國家工業(yè)化發(fā)展和汽車大眾化極大方便了人們的日常生活,但因此導(dǎo)致交通問題日益嚴(yán)峻,智能交通的出現(xiàn)有效的解決了這一問題。車牌識別技術(shù)作為智能交通系統(tǒng)中的基礎(chǔ)組成部分,對智能交通系統(tǒng)的快速發(fā)展具有重要意義。針對現(xiàn)有車牌識別系統(tǒng)在復(fù)雜背景下識別精度低的問題,結(jié)合深度學(xué)習(xí)算法在圖像處理領(lǐng)域的優(yōu)勢,對車牌定位和字符識別算法進(jìn)行研究。主要研究內(nèi)容如下:通過對深度學(xué)習(xí)算法研究,對比各種算法的優(yōu)缺點(diǎn)和適用范圍,最后選擇卷積神經(jīng)網(wǎng)絡(luò)作為本文車牌定位和字符識別所用算法。車牌定位算法研究。針對車牌傾斜,圖像質(zhì)量下降等復(fù)雜背景下車牌定位困難的問題,提出了一種基于改進(jìn)邊緣檢測和形態(tài)濾波的粗略車牌定位算法。粗略定位后獲得的牌照候選區(qū)域訓(xùn)練有素。卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型進(jìn)行判斷,排除偽車牌區(qū)域,從而實(shí)現(xiàn)精確定位。車牌字符識別算法研究。在考慮了我國車牌字符特點(diǎn)的基礎(chǔ)上,采用卷積神經(jīng)網(wǎng)絡(luò)AlexNet網(wǎng)絡(luò)模型,為實(shí)現(xiàn)對車牌不做字符分割進(jìn)行整體識別,對模型進(jìn)行了改進(jìn)。在保證車牌識別系統(tǒng)準(zhǔn)確率的前提下,提升了系統(tǒng)的實(shí)時性。由于FPGA豐富的硬件資源和強(qiáng)大的并行運(yùn)算能力,最后提出了一種基于FPGA的車牌技術(shù)實(shí)現(xiàn)方案。結(jié)果表明... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

三種常見的激活函數(shù)

電大學(xué)碩士學(xué)位論文 第 3 章 車牌定位算1. 形狀尺寸目前我國機(jī)動車輛的車牌規(guī)格嚴(yán)格按照 GA36-2007《中華人民共和國機(jī)》標(biāo)準(zhǔn)[23]，車牌尺寸標(biāo)準(zhǔn)如圖 3.2 所示，按照標(biāo)準(zhǔn)規(guī)范，車輛前面牌照，寬為 14cm，總共包括 7 個字符，每個字符高度為 90mm，寬度為 45、第三個字符之間存在一個分隔符“ ”，半徑為 5mm，字符間的距離為 12

(a) 原始圖像 (b) 灰度化圖像圖 3.4 灰度化處理效果圖2. 灰度圖像增強(qiáng)由于車牌圖像容易受到天氣狀況和拍攝條件的影響，從而導(dǎo)致圖像質(zhì)量的差異，為了改善圖像質(zhì)量，突出車牌細(xì)節(jié)，便于后期的邊緣檢測處理，因此采用直方圖均衡化將降質(zhì)圖像轉(zhuǎn)化為均勻分布的形式，從而增加像素的灰度值的動態(tài)范圍增強(qiáng)圖像對比度，達(dá)到增強(qiáng)車牌灰度圖像的目的。圖 3.5 為經(jīng)過直方圖均衡化處理后的效果�？梢钥闯鲕嚺茀^(qū)域細(xì)節(jié)更加突出，這更有利于后面的提取操作。

【參考文獻(xiàn)】：
期刊論文
[1]深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)及其在海洋環(huán)境信息挖掘預(yù)測中的應(yīng)用[J]. 徐凌宇,張高唯,江灣灣,李新絹,王蕾.  海洋信息. 2018(01)
[2]深度學(xué)習(xí)應(yīng)用前景分析[J]. 黃子良.  通信與信息技術(shù). 2017(03)
[3]基于數(shù)學(xué)形態(tài)學(xué)的漸變色字符定位算法[J]. 崔男,李婧,孫艷蕊.  計(jì)算機(jī)與數(shù)字工程. 2016(10)
[4]2014年全國機(jī)動車和駕駛?cè)搜该驮鲩L[J]. 交宣,汽車與安全.  汽車與安全. 2015(02)
[5]基于數(shù)學(xué)形態(tài)學(xué)和顏色特征的車牌定位方法[J]. 廉寧,徐艷蕾.  圖學(xué)學(xué)報(bào). 2014(05)
[6]改進(jìn)的模板匹配方法在車牌識別中的應(yīng)用[J]. 陳瑋,曹志廣,李劍平.  計(jì)算機(jī)工程與設(shè)計(jì). 2013(05)
[7]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)
[8]BP神經(jīng)網(wǎng)絡(luò)在車牌字符識別中的應(yīng)用研究[J]. 郭榮艷,胡雪惠.  計(jì)算機(jī)仿真. 2010(09)
[9]基于HSV顏色空間的一種車牌定位和分割方法[J]. 王洪建.  儀器儀表學(xué)報(bào). 2005(S2)
[10]基于自適應(yīng)投影方法的快速車牌定位[J]. 馮國進(jìn),顧國華,鄭瑞紅.  紅外與激光工程. 2003(03)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的手勢識別算法優(yōu)化及嵌入式實(shí)現(xiàn)[D]. 張玉婷.西安郵電大學(xué) 2018
[2]復(fù)雜自然環(huán)境下車牌識別算法研究[D]. 趙成龍.山東大學(xué) 2017
[3]近紅外掌靜脈圖像識別技術(shù)設(shè)計(jì)與實(shí)現(xiàn)[D]. 成然.電子科技大學(xué) 2017
[4]卷積神經(jīng)網(wǎng)字符識別算法研究[D]. 吳香蓮.電子科技大學(xué) 2016
[5]基于模糊理論的汽車牌照自動識別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 王明華.電子科技大學(xué) 2011
[6]車牌字符分割和字符識別的算法研究與實(shí)現(xiàn)[D]. 王偉.電子科技大學(xué) 2011
[7]車牌識別系統(tǒng)關(guān)鍵技術(shù)研究[D]. 鄧靈.長沙理工大學(xué) 2010
[8]車牌定位與字符分割算法研究及實(shí)現(xiàn)[D]. 王曉健.北京郵電大學(xué) 2009



本文編號：2950053