基于深度学习的复杂场景下车牌识别应用研究

发布时间：2020-12-06 15:35

　　自动车牌识别技术可以从图像中检测车牌并进行字符识别,作为智能交通管理的重要手段之一,在生活中已经得到广泛的应用。传统车牌识别技术依赖于人工设计特征,在光照条件不稳定,车牌大小、倾角不确定的复杂场景下难以准确地对车牌进行检测和分割,影响识别效果。目前,深度学习可以自适应地提取丰富的图像特征,为研究复杂场景下的车牌识别提供了新的思路。为探索将深度学习应用于复杂场景下车牌识别任务的可行性与实用性,本文开展了以下研究工作。（1）针对目前没有统一的用于复杂场景下车牌识别任务的数据集,本文首先采用人工拍摄的方式,在多个场景、多种角度和多种天气下采集大量的车牌图像;其次为了增加样本的多样性,对样本集进行数据增强处理;最后对车牌图像进行人工标注以制作实验所用的数据集。（2）由于传统车牌检测技术无法有效地从复杂场景中检测车牌,通过对多种目标检测算法的研究,本文以YOLOv2为基础设计了车牌检测网络LPD-net;通过聚类算法对数据集进行分析,优化了先验框的设计;引入多尺度检测策略,增强网络对于小目标的检测性能;通过不同深度卷积层的融合,增强网络的特征表达能力。实验结果表明,相比于传统方法,LPD-net... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

_12不同尺度输入下的YOLOvZ参数李换

8烹度对比度调节对比图

In于气夺徐对比图

【参考文献】：
期刊论文
[1]第三季度全国机动车和驾驶人保持平稳增长[J].   道路交通管理. 2018(11)
[2]基于最大稳定极限区域的车牌定位[J]. 陈俊,何小海,滕奇志.  科学技术与工程. 2015(31)
[3]基于多特征组合的车牌识别算法[J]. 王洪元,刘忠杰,刘爱萍.  常州大学学报(自然科学版). 2010(04)
[4]基于边缘检测与垂直投影相结合的车牌定位方法[J]. 梅林,刘锋.  甘肃科技. 2009(03)
[5]基于模板匹配的车牌字符识别算法实现[J]. 刘静,周静华,苏俊连,付佳.  科技信息(科学教研). 2007(24)
[6]最大类间方差车牌字符分割的模板匹配算法[J]. 王兴玲.  计算机工程. 2006(19)
[7]基于二值图像的车牌精确定位方法[J]. 路小波,张光华.  东南大学学报(自然科学版). 2005(06)
[8]车牌自动识别方法中的关键技术研究[J]. 崔江,王友仁.  计算机测量与控制. 2003(04)
[9]车牌图像的快速匹配识别方法[J]. 胡爱明,周孝宽.  计算机工程与应用. 2003(07)
[10]基于聚类分析的车牌字符分割方法[J]. 陈黎,黄心汉,王敏,李炜.  计算机工程与应用. 2002(06)



本文编号：2901617