本文關鍵詞：復雜背景下多車牌識別算法的研究與軟件系統(tǒng)實，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來,伴隨著“智慧城市”概念的興起,以及國內(nèi)汽車保有量數(shù)字的不斷上升,如何科學、高效地收集和處理車輛信息,使其融入“智慧城市”的整個體系的運行中,一直是科研和商業(yè)領域的重要課題。其中車牌識別算法的研究以及軟件系統(tǒng)的開發(fā),作為整個智慧體系的第一個環(huán)節(jié),其重要性是不言而喻的。作為機器視覺領域的一項應用,車牌識別系統(tǒng)可以應用在交通違章處理、涉案車輛追蹤、智能停車場等實際場景中。因而,該系統(tǒng)對城市管理者提高管理效率有很重要的意義。本文通過對國內(nèi)外已有的車牌識別算法進行了深入的研究和比較,發(fā)現(xiàn)國內(nèi)對于多車牌識別系統(tǒng)的研究和實際應用還落后于國外,具有很大的研究價值和商業(yè)前景�？紤]車牌在復雜背景下的旋轉(zhuǎn)、變形等干擾,本文設計了一種多車牌識別系統(tǒng),具體的工作內(nèi)容如下:(1)通過受試者工作特征曲線(receiver operating characteristic curve,簡稱ROC曲線),定量對比了四種區(qū)域矩描述符的性能,選出性能最優(yōu)的兩種區(qū)域矩描述符,使用順序前進法(sequential forward selection,簡稱SFS)動態(tài)融合構成新的特征向量,結合支持向量機(support vector machine,簡稱SVM),提出了基于多區(qū)域矩融合的車牌定位方法。當車牌發(fā)生旋轉(zhuǎn)、姿態(tài)變化甚至被遮擋時,對車牌檢測效率非常高。(2)研究了基于圖像投影的車牌字符分割方法,發(fā)現(xiàn)標準車牌圖像投影方法只能分割理想條件下的車牌圖像。針對含有粘連字符或者當車牌字符被污染時的情況,本文基于圖像投影法提出了一種動態(tài)峰谷法。該方法有效地解決了非理想條件下車牌字符分割的問題。(3)通過實驗對比分析了標準BP神經(jīng)網(wǎng)絡和改進的BP神經(jīng)網(wǎng)絡算法,在字符識別過程中的性能表現(xiàn),并且定量對比了隱含層包含不同數(shù)量神經(jīng)元時的性能表現(xiàn),以及自適應學習率BP算法采用不同學習率增長速率時的性能表現(xiàn),確定了BP網(wǎng)絡的最優(yōu)結構,使字符識別的性能達到了最佳狀態(tài)。(4)對多車牌識別系統(tǒng)進行了需求分析與系統(tǒng)設計,并以Visual Studio 2010作為開發(fā)平臺,采用MFC應用程序開發(fā)技術,選用MS Access作為后臺數(shù)據(jù)庫,搭建了基于C/S的三層體系結構,完成了車牌識別系統(tǒng)軟件的整體開發(fā),其中應用了大量的圖像處理知識,實現(xiàn)了多車牌的自動識別的功能。結果證明本文設計的改進的多車牌識別系統(tǒng),具有較高的準確率和實用性。(5)最后,在靜態(tài)圖像識別的基礎上,引申討論了基于視頻流數(shù)據(jù)的車牌識別方法。對單幀圖像的提取與優(yōu)化方法做了簡單的討論與實驗,實驗證明了該方法能有效減少運算量,提高系統(tǒng)的運算速度。
【關鍵詞】：多車牌識別 區(qū)域矩融合 車牌定位 字符分割 BP網(wǎng)絡 視頻流
【學位授予單位】：太原理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要3-5
• ABSTRACT5-15
• 第1章 緒論15-23
• 1.1 選題背景及意義15-16
• 1.2 國內(nèi)外研究現(xiàn)狀16-19
• 1.2.1 國外研究狀況16-18
• 1.2.2 國內(nèi)研究狀況18-19
• 1.3 論文主要研究內(nèi)容19-20
• 1.4 論文結構20-23
• 第2章 相關理論基礎23-33
• 2.1 區(qū)域特征矩描述符23-26
• 2.1.1 基本原理24-25
• 2.1.2 區(qū)域矩描述符25-26
• 2.2 圖像分割26-29
• 2.2.1 基于圖像強度的分割27-28
• 2.2.2 基于圖像投影的分割28-29
• 2.3 支持向量機29-31
• 2.4 BP神經(jīng)網(wǎng)絡31-32
• 2.5 本章小結32-33
• 第3章 多車牌定位33-43
• 3.1 車牌粗定位33-37
• 3.2 基于多區(qū)域矩融合的車牌精確定位37-42
• 3.2.1 四種特征描述符的對比分析37-40
• 3.2.2 多區(qū)域矩融合算法40-41
• 3.2.3 車牌精確定位流程41-42
• 3.3 本章小結42-43
• 第4章 車牌字符分割43-51
• 4.1 車牌旋轉(zhuǎn)傾斜矯正44-46
• 4.2 基于車牌垂直投影的浮動峰谷字符分割算法46-49
• 4.3 本章小結49-51
• 第5章 車牌字符識別51-61
• 5.1 神經(jīng)網(wǎng)絡性能分析對比51-59
• 5.1.1 BP神經(jīng)網(wǎng)絡的構建51-52
• 5.1.2 自適應學習率BP算法52-53
• 5.1.3 實驗分析與結論53-59
• 5.2 基于改進的BP網(wǎng)絡的車牌字符識別59-60
• 5.3 本章小結60-61
• 第6章 多車牌識別軟件系統(tǒng)分析設計與實現(xiàn)61-73
• 6.1 多車牌識別系統(tǒng)的需求分析61-63
• 6.1.1 功能需求分析61-62
• 6.1.2 性能需求分析62-63
• 6.2 多車牌識別系統(tǒng)的系統(tǒng)結構63-65
• 6.2.1 硬件系統(tǒng)63
• 6.2.2 軟件系統(tǒng)63-65
• 6.3 多車牌識別模塊的設計65-66
• 6.4 多車牌識別軟件系統(tǒng)的實現(xiàn)66-71
• 6.4.1 Open CV簡介66-68
• 6.4.2 實驗環(huán)境68
• 6.4.3 系統(tǒng)整體實現(xiàn)與測試68-71
• 6.5 本章小結71-73
• 第7章 基于視頻流數(shù)據(jù)的關鍵幀提取與優(yōu)化73-77
• 7.1 視頻幀采樣頻率優(yōu)化74-75
• 7.2 基于單幀圖像的優(yōu)化75-76
• 7.3 本章小結76-77
• 第8章 總結與展望77-79
• 8.1 總結77-78
• 8.2 展望78-79
• 參考文獻79-85
• 致謝85-87
• 攻讀碩士期間發(fā)表論文87

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張迪;;基于智能小區(qū)的物聯(lián)車牌識別應用[J];數(shù)字技術與應用;2013年09期

2 駱雪超,劉桂雄,馮云慶,申柏華;一種基于車牌特征信息的車牌識別方法[J];華南理工大學學報(自然科學版);2003年04期

3 許劍峰,黎紹發(fā);車牌識別中的顏色分析[J];計算機工程與應用;2004年25期

4 李唯冠;;一種基于車燈定位的夜間車牌識別研究[J];微計算機信息;2011年01期

5 丁偉;;改進神經(jīng)網(wǎng)絡算法在車牌識別中的應用[J];計算機仿真;2011年08期

6 張劍;;車牌識別中字符識別的研究[J];信息技術;2011年09期

7 王靜;王歡;劉潔;;惡劣天氣環(huán)境下車牌識別方法研究與仿真[J];計算機仿真;2011年10期

8 龔世標;;漢鄂高速車牌識別標識站的建設[J];中國交通信息化;2013年07期

9 何鐵軍;張寧;黃衛(wèi);;車牌識別算法的研究與實現(xiàn)[J];公路交通科技;2006年08期

10 余宗健;;基于過線特征的車牌識別[J];計算機技術與發(fā)展;2010年05期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 周漢青;;一種高速的車牌識別算法[A];第二十七屆中國（天津）2013IT、網(wǎng)絡、信息技術、電子、儀器儀表創(chuàng)新學術會議論文集[C];2013年

2 史東娜;王樅;李衛(wèi);;車牌識別領域的中文術語自動抽取[A];中國電子學會第十五屆信息論學術年會暨第一屆全國網(wǎng)絡編碼學術年會論文集（下冊）[C];2008年

3 關東;汪永山;;基于車牌識別比對的自動道閘控制系統(tǒng)[A];全國冶金自動化信息網(wǎng)2012年年會論文集[C];2012年

中國重要報紙全文數(shù)據(jù)庫 前2條

1 本報評論員 周飆;交通擁堵是個產(chǎn)權問題[N];21世紀經(jīng)濟報道;2010年

2 樊哲高;沈陽聚德：智能視覺“千里眼”[N];中國電子報;2008年

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 任俊;基于支撐矢量機的圖像分類、車牌識別及嵌入式應用研究[D];浙江大學;2005年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 郭真真;基于分階的BP和CNN車牌識別[D];昆明理工大學;2015年

2 梁大寬;復雜背景下多車牌識別算法的研究與軟件系統(tǒng)實[D];太原理工大學;2016年

3 林志煌;車牌識別硬件系統(tǒng)的研究與設計[D];電子科技大學;2008年

4 陳e，

本文編號：397952