)的研制[D];湖北工業(yè)大學(xué);2011年

5 郭航宇;智能交通中車牌識別方法的研究[D];北京郵電大學(xué);2010年

6 陳進;車牌識別系統(tǒng)關(guān)鍵技術(shù)的研究[D];中國科學(xué)技術(shù)大學(xué);2009年

7 詹群峰;基于OpenCV的視頻道路車輛檢測與跟蹤[D];廈門大學(xué);2009年

8 吳曉陽;基于OpenCV的運動目標(biāo)檢測與跟蹤[D];浙江大學(xué);2008年

9 孫啟星;車牌識別系統(tǒng)的研究與實現(xiàn)[D];哈爾濱工程大學(xué);2005年

，

本文編號：1860387