隨著社會的進(jìn)步和科技的發(fā)展,汽車的保有量也在不斷增加。過多的汽車使城市的交通擁堵現(xiàn)象日益嚴(yán)重,因此城市中的智能交通管理越來越重要,而車牌識別作為智能交通管理的重要組成部分,一直都是研究熱點(diǎn)。目前,在正常條件下,車牌的識別準(zhǔn)確率較高,但是在強(qiáng)弱光照、旋轉(zhuǎn)畸變、運(yùn)動模糊等復(fù)雜條件下車牌識別準(zhǔn)確率偏低,針對以上復(fù)雜條件下的車牌識別問題,本文將卷積神經(jīng)網(wǎng)絡(luò)(Convolution Neural Networks,CNN)應(yīng)用于車牌的識別,并通過調(diào)整網(wǎng)絡(luò)參數(shù),訓(xùn)練產(chǎn)生適合復(fù)雜條件下車牌識別的卷積神經(jīng)網(wǎng)絡(luò)。之后,對具體的各種復(fù)雜條件,采用不同的圖像增強(qiáng)方法,進(jìn)一步提高識別的準(zhǔn)確率。主要工作如下:針對車牌圖像在復(fù)雜條件下定位不準(zhǔn)確的問題,提出一種多特征融合的車牌定位方法。將處理后的圖像分別采用基于HSV二值化的行定位和基于OTSU二值化的列定位進(jìn)行車牌定位處理,解決了普通定位算法中,定位不準(zhǔn)確、定位邊界模糊不清的問題,為之后的車牌字符識別提供良好的基礎(chǔ)。針對傳統(tǒng)車牌識別算法存在字符分割過程中產(chǎn)生大量誤差,影響車牌字符識別準(zhǔn)確率的問題,將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于車牌字符識別。該過程直接將車牌整體輸入到卷積神...

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 選題背景與意義
    1.2 車牌識別的研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
        1.2.3 中國車牌特點(diǎn)和識別難點(diǎn)
    1.3 本文的主要工作
    1.4 本文的組織結(jié)構(gòu)
    1.5 本章小結(jié)
第二章 卷積神經(jīng)網(wǎng)絡(luò)相關(guān)研究
    2.1 人工神經(jīng)網(wǎng)絡(luò)
        2.1.1 神經(jīng)元的結(jié)構(gòu)
        2.1.2 前饋神經(jīng)網(wǎng)絡(luò)
        2.1.3 前饋神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.1 典型結(jié)構(gòu)
        2.2.2 訓(xùn)練算法
        2.2.3 實(shí)現(xiàn)框架
    2.3 本章小結(jié)
第三章 車牌定位方法研究
    3.1 引言
    3.2 常見的車牌定位算法
        3.2.1 基于紋理特征的車牌定位
        3.2.2 基于顏色特征的車牌定位
        3.2.3 基于神經(jīng)網(wǎng)絡(luò)的車牌定位
    3.3 本文的車牌定位算法
        3.3.1 彩色圖像降噪處理
        3.3.2 灰度化處理
        3.3.3 顏色空間轉(zhuǎn)換
        3.3.4 二值化處理
        3.3.5 形態(tài)學(xué)處理
        3.3.6 基于HSV二值化的行定位
        3.3.7 基于OTSU二值化的列定位
    3.4 實(shí)驗(yàn)結(jié)果
    3.5 本章小結(jié)
第四章 基于卷積神經(jīng)網(wǎng)絡(luò)的車牌識別
    4.1 引言
    4.2 常見的車牌字符識別算法
        4.2.1 基于模板匹配的識別算法
        4.2.2 基于支持向量機(jī)的識別算法
        4.2.3 基于傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)的識別算法
    4.3 本文的車牌字符識別算法
    4.4 實(shí)驗(yàn)與結(jié)果分析
        4.4.1 數(shù)據(jù)集與實(shí)驗(yàn)環(huán)境
        4.4.2 CNN網(wǎng)絡(luò)深度對車牌識別精度的影響
        4.4.3 卷積核大小對車牌識別精度的影響
        4.4.4 卷積核個(gè)數(shù)對車牌識別精度的影響
        4.4.5 批量訓(xùn)練樣本數(shù)對車牌識別精度的影響
        4.4.6 與傳統(tǒng)方法進(jìn)行比較
    4.5 本章小結(jié)
第五章 復(fù)雜條件下的車牌識別研究
    5.1 引言
    5.2 強(qiáng)弱光照條件下的車牌識別
    5.3 畸變旋轉(zhuǎn)條件下的車牌識別
    5.4 運(yùn)動模糊條件下的車牌識別
    5.5 實(shí)驗(yàn)結(jié)果與分析
    5.6 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 后續(xù)工作
參考文獻(xiàn)
讀研期間所取得的相關(guān)科研成果
致謝



本文編號：3774894