公共交通管理系统中车牌识别算法的研究与设计
发布时间：2021-04-02 23:09
随着智能信息化的发展融入到现代社会生活的部分逐渐增加,城市中的各项信息管理的系统平台都逐渐选择运用新一代的技术手段进行信息管理以达到更加完善的分析、整合、处理能力。公共交通信息,是城市日常生活中必不可少的部分,并且随着车辆的数量在城市中持上升趋势,一个快速高效的交通信息管理是必不可少的。本文以公共交通信息管理平台系统为对象进行研究,结合国内外现有的对于车牌识别方向的研究成果,通过深度学习的相关技术实现了本文对系统中车牌信息相关的图像的车牌字符自动识别的效果。本文结合公共交通信息管理系统的实际需求进行分析,车牌识别模块算法基于OpenC V（开源计算机视觉库）跨平台计算机视觉库。车牌识别过程主要分为车牌定位和车牌字符识别两个部分:车牌定位:对包含车牌局部图块的图片进行分析和处理得到车牌图块,利用HSV颜色定位模型和Sobel算子边缘检测算法结合进行车牌定位。再对预选车牌图块进行判断,以达到最终得到只包含车牌信息的图块。牌照判断过程主要由支持向量机（SVM）算法训练,以确定所获得的局部图块是否是真实的车辆牌照图像。车牌字符识别:对车牌完成定位后得到的图像进行字符分割、识别,并按顺序排列,形...
【文章来源】：沈阳师范大学辽宁省
【文章页数】：48 页
【学位级别】：硕士
【部分图文】：
我国车辆牌照样例前两个号码牌是省，自治区，直辖市和许可证颁发机构代码（即车辆登记机构）的
图 2.1 车牌识别流程）车牌定位在未经处理前我们输入的是一个包含车牌信息的完整车辆图像，且图像中极块的背景干扰。输入后对图像进行定位操作从而找到符合车牌信息的诸多图机器学习来确定哪些图块是车牌，从而达到最终得到一个仅包含车牌信息的（1）图像预处理：在对车牌进行定位前，我们首先要对获取的图像进行预处照条件、环境背景、图像本身质量引起的对定位识别过程带来的干扰。（2）车牌定位：在经过灰度化、饱和度调整等预处理之后，在对整体图像的块进行定位操作。）车牌字符识别在完成车牌定位操作之后，我们可以得到一个仅包含车牌字符信息的图像。
用 RGB 模型为图像中每一个像素的 RGB 分色空间模型是三个主要颜色分量模型，R 代blue。= [ ] + [ ] + [ ] （1）r + g + b = 1 （2）的是一个特定的颜色，r，g，b 分别表示三个量分别对应 255，255，255 时表示的颜色即即为黑色。RGB 的原理是利用设定三种颜色RGB 空间模型如图 3.1 所示。
【参考文献】：
期刊论文
[1]机器学习技术在公共交通信息平台中的应用与研究[J]. 杜伟,杜庆东. 信息与电脑(理论版). 2016(20)
[2]一个感知机神经网络字符识别器的实现[J]. 杨戈,张威强,黄静. 电子技术应用. 2015(03)
[3]智能交通系统综述[J]. 赵娜,袁家斌,徐晗. 计算机科学. 2014(11)
[4]HSV颜色空间的饱和度与明度关系模型[J]. 马玲,张晓辉. 计算机辅助设计与图形学学报. 2014(08)
[5]基于高斯颜色模型和SVM的交通标志检测[J]. 常发亮,黄翠,刘成云,赵永国,马传峰. 仪器仪表学报. 2014(01)
[6]车牌识别技术的发展及研究现状[J]. 李志强,李永斌. 科技信息. 2012(05)
[7]改进神经网络算法在车牌识别中的应用[J]. 丁伟. 计算机仿真. 2011(08)
[8]基于连通域提取的车牌字符分割算法[J]. 甘玲,林小晶. 计算机仿真. 2011(04)
[9]高斯模糊算法优化及实现[J]. 丁怡心,廖勇毅. 现代计算机(专业版). 2010(08)
博士论文
[1]基于动态纹理和卷积神经网络的视频烟雾探测方法研究[D]. 林高华.中国科学技术大学 2018
[2]图像边缘检测技术及其应用研究[D]. 曾俊.华中科技大学 2011
[3]支持向量机学习算法若干问题的研究[D]. 常甜甜.西安电子科技大学 2010
硕士论文
[1]基于卷积神经网络的人脸面部表情识别方法研究[D]. 张璐璐.河北科技大学 2019
[2]边缘检测算法及其在面瘫识别系统中的应用[D]. 闫亚美.长春工业大学 2017
[3]基于HSV空间的彩色图像亚像素边缘检测[D]. 李丽莎.西安工业大学 2015
[4]基于改进神经网络的车牌识别算法的研究及仿真[D]. 董程.哈尔滨理工大学 2015
[5]基于OCR视频字符识别技术研究与实现[D]. 黄遥.北京交通大学 2014
[6]基于HSV颜色空间和SIFT特征的近似图像检索[D]. 王亚如.兰州大学 2014
[7]基于神经网络的文字识别技术研究及应用[D]. 杨天长.北方工业大学 2013
[8]基于图像处理及支持向量机的车牌识别技术研究[D]. 张吉斌.兰州交通大学 2013
[9]车辆牌照字符识别技术的研究与实现[D]. 张瑞佳.吉林大学 2013
[10]复杂背景下的快速车牌识别技术研究[D]. 查志强.南京理工大学 2013
本文编号：3116135
【文章来源】：沈阳师范大学辽宁省
【文章页数】：48 页
【学位级别】：硕士
【部分图文】：
我国车辆牌照样例前两个号码牌是省，自治区，直辖市和许可证颁发机构代码（即车辆登记机构）的
图 2.1 车牌识别流程）车牌定位在未经处理前我们输入的是一个包含车牌信息的完整车辆图像，且图像中极块的背景干扰。输入后对图像进行定位操作从而找到符合车牌信息的诸多图机器学习来确定哪些图块是车牌，从而达到最终得到一个仅包含车牌信息的（1）图像预处理：在对车牌进行定位前，我们首先要对获取的图像进行预处照条件、环境背景、图像本身质量引起的对定位识别过程带来的干扰。（2）车牌定位：在经过灰度化、饱和度调整等预处理之后，在对整体图像的块进行定位操作。）车牌字符识别在完成车牌定位操作之后，我们可以得到一个仅包含车牌字符信息的图像。
用 RGB 模型为图像中每一个像素的 RGB 分色空间模型是三个主要颜色分量模型，R 代blue。= [ ] + [ ] + [ ] （1）r + g + b = 1 （2）的是一个特定的颜色，r，g，b 分别表示三个量分别对应 255，255，255 时表示的颜色即即为黑色。RGB 的原理是利用设定三种颜色RGB 空间模型如图 3.1 所示。
【参考文献】：
期刊论文
[1]机器学习技术在公共交通信息平台中的应用与研究[J]. 杜伟,杜庆东. 信息与电脑(理论版). 2016(20)
[2]一个感知机神经网络字符识别器的实现[J]. 杨戈,张威强,黄静. 电子技术应用. 2015(03)
[3]智能交通系统综述[J]. 赵娜,袁家斌,徐晗. 计算机科学. 2014(11)
[4]HSV颜色空间的饱和度与明度关系模型[J]. 马玲,张晓辉. 计算机辅助设计与图形学学报. 2014(08)
[5]基于高斯颜色模型和SVM的交通标志检测[J]. 常发亮,黄翠,刘成云,赵永国,马传峰. 仪器仪表学报. 2014(01)
[6]车牌识别技术的发展及研究现状[J]. 李志强,李永斌. 科技信息. 2012(05)
[7]改进神经网络算法在车牌识别中的应用[J]. 丁伟. 计算机仿真. 2011(08)
[8]基于连通域提取的车牌字符分割算法[J]. 甘玲,林小晶. 计算机仿真. 2011(04)
[9]高斯模糊算法优化及实现[J]. 丁怡心,廖勇毅. 现代计算机(专业版). 2010(08)
博士论文
[1]基于动态纹理和卷积神经网络的视频烟雾探测方法研究[D]. 林高华.中国科学技术大学 2018
[2]图像边缘检测技术及其应用研究[D]. 曾俊.华中科技大学 2011
[3]支持向量机学习算法若干问题的研究[D]. 常甜甜.西安电子科技大学 2010
硕士论文
[1]基于卷积神经网络的人脸面部表情识别方法研究[D]. 张璐璐.河北科技大学 2019
[2]边缘检测算法及其在面瘫识别系统中的应用[D]. 闫亚美.长春工业大学 2017
[3]基于HSV空间的彩色图像亚像素边缘检测[D]. 李丽莎.西安工业大学 2015
[4]基于改进神经网络的车牌识别算法的研究及仿真[D]. 董程.哈尔滨理工大学 2015
[5]基于OCR视频字符识别技术研究与实现[D]. 黄遥.北京交通大学 2014
[6]基于HSV颜色空间和SIFT特征的近似图像检索[D]. 王亚如.兰州大学 2014
[7]基于神经网络的文字识别技术研究及应用[D]. 杨天长.北方工业大学 2013
[8]基于图像处理及支持向量机的车牌识别技术研究[D]. 张吉斌.兰州交通大学 2013
[9]车辆牌照字符识别技术的研究与实现[D]. 张瑞佳.吉林大学 2013
[10]复杂背景下的快速车牌识别技术研究[D]. 查志强.南京理工大学 2013
本文编号：3116135
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3116135.html
