基于YOLO深度学习算法的车牌定位和识别研究
发布时间：2021-05-16 01:40
传统车牌识别算法由于其自身的缺陷,在图像成像质量较差和拍摄角度不佳等情况下难以实现对车牌的精准定位和识别,尤其是在停车场和收费站中,车牌定位识别难度较大。随着私用轿车的增多,交通阻塞、停车困难,环境污染,道路安全等问题已经严重影响到人们的日常生活。社会迫切需要更加高效的智能化交通管理体系,其中车牌信息管理的好坏是决定交通管理体系成功的关键。基于此,本文提出了基于YOLO深度学习算法对车牌进行高效识别和精准定位。研究内容如下:（1）针对车牌定位,分析了传统算法中基于边缘特征的车牌定位、基于颜色特征的车牌定位、基于形态特征的车牌定位以及深度学习算法中基于卷积神经网络的车牌定位算法的定位原理和存在的缺陷,选用了改进后的深度学习YOLOv3.1模型算法进行实验研究。通过研究发现:同时对同一车牌定位时,响应速度较传统算法提高了数倍,经过60000次迭代训练后准确率能够维持在99.2%左右,超过大多数已应用在生活中的深度学习算法。（2）针对车牌字符识别,分析了基于模板匹配的车牌字符识别算法、基于特征统计的车牌字符识别算法、基于卷积神经网络的AlexNet字符识别算法操作流程及不足。选用了20万张样...
【文章来源】：信阳师范学院河南省
【文章页数】：60 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 引言
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 车牌定位研究现状
1.2.2 车牌字符识别研究现状
1.3 本文研究的主要工作与文章结构
第2章 基于深度学习的车牌定位算法研究
2.1 车牌特征分析
2.2 常用车牌定位算法
2.2.1 基于边缘特征的车牌定位算法
2.2.2 基于颜色特征的车牌定位算法
2.2.3 基于形态多特征的车牌定位算法
2.2.4 基于卷积神经网络的车牌定位算法
2.3 基于YOLOV3 的车牌定位算法
2.3.1 网络参数设计
2.3.2 网络训练
2.4 算法测试与性能分析
2.4.1 数据集
2.4.2 实验结果与分析
第3章 基于深度学习的车牌字符识别算法研究
3.1 车牌字符特征分析
3.2 常用车牌字符识别算法
3.2.1 基于模板匹配的车牌字符识别算法
3.2.2 基于特征统计的车牌字符识别算法
3.2.3 基于卷积神经网络的字符识别算法
3.3 基于YOLOV3 的车牌字符识别算法
3.3.1 Anchor设计
3.3.2 字符分类
3.3.3 输出号牌
3.4 算法测试与性能分析
第4章 结论与展望
参考文献
攻读学位期间获得与学位论文相关的科研成果目录
致谢
【参考文献】：
期刊论文
[1]人工智能在脊柱外科诊断与治疗中的应用现状和发展趋势[J]. 欧阳汉强,姜亮,刘晓光,袁慧书,刘忠军. 中华骨科杂志. 2019(24)
[2]基于深度学习的飞行器姿态分析研究[J]. 王静,杨剑宇,朱其淘,陈强,王克逸. 新技术新工艺. 2019(09)
[3]基于深度学习的蜂窝信号室内定位算法[J]. 杨伊璇. 中国电子科学研究院学报. 2019(09)
[4]深度学习在复杂环境下车牌定位算法中的应用[J]. 赵伟,张南楠. 现代电子技术. 2019(17)
[5]基于深度学习的超声图像左心耳自动分割方法[J]. 韩路易,黄韫栀,窦浩然,白文娟,刘奇. 计算机应用. 2019(11)
[6]基于改进SSD的舰船目标精细化检测方法[J]. 梁杰,李磊,周红丽. 导航定位与授时. 2019(05)
[7]基于区域卷积网络的行驶车辆检测算法[J]. 曹长玉,郑佳春,黄一琦. 集美大学学报(自然科学版). 2019(04)
[8]基于卷积神经网络的脐橙果梗脐部检测算法及应用[J]. 杜雨亭,李功燕,许绍云. 计算机应用与软件. 2019(07)
[9]基于深度学习的空间多目标识别方法研究[J]. 王柳. 无人系统技术. 2019(03)
[10]室内环境中人穿携物品归属关系自主学习框架[J]. 吴皓,李文静,田国会,陈兆伟,杨勇. 浙江大学学报(工学版). 2019(07)
硕士论文
[1]深度学习在车牌识别中的研究与应用[D]. 李文鹏.西安工程大学 2018
[2]基于图像处理的车牌识别方法研究[D]. 黄辰阳.广东工业大学 2018
[3]增值税发票自动识别算法研究[D]. 廖玉钦.大连海事大学 2018
[4]智能车牌识别系统的实现与优化[D]. 姜晓.东华大学 2017
[5]基于卷积神经网络的车牌识别技术研究[D]. 李达.湘潭大学 2016
[6]灰度图像的直方图均衡化处理研究[D]. 陈永亮.安徽大学 2014
[7]车牌识别技术的研究[D]. 吴进军.浙江大学 2005
本文编号：3188720
【文章来源】：信阳师范学院河南省
【文章页数】：60 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 引言
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 车牌定位研究现状
1.2.2 车牌字符识别研究现状
1.3 本文研究的主要工作与文章结构
第2章 基于深度学习的车牌定位算法研究
2.1 车牌特征分析
2.2 常用车牌定位算法
2.2.1 基于边缘特征的车牌定位算法
2.2.2 基于颜色特征的车牌定位算法
2.2.3 基于形态多特征的车牌定位算法
2.2.4 基于卷积神经网络的车牌定位算法
2.3 基于YOLOV3 的车牌定位算法
2.3.1 网络参数设计
2.3.2 网络训练
2.4 算法测试与性能分析
2.4.1 数据集
2.4.2 实验结果与分析
第3章 基于深度学习的车牌字符识别算法研究
3.1 车牌字符特征分析
3.2 常用车牌字符识别算法
3.2.1 基于模板匹配的车牌字符识别算法
3.2.2 基于特征统计的车牌字符识别算法
3.2.3 基于卷积神经网络的字符识别算法
3.3 基于YOLOV3 的车牌字符识别算法
3.3.1 Anchor设计
3.3.2 字符分类
3.3.3 输出号牌
3.4 算法测试与性能分析
第4章 结论与展望
参考文献
攻读学位期间获得与学位论文相关的科研成果目录
致谢
【参考文献】：
期刊论文
[1]人工智能在脊柱外科诊断与治疗中的应用现状和发展趋势[J]. 欧阳汉强,姜亮,刘晓光,袁慧书,刘忠军. 中华骨科杂志. 2019(24)
[2]基于深度学习的飞行器姿态分析研究[J]. 王静,杨剑宇,朱其淘,陈强,王克逸. 新技术新工艺. 2019(09)
[3]基于深度学习的蜂窝信号室内定位算法[J]. 杨伊璇. 中国电子科学研究院学报. 2019(09)
[4]深度学习在复杂环境下车牌定位算法中的应用[J]. 赵伟,张南楠. 现代电子技术. 2019(17)
[5]基于深度学习的超声图像左心耳自动分割方法[J]. 韩路易,黄韫栀,窦浩然,白文娟,刘奇. 计算机应用. 2019(11)
[6]基于改进SSD的舰船目标精细化检测方法[J]. 梁杰,李磊,周红丽. 导航定位与授时. 2019(05)
[7]基于区域卷积网络的行驶车辆检测算法[J]. 曹长玉,郑佳春,黄一琦. 集美大学学报(自然科学版). 2019(04)
[8]基于卷积神经网络的脐橙果梗脐部检测算法及应用[J]. 杜雨亭,李功燕,许绍云. 计算机应用与软件. 2019(07)
[9]基于深度学习的空间多目标识别方法研究[J]. 王柳. 无人系统技术. 2019(03)
[10]室内环境中人穿携物品归属关系自主学习框架[J]. 吴皓,李文静,田国会,陈兆伟,杨勇. 浙江大学学报(工学版). 2019(07)
硕士论文
[1]深度学习在车牌识别中的研究与应用[D]. 李文鹏.西安工程大学 2018
[2]基于图像处理的车牌识别方法研究[D]. 黄辰阳.广东工业大学 2018
[3]增值税发票自动识别算法研究[D]. 廖玉钦.大连海事大学 2018
[4]智能车牌识别系统的实现与优化[D]. 姜晓.东华大学 2017
[5]基于卷积神经网络的车牌识别技术研究[D]. 李达.湘潭大学 2016
[6]灰度图像的直方图均衡化处理研究[D]. 陈永亮.安徽大学 2014
[7]车牌识别技术的研究[D]. 吴进军.浙江大学 2005
本文编号：3188720
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3188720.html
