复杂环境下车牌识别的算法研究

发布时间：2020-04-09 09:30

【摘要】：随着我国经济的发展,汽车数量越来越多,因此需要应用具有先进性、有效性的智能交通系统(Intelligent Traffic System,ITS)对车辆进行管理。ITS能够超效率配置资源,提升道路负载能力和交通运行管理效率,以此释放城市交通拥挤的压力。其中车牌自动识别系统(Vehicle License Plate Recognition System,LPRS)是智能交通系统中的主要组成部分,其近年来也已经成为研究热点。目前LPRS已经开始在高速公路智能收费、监控违章车辆、电子警察等交通领域中得到了广泛的应用。然而,当前投放于实际应用中的识别产品存在较差的普适性和鲁棒性,当在复杂环境下:如由于光照而产生的车牌反光、车牌颜色存在褪色、车牌表面附有灰尘、车牌部分存在异物遮挡、夜晚光照不均匀、甚至一幅交通图像中存在多个车辆牌照等情况下车牌识别的效率和准确性就会严重降低,所以关于上述复杂环境下车牌识别的技术研究仍旧任重道远。针对上述复杂环境下车牌识别研究中的车牌定位、字符分割和识别三个步骤存在问题,本文分别提出了一些行之有效的改进措施。1.车牌定位算法中,采用一种基于车牌颜色特征生成灰度图像并进行二值化的方法,为了消除车牌周围的干扰点,将其与基于HSI空间生成的二值图像执行逻辑与操作。然后根据车牌的纹理和结构特征实现车牌的初始定位,对筛选后的候选区域分别提取Hu矩和PHOG(pyramid histogram of oriented gradients,金字塔形状的梯度直方图)特征并进行特征融合,最后采用PSO(Particle Swarm Optimization,粒子群算法)优化的SVM(Support Vector Machine,支持向量机)实现车牌的精确定位,实验结果表明,该方法在上述复杂环境下实现定位成功率在97%以上。2.字符分割算法中,首先针对常见的水平倾斜及单一基于Hough变换检测角度不准确的问题,将Hough变换与旋转水平投影相结合进行校正,克服了单一方法的不足,采用的基于跳变法和垂直投影法去除边框算法大大节省了时间,同时也保证了去除效果。切割字符中提出了一种基于车牌字符结构特征及遍历垂直投影的切割算法,算法不仅计算量小,且容易实现,从实验结果中也可以得到,该算法能够避免第二个字符与第三个字符中间分隔符的影响,同时在车牌字符存在断裂、褪色、异物遮挡、光照干扰等情况下也能够正确实现切割。3.字符识别算法中,针对在样本数量不足时,传统CNN(Convolutional Neural Networks,卷积神经网络)结构的LeNet-5在识别中的存在的问题,本文从激活函数和结构上对网络进行改进,通过去除C5层简化结构减少了训练参数且在全连接层使用了dropout策略,改进后的网络实现了字符识别正确率和效率的提高,平均正确率达93%以上且具有较高的鲁棒性。
【图文】：

不同算子提取结果

二值化图,边缘提取,二值化,像素

图 3.9 边缘提取及二值化结果个非常有效的求和工具，纹理映射、人脸用。为了计算积分图像，需要标记每个像素方的像素总和 I ( x , y )，对于每个像素( x , y
【学位授予单位】：郑州大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：U495;TP391.41

【相似文献】