車牌檢測與識別有著三十余年的研究歷史,并且在一些簡單固定場景下已經(jīng)得到了廣泛應(yīng)用,但是在成像設(shè)備不固定、光照不佳等開放式環(huán)境下,現(xiàn)有的車牌檢測與識別算法的效果會急劇下降。近年來深度學(xué)習(xí)在計算機視覺領(lǐng)域得到了廣泛應(yīng)用,其算法在魯棒性、準確度等方面遠超傳統(tǒng)算法,因此本文嘗試將深度學(xué)習(xí)應(yīng)用于車牌檢測與識別,在開放式環(huán)境下達到實時、準確的效果。本文以開放式環(huán)境下視頻車牌檢測與識別為目標,綜合考慮實時性與準確性,結(jié)合實際應(yīng)用場景,提出了基于YOLOv3（You Only Look Oncev3）的車牌檢測算法 LPDNet（License Plate Detection Network）和基于 CRNN（Convolutional Recurrent Neural Network）的車牌序列識別算法 LPSRNet（License Plate Sequence Recognition Network）。本文主要工作和創(chuàng)新如下:（1）建立車牌檢測及識別基準數(shù)據(jù)集目前中文車牌僅有的大型數(shù)據(jù)集為中國科學(xué)技術(shù)大學(xué)公開的CCPD,但其拍攝場景固定、車牌相似度高且每張圖像僅含一個車牌,不適合作為基準數(shù)據(jù)集。... 

【文章來源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：91 頁

【學(xué)位級別】：碩士

【部分圖文】：

CTPN算法“微分”示意圖

??圖２－１場景文字圖像?圖２－２?ＣＴＰＮ算法“微分”示意圖??Ｆｉｇｕｒｅ?２－１?Ｓｃｅｎｅ?ｔｅｘｔ?ｉｍａｇｅ?Ｆｉｇｕｒｅ?２－２?“ｄｉｆｆｅｒｅｎｔｉａｌ”?ｓｃｈｅｍａｔｉｃ?ｏｆ?ＣＴＰＮ?ａｌｇｏｒｉｔｈｍ??基于以上兩個核心思想，ＣＴＰＮ的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計如圖２－３所示。??１?？?＾?ｗ?２ｋ?ｖｅｒｔｉｃａｌ??１?ｖｖ?ｔｖ－?－－Ｊｒ．＾１?ｎ??／—＂一＂Ｉ——Ｉ一￣「１￣￣Ｉ￣￣ＩＩ?念?ｃｏｏｒｄｉｎａｔｅｓ??｜?｜?｜?１?｜?｜?１??ＩＺ］Ｉ｜ＩＺ￣Ｉ．．－ｉ－－｜－?ｎ??ＥＣ：：：＝＊ｃｃｒ：＝?＾?Ｈ?＾?—？?＊?—？?—？?２ｋ?ｓｃｏｒｅｓ??■??—＾―?Ｉ?？?？?？??ＶＧＧ１６?＼?ｌ』丁?：：．■?ｗ?ｈ??＼?ｍ：孓終ｔ＾ＴＩＩ?ｕ?Ｋ??ｄｉ?ｑｔ＼ａ?ＦＣ?ｓｉｄｅ－ｒｅｆｉｎｅｍｅｎｔ??Ｃｏｎｖ５?ＢＬＳ？??圖２－３?ＣＴＰＮ網(wǎng)絡(luò)結(jié)構(gòu)??Ｆｉｇｕｒｅ?２－３?Ａｒｃｈｉｔｅｃｔｕｒｅ?ｏｆ?ＣＴＰＮ??ＣＴＰＮ算法的具體步驟為：??（１）用?ＶＧＧ１６?網(wǎng)絡(luò)的前?５?個?ｃｏｎｖ?ｓｔａｇｅ?得到?ｆｅａｔｕｒｅ?ｍａｐ，大小為?Ｗ＊Ｈ＊Ｃ；??（２）用３＊３的滑動窗口在前一步得到的ｆｅａｔｕｒｅ?ｍａｐ上提取特征，利用這些特??征來對多個ａｎｃｈｏｒ進行預(yù)測，這里ａｎｃｈｏｒ定義與ＦａｓｔｅｒＲ－ＣＮＮ中的定義相同，也??就是幫我們?nèi)ソ缍ǔ瞿繕舜x區(qū)域；??（３）將上一步得到的特征輸入到一個雙向的ＬＳＴＭ中

?ＣＴＰＮ算法的最大特點是將ＲＮＮ引入到文本檢測中，可以學(xué)習(xí)到文本序列的??前后文信息，不使用ＲＮＮ與使用ＲＮＮ的結(jié)果對比如圖２－４所示。另外ＣＴＰＮ使??用了“微分”的思想減小誤差，使用固定寬度的ａｎｃｈｏｒ來檢測分割為許多塊的??ｐｒｏｐｏｓａｌ，最后進行合并即得到檢測結(jié)果。ＣＮＮ和ＲＮＮ的聯(lián)合使用極大地提高了??場景文本檢測的精度。??國??■臟＿．：Ｍｉ??；．，＾ｌｒ?ｉ［?ＥＳｆｅＭ?．￣§＾??＾?－?麵漏?ＷＩＳ—??圖２－４上：不使用ＲＮＮ的ＣＴＰＮ下：使用ＲＮＮ的ＣＴＰＮ??Ｆｉｇｕｒｅ?２－４?Ｔｏｐ：?ＣＴＰＮ?ｗｉｔｈｏｕｔ?ＲＮＮ?Ｂｏｔｔｏｍ：?ＣＴＰＮ?ｗｉｔｈ?ＲＮＮ??２．２目標檢測算法研究??目標檢測是計算機視覺領(lǐng)域的研究重點，也是各種實際應(yīng)用如安防、無人駕駛、??機器人、工業(yè)檢測的核心模塊。目標檢測是指從一幅圖像中獲得目標的位置信息和??類別信息，包括定位和識別兩個過程，其難點在于如何從待檢測圖像中提取出可能??含有目標的區(qū)域。由于實際場景日趨復(fù)雜，光照、遮擋、角度變化等因素均會導(dǎo)致??圖像變化，這些都為目標檢測帶來新的挑戰(zhàn)。當前目標檢測算法可以分為兩大類，??第一類是基于手工設(shè)計特征和傳統(tǒng)機器學(xué)習(xí)的檢測算法

【參考文獻】：
期刊論文
[1]基于HSI顏色空間和行掃描的車牌定位算法[J]. 胡峰松,朱浩.  計算機工程與設(shè)計. 2015(04)

碩士論文
[1]深度學(xué)習(xí)在車牌識別中的應(yīng)用研究[D]. 張宇澄.南京大學(xué) 2018



本文編號：2964699