發(fā)布時(shí)間：2020-12-05 15:36

　　隨著我國(guó)經(jīng)濟(jì)實(shí)力的提升和綜合國(guó)力的日益增強(qiáng),直到2018年11月份公安部發(fā)布的汽車保有量已達(dá)到2.35億輛,同比約增長(zhǎng)12.0%,其中新能源車101萬(wàn)輛,同比增長(zhǎng)83%。新能源車和普通車的使用量日益增多,智能交通識(shí)別變的越發(fā)困難。所以,一個(gè)良好的智能交通系統(tǒng)（Intelligent-Transportation-System,ITS）是解決這個(gè)難題的關(guān)鍵性一步。如何高效準(zhǔn)確的在不同環(huán)境下去識(shí)別不同類型的車牌是重點(diǎn)和難點(diǎn)。只有我們正確識(shí)別車牌,才能更好的對(duì)那些車牌號(hào)進(jìn)行統(tǒng)一管理。車牌識(shí)別技術(shù)廣泛應(yīng)用于很多方面:學(xué)校進(jìn)出車輛的管理和小區(qū)大門卡口進(jìn)出車輛信息的管理,十字路口的超速違規(guī)駕駛抓拍等領(lǐng)域。本文通過(guò)對(duì)圖像技術(shù)、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等知識(shí)的全方面掌握,針對(duì)車牌識(shí)別技術(shù)的難點(diǎn)用深度學(xué)習(xí)方法做了改進(jìn)。對(duì)新能源車牌和普通車牌都做了下面的改進(jìn):車牌定位模塊、矯正模塊、字符分割模塊和字符識(shí)別模塊。本識(shí)別系統(tǒng)使用了深度學(xué)習(xí)的算法和框架,在硬件端的攝像頭模塊也做了相應(yīng)的升級(jí),以滿足更快更準(zhǔn)確的識(shí)別要求。本文主要工作如下:（1）在車牌定位模塊中,使用了一種以Adaboost級(jí)聯(lián)分類器作為粗定位,結(jié)合CN... 

【文章來(lái)源】：廣西師范大學(xué)廣西壯族自治區(qū)

【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 課題的背景和研究意義
    1.2 車牌識(shí)別技術(shù)的發(fā)展概述
        1.2.1 車牌識(shí)別技術(shù)的研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)外商用的車牌系統(tǒng)現(xiàn)狀
        1.2.3 車牌識(shí)別系統(tǒng)的技術(shù)難點(diǎn)
    1.3 本文的研究工作
    1.4 本文的結(jié)構(gòu)安排
第2章 車牌定位檢測(cè)
    2.1 圖像預(yù)處理
        2.1.1 圖像灰度化
        2.1.2 圖像去噪
        2.1.3 邊緣檢測(cè)
        2.1.4 圖像二值化
        2.1.5 圖像大小歸一化
    2.2 算法模型
        2.2.1 隨機(jī)抽樣模型
        2.2.2 卷積模型
    2.3 車牌定位檢測(cè)
        2.3.1 自適應(yīng)提升算法和回歸模型
        2.3.2 自適應(yīng)提升算法與回歸模型實(shí)驗(yàn)對(duì)比
        2.3.3 本文算法具體實(shí)現(xiàn)
    2.4 車牌定位實(shí)驗(yàn)
        2.4.1本文車牌定位方法離線測(cè)試實(shí)驗(yàn)
        2.4.2 車牌定位算法的對(duì)比
    2.5 本章小結(jié)
第3章 車牌矯正和字符分割
    3.1 分割研究現(xiàn)狀與引言
    3.2 車牌分割預(yù)處理
        3.2.1 底色判斷和反色變換
        3.2.2 矯正方法
    3.3 字符分割模板
        3.3.1 設(shè)置初始的滑動(dòng)模板
        3.3.2 設(shè)置評(píng)價(jià)函數(shù)
    3.4 實(shí)驗(yàn)結(jié)果及分析
    3.5 本章小結(jié)
第4章 車牌字符識(shí)別
    4.1 引言與識(shí)別研究現(xiàn)狀
    4.2 字符圖像尺寸歸一化
    4.3 支持向量機(jī)原理
        4.3.1 支持向量機(jī)的特征選取
        4.3.2 支持向量機(jī)的模型
    4.4 字符訓(xùn)練集和測(cè)試集
    4.5 SVM和 CNN的字符識(shí)別
        4.5.1 CNN網(wǎng)絡(luò)參數(shù)選擇
        4.5.2 實(shí)驗(yàn)結(jié)果
    4.6 訓(xùn)練樣本庫(kù)的優(yōu)化
        4.6.1 Keras庫(kù)簡(jiǎn)介
        4.6.2 生成新的數(shù)據(jù)庫(kù)
    4.7 門控制循環(huán)單元網(wǎng)絡(luò)
    4.8 字符識(shí)別算法比較
    4.9 本章小結(jié)
第5章 基于QT平臺(tái)的車牌識(shí)別系統(tǒng)設(shè)計(jì)
    5.1 引言
    5.2 系統(tǒng)實(shí)現(xiàn)環(huán)境及開(kāi)發(fā)工具
        5.2.1 系統(tǒng)開(kāi)發(fā)環(huán)境
        5.2.2 圖像庫(kù)
        5.2.3 系統(tǒng)的界面開(kāi)發(fā)
    5.3 硬件設(shè)備
    5.4 車牌識(shí)別系統(tǒng)設(shè)計(jì)
        5.4.1 車牌系統(tǒng)模塊
        5.4.2 離線圖片識(shí)別
        5.4.3 離線視頻的識(shí)別
        5.4.4 實(shí)時(shí)車牌識(shí)別
    5.5 在線實(shí)測(cè)
    5.6 本章小結(jié)
第6章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 未來(lái)展望
參考文獻(xiàn)
攻讀碩士期間主要科研成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于可變形卷積神經(jīng)網(wǎng)絡(luò)的手勢(shì)識(shí)別方法[J]. 蘇軍雄,見(jiàn)雪婷,劉瑋,華俊達(dá),張勝祥.  計(jì)算機(jī)與現(xiàn)代化. 2018(04)
[2]車牌識(shí)別系統(tǒng)中反色判斷及二值化算法[J]. 楊超,楊振,胡維平.  計(jì)算機(jī)工程與設(shè)計(jì). 2016(02)
[3]一種基于色彩的車牌圖像定位算法[J]. 吳惟希,趙剛.  信息安全研究. 2016(01)
[4]基于顏色特征和改進(jìn)Canny算子的車牌圖像定位[J]. 孫金嶺,龐娟,張澤龍.  吉林大學(xué)學(xué)報(bào)(理學(xué)版). 2015(04)
[5]融合字符紋理特征與RGB顏色特征的車牌定位[J]. 孫紅,郭凱.  光電工程. 2015(06)
[6]基于局部二值模式與多層感知器的中文車牌字符識(shí)別高效算法[J]. 王玨,李洪研.  計(jì)算機(jī)應(yīng)用. 2015(S1)
[7]基于2DPCA-ICA和SVM的車標(biāo)識(shí)別新方法[J]. 李文舉,孫娟紅,韋麗華,李俠.  遼寧師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(02)
[8]基于連通域提取的車牌字符分割算法[J]. 甘玲,林小晶.  計(jì)算機(jī)仿真. 2011(04)
[9]加入改進(jìn)LBP紋理的高分辨率遙感圖像分類[J]. 宋本欽,李培軍.  國(guó)土資源遙感. 2010(04)
[10]基于字符檢測(cè)的車牌定位方法[J]. 賈曌峰,陳繼榮.  計(jì)算機(jī)工程. 2010(03)

碩士論文
[1]車牌及車標(biāo)識(shí)別技術(shù)的研究[D]. 蒙佳.廣西師范大學(xué) 2017
[2]車牌識(shí)別系統(tǒng)研究與設(shè)計(jì)[D]. 楊超.廣西師范大學(xué) 2015



本文編號(hào)：2899685