物流园中车牌识别技术的研究与应用

发布时间：2020-11-06 03:31

　　 随着物流行业的快速发展,不仅对物流环节中的运输有更高的要求,同时需要提高物流仓储环节的管理效率。因此,通过实现物流园中出入园车辆管理的自动化,来提升物流园仓储车辆的进出效率。本文通过将卷积神经网络技术与车牌识别技术相结合,提出了物流园中基于卷积神经网络的车牌识别管理系统。该系统分为服务中心客户端子系统与门岗web端管理子系统,利用对车辆车牌的识别结果,实现对出入园车辆的自动化管理。车牌识别技术在系统中至关重要,本文将车牌识别技术中车牌定位与字符识别两个环节与卷积神经网络相结合,以提高车牌识别的识别速度与正确率,提升管理系统的效率。其中,车牌定位技术将传统的轮廓匹配算法与卷积神经网络相结合,由传统轮廓匹配车牌定位算法获得粗略的候选车牌区域,再通过卷积神经网络算法对获取的候选车牌区域进行二次分类,得到最终的定位结果。字符识别环节修改了Yolo2网络的参数,使之专门针对车牌区域图像进行分类,并设计对汉字与字母和数字进行分开识别的标签,减少Yolo2的分类类别数量,以提高识别结果的可靠性。本文利用优化的车牌识别算法,完成了两个子系统的设计与开发,并设计了MySQL数据库,实现了基于卷积神经网络的车牌识别管理系统的主要功能模块。通过对系统各个功能模块的测试,本文的系统满足实际应用,有足够的稳定性与安全性,具有较强的实用性。
【学位单位】：南京邮电大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP391.41;TP183
【文章目录】：
摘要
abstract
专用术语注释表
第一章 绪论
    1.1 课题背景及意义
    1.2 课题来源及本文组织
第二章 相关技术研究
    2.1 相关技术
        2.1.1 卷积神经网络
        2.1.2 车牌识别技术
    2.2 车牌识别技术研究现状
        2.2.1 车牌定位
        2.2.2 字符分割
        2.2.3 字符识别
    2.3 车牌识别技术在物流管理中的研究
    2.4 总结
第三章 物流园基于CNN的车牌识别系统总体设计
    3.1 设计目标
        3.1.1 系统功能需求
        3.1.2 系统性能需求
    3.2 系统总体设计
        3.2.1 系统框架设计
        3.2.2 系统功能设计
    3.3 数据库设计
    3.4 总结
第四章 基于CNN的车牌识别算法
    4.1 车牌识别流程
    4.2 卷积神经网络车牌定位
        4.2.1 原始图像预处理
        4.2.2 闭操作与轮廓提取
        4.2.3 矩形尺寸匹配
        4.2.4 卷积神经网络分类
        4.2.5 本文改进的车牌定位
        4.2.6 算法测试与性能分析
    4.3 字符分割
        4.3.1 倾斜矫正
        4.3.2 铆钉去除
        4.3.3 背景颜色判断
        4.3.4 轮廓提取
    4.4 基于Yolo2字符识别
        4.4.1 Yolo2网络模型
        4.4.2 Yolo2模型改进
        4.4.3 Yolo2网络训练
    4.5 总结
第五章 物流园基于CNN的车牌识别管理系统详细设计
    5.1 服务中心客户端系统详细设计
        5.1.1 服务中心客户端系统MVC设计架构
        5.1.2 系统业务逻辑界面设计分析
        5.1.3 服务中心客户端系统接口设计
    5.2 门岗web端管理系统详细设计
        5.2.1 门岗web端管理系统总体架构
        5.2.2 系统业务逻辑界面设计分析
        5.2.3 设备管理模块
        5.2.4 出入园车辆管理模块
        5.2.5 同步模块
    5.3 总结
第六章 系统测试
    6.1 测试需求
    6.2 系统环境
        6.2.1 硬件环境
        6.2.2 软件环境
        6.2.3 系统搭建
    6.3 系统功能测试
        6.3.1 服务中心客户端系统
        6.3.2 门岗web端管理系统
    6.4 车牌识别性能测试
    6.5 总结
第七章 总结与展望
    7.1 总结
    7.2 展望
参考文献
附录 1 攻读硕士学位期间申请的专利
附录 2 攻读硕士学位期间参加的科研项目
致谢

【参考文献】

相关期刊论文 前9条

1 尹宝才;王文通;王立春;;深度学习研究综述[J];北京工业大学学报;2015年01期

2 廉宁;徐艳蕾;;基于数学形态学和颜色特征的车牌定位方法[J];图学学报;2014年05期

3 周律;王新华;叶涛涛;周煜明;朱金龙;;基于改进模版匹配的车牌字符分割[J];信息技术;2014年09期

4 裴明涛;王永杰;贾云得;郭志强;;基于多尺度模板匹配和部件模型的车牌字符分割方法[J];北京理工大学学报;2014年09期

5 姜钧;;物流园散料运输车辆信息管理系统的设计[J];物流技术;2014年15期

6 方淡玉;冯艳茹;李艳涛;;基于RFID的物流配送中心信息管理系统模型设计研究[J];物流技术;2014年01期

7 乔晓飞;;宣钢炼钢天车物流信息管理系统[J];冶金自动化;2013年04期

8 程广涛;陈雪;张文治;;基于垂直投影和模板匹配的车牌字符分割方法[J];北华航天工业学院学报;2013年01期

9 李旭;徐舒畅;尤玉才;张三元;;基于聚类分析的个性化美国车牌分割算法[J];浙江大学学报(工学版);2012年12期

本文编号：2872593