傳統(tǒng)車牌識(shí)別算法由于其自身的缺陷,在圖像成像質(zhì)量較差和拍攝角度不佳等情況下難以實(shí)現(xiàn)對(duì)車牌的精準(zhǔn)定位和識(shí)別,尤其是在停車場(chǎng)和收費(fèi)站中,車牌定位識(shí)別難度較大。隨著私用轎車的增多,交通阻塞、停車?yán)щy,環(huán)境污染,道路安全等問(wèn)題已經(jīng)嚴(yán)重影響到人們的日常生活。社會(huì)迫切需要更加高效的智能化交通管理體系,其中車牌信息管理的好壞是決定交通管理體系成功的關(guān)鍵�；诖�,本文提出了基于YOLO深度學(xué)習(xí)算法對(duì)車牌進(jìn)行高效識(shí)別和精準(zhǔn)定位。研究?jī)?nèi)容如下:（1）針對(duì)車牌定位,分析了傳統(tǒng)算法中基于邊緣特征的車牌定位、基于顏色特征的車牌定位、基于形態(tài)特征的車牌定位以及深度學(xué)習(xí)算法中基于卷積神經(jīng)網(wǎng)絡(luò)的車牌定位算法的定位原理和存在的缺陷,選用了改進(jìn)后的深度學(xué)習(xí)YOLOv3.1模型算法進(jìn)行實(shí)驗(yàn)研究。通過(guò)研究發(fā)現(xiàn):同時(shí)對(duì)同一車牌定位時(shí),響應(yīng)速度較傳統(tǒng)算法提高了數(shù)倍,經(jīng)過(guò)60000次迭代訓(xùn)練后準(zhǔn)確率能夠維持在99.2%左右,超過(guò)大多數(shù)已應(yīng)用在生活中的深度學(xué)習(xí)算法。（2）針對(duì)車牌字符識(shí)別,分析了基于模板匹配的車牌字符識(shí)別算法、基于特征統(tǒng)計(jì)的車牌字符識(shí)別算法、基于卷積神經(jīng)網(wǎng)絡(luò)的AlexNet字符識(shí)別算法操作流程及不足。選用了20萬(wàn)張樣... 

【文章來(lái)源】：信陽(yáng)師范學(xué)院河南省

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 引言
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 車牌定位研究現(xiàn)狀
        1.2.2 車牌字符識(shí)別研究現(xiàn)狀
    1.3 本文研究的主要工作與文章結(jié)構(gòu)
第2章 基于深度學(xué)習(xí)的車牌定位算法研究
    2.1 車牌特征分析
    2.2 常用車牌定位算法
        2.2.1 基于邊緣特征的車牌定位算法
        2.2.2 基于顏色特征的車牌定位算法
        2.2.3 基于形態(tài)多特征的車牌定位算法
        2.2.4 基于卷積神經(jīng)網(wǎng)絡(luò)的車牌定位算法
    2.3 基于YOLOV3 的車牌定位算法
        2.3.1 網(wǎng)絡(luò)參數(shù)設(shè)計(jì)
        2.3.2 網(wǎng)絡(luò)訓(xùn)練
    2.4 算法測(cè)試與性能分析
        2.4.1 數(shù)據(jù)集
        2.4.2 實(shí)驗(yàn)結(jié)果與分析
第3章 基于深度學(xué)習(xí)的車牌字符識(shí)別算法研究
    3.1 車牌字符特征分析
    3.2 常用車牌字符識(shí)別算法
        3.2.1 基于模板匹配的車牌字符識(shí)別算法
        3.2.2 基于特征統(tǒng)計(jì)的車牌字符識(shí)別算法
        3.2.3 基于卷積神經(jīng)網(wǎng)絡(luò)的字符識(shí)別算法
    3.3 基于YOLOV3 的車牌字符識(shí)別算法
        3.3.1 Anchor設(shè)計(jì)
        3.3.2 字符分類
        3.3.3 輸出號(hào)牌
    3.4 算法測(cè)試與性能分析
第4章 結(jié)論與展望
參考文獻(xiàn)
攻讀學(xué)位期間獲得與學(xué)位論文相關(guān)的科研成果目錄
致謝


【參考文獻(xiàn)】：
期刊論文
[1]人工智能在脊柱外科診斷與治療中的應(yīng)用現(xiàn)狀和發(fā)展趨勢(shì)[J]. 歐陽(yáng)漢強(qiáng),姜亮,劉曉光,袁慧書,劉忠軍.  中華骨科雜志. 2019(24)
[2]基于深度學(xué)習(xí)的飛行器姿態(tài)分析研究[J]. 王靜,楊劍宇,朱其淘,陳強(qiáng),王克逸.  新技術(shù)新工藝. 2019(09)
[3]基于深度學(xué)習(xí)的蜂窩信號(hào)室內(nèi)定位算法[J]. 楊伊璇.  中國(guó)電子科學(xué)研究院學(xué)報(bào). 2019(09)
[4]深度學(xué)習(xí)在復(fù)雜環(huán)境下車牌定位算法中的應(yīng)用[J]. 趙偉,張南楠.  現(xiàn)代電子技術(shù). 2019(17)
[5]基于深度學(xué)習(xí)的超聲圖像左心耳自動(dòng)分割方法[J]. 韓路易,黃韞梔,竇浩然,白文娟,劉奇.  計(jì)算機(jī)應(yīng)用. 2019(11)
[6]基于改進(jìn)SSD的艦船目標(biāo)精細(xì)化檢測(cè)方法[J]. 梁杰,李磊,周紅麗.  導(dǎo)航定位與授時(shí). 2019(05)
[7]基于區(qū)域卷積網(wǎng)絡(luò)的行駛車輛檢測(cè)算法[J]. 曹長(zhǎng)玉,鄭佳春,黃一琦.  集美大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(04)
[8]基于卷積神經(jīng)網(wǎng)絡(luò)的臍橙果梗臍部檢測(cè)算法及應(yīng)用[J]. 杜雨亭,李功燕,許紹云.  計(jì)算機(jī)應(yīng)用與軟件. 2019(07)
[9]基于深度學(xué)習(xí)的空間多目標(biāo)識(shí)別方法研究[J]. 王柳.  無(wú)人系統(tǒng)技術(shù). 2019(03)
[10]室內(nèi)環(huán)境中人穿攜物品歸屬關(guān)系自主學(xué)習(xí)框架[J]. 吳皓,李文靜,田國(guó)會(huì),陳兆偉,楊勇.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2019(07)

碩士論文
[1]深度學(xué)習(xí)在車牌識(shí)別中的研究與應(yīng)用[D]. 李文鵬.西安工程大學(xué) 2018
[2]基于圖像處理的車牌識(shí)別方法研究[D]. 黃辰陽(yáng).廣東工業(yè)大學(xué) 2018
[3]增值稅發(fā)票自動(dòng)識(shí)別算法研究[D]. 廖玉欽.大連海事大學(xué) 2018
[4]智能車牌識(shí)別系統(tǒng)的實(shí)現(xiàn)與優(yōu)化[D]. 姜曉.東華大學(xué) 2017
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別技術(shù)研究[D]. 李達(dá).湘潭大學(xué) 2016
[6]灰度圖像的直方圖均衡化處理研究[D]. 陳永亮.安徽大學(xué) 2014
[7]車牌識(shí)別技術(shù)的研究[D]. 吳進(jìn)軍.浙江大學(xué) 2005



本文編號(hào)：3188720