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

【摘要】：由于機(jī)動(dòng)車(chē)數(shù)量的急劇增長(zhǎng),普通的交通管理方式無(wú)法滿(mǎn)足對(duì)現(xiàn)有車(chē)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(dòng)化的交通系統(tǒng),以緩解交通的擁堵的問(wèn)題。而智能交通的核心的技術(shù)之一就是車(chē)牌識(shí)別技術(shù),車(chē)牌識(shí)別技術(shù)的研究對(duì)于建立智能交通系統(tǒng)提供了堅(jiān)定的技術(shù)基礎(chǔ)。車(chē)牌區(qū)域的定位和車(chē)牌字符的識(shí)別作為車(chē)牌識(shí)別系統(tǒng)的兩個(gè)核心部分,決定著整個(gè)系統(tǒng)的性能。本文通過(guò)對(duì)車(chē)牌識(shí)別系統(tǒng)的文獻(xiàn)的大量閱讀和研究后,通過(guò)綜合的學(xué)習(xí)和比較,設(shè)計(jì)并實(shí)現(xiàn)了基于圖像能量和神經(jīng)網(wǎng)絡(luò)的車(chē)牌識(shí)別系統(tǒng),并采用Qt平臺(tái)完成了系統(tǒng)簡(jiǎn)易界面的設(shè)計(jì)。通過(guò)對(duì)常用車(chē)牌區(qū)域定位算法的研究和總結(jié),實(shí)現(xiàn)了基于圖像能量的車(chē)牌定位算法,并在試驗(yàn)中進(jìn)行了驗(yàn)證。該算法首先構(gòu)造預(yù)處理后的灰度車(chē)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(gè)候選區(qū)域,最終篩選和驗(yàn)證初步定位出的候選區(qū)域,完成車(chē)牌區(qū)域的準(zhǔn)確定位并得到車(chē)牌區(qū)域。通過(guò)對(duì)常用的車(chē)牌字符識(shí)別算法的深入研究和對(duì)比后,采用二級(jí)BP神經(jīng)網(wǎng)絡(luò)的方法作為車(chē)牌識(shí)別系統(tǒng)的字符識(shí)別方法。該算法改進(jìn)了字符特征的提取方法,并采取了二級(jí)的BP神經(jīng)網(wǎng)絡(luò):第一級(jí)包括字符網(wǎng)絡(luò)和數(shù)字字母網(wǎng)絡(luò),第二級(jí)是相似字符網(wǎng)絡(luò)。大量實(shí)驗(yàn)證明,通過(guò)構(gòu)造相似字符網(wǎng)絡(luò)可以很大程度的提高字符識(shí)別率。本系統(tǒng)基于Qt開(kāi)發(fā)平臺(tái)設(shè)計(jì)車(chē)牌識(shí)別系統(tǒng)的GUI界面,具有一定的可操作性及對(duì)不同的硬件平臺(tái)的跨平臺(tái)特性。實(shí)驗(yàn)結(jié)果表明,本車(chē)牌識(shí)別軟件系統(tǒng)可以識(shí)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(chē)牌圖像。由于引入Qt,方便軟件分別在Win+PC機(jī)或Linux+ARM系統(tǒng)上運(yùn)行,具較強(qiáng)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(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

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

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

3 甘玲;林小晶;;基于連通域提取的車(chē)牌字符分割算法[J];計(jì)算機(jī)仿真;2011年04期

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

5 李宇成;楊光明;王目樹(shù);;車(chē)牌提取與識(shí)別系統(tǒng)的研究與設(shè)計(jì)[J];計(jì)算機(jī)測(cè)量與控制;2011年01期

6 李宇成;王目樹(shù);;一種快速的車(chē)牌定位與提取算法[J];計(jì)算機(jī)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(cè)系統(tǒng)人機(jī)界面[J];工業(yè)控制計(jì)算機(jī);2009年09期

8 梅林;劉鋒;;基于邊緣檢測(cè)與垂直投影相結(jié)合的車(chē)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(chē)牌字符分割[J];計(jì)算機(jī)與現(xiàn)代化;2007年06期

10 葉茂亮,劉長(zhǎng)松,丁曉青,燕鵬;基于筆畫(huà)分析和形態(tài)學(xué)的汽車(chē)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(chē)載云臺(tái)攝像機(jī)的車(chē)牌識(shí)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(jī)的車(chē)牌識(shí)別技術(shù)研究[D];蘭州交通大學(xué);2013年

3 梅文蘭;車(chē)牌識(shí)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(shí)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(chē)牌識(shí)別方法的研究[D];北京郵電大學(xué);2010年

6 陳進(jìn);車(chē)牌識(shí)別系統(tǒng)關(guān)鍵技術(shù)的研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2009年

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

8 吳曉陽(yáng);基于OpenCV的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤[D];浙江大學(xué);2008年

9 孫啟星;車(chē)牌識(shí)別系統(tǒng)的研究與實(shí)現(xiàn)[D];哈爾濱工程大學(xué);2005年

，

本文編號(hào)：1860387