基于深度学习的车牌识别研究与应用

发布时间：2021-07-05 15:10

　　车牌识别作为智能交通系统（ITS,Intelligent Transportation System,）中一个重要且热门的研究方向,已经广泛应用于各种交通场合,在缓解交通拥堵、道路流量监控、交通管理、违章抓拍等多个方面起到了积极作用,具有较高的社会研究价值。随着汽车保有量的爆炸式增长,如何更快捷更准确地获取车牌信息成为了热门的研究课题。本文以智能交通作为切入点,立于传统算法理论之上,对基于深度学习的汽车车牌识别进行算法研究。从传统的车牌识别算法入手,本文研究了国内车牌的特点和常用的图像特征,对车牌图像进行预处理操作,去除噪声,提高车牌检测与识别的准确率。本文使用描述图像能力较强的HOG（Histogram of Oriented Gradient）局部特征描述子对车牌信息进行特征提取,基于传统的支持向量机（SVM,Support Vector Machine）的算法完成车牌识别,使用二分类SVM进行车牌定位,多个二分类SVM完成车牌字符识别。本方法虽然获得了较高的车牌定位准确率,但字符综合识别准确率只达到90%。针对传统SVM算法在车牌识别中的不足,通过对SSD（Single Shot... 

【文章来源】：长安大学陕西省 211工程院校 教育部直属院校

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

汽车牌照参数指标图

原始车辆彩色图像（左）与灰度化处理后图像（右）

车辆图像灰度化（左）与灰度拉伸后图像（右）

【参考文献】：
期刊论文
[1]基于深度学习的车牌字符识别的设计与实现[J]. 肖秀春,吴伟鹏.  电子技术与软件工程. 2018(16)
[2]局部HOG和分层LBP特征融合的车牌字符识别[J]. 高聪,王福龙.  计算机系统应用. 2017(04)
[3]卡尔·本茨:现代汽车工业的先驱者[J]. 季美华.  智慧中国. 2016(11)
[4]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航.  计算机应用. 2016(09)
[5]中国人工智能40年[J]. 蔡自兴.  科技导报. 2016(15)
[6]基于多尺度灰度变换的图像增强研究[J]. 廖斌,刘鸳鸳.  量子电子学报. 2015(05)
[7]基于车牌识别的图像预处理研究[J]. 陈若珠,武艺玄.  工业仪表与自动化装置. 2015(04)
[8]智能交通系统综述[J]. 赵娜,袁家斌,徐晗.  计算机科学. 2014(11)
[9]一种改进的Radon倾斜校正方法[J]. 王洪亚.  大庆师范学院学报. 2013(06)
[10]基于结构特征和灰度特征的车牌字符识别方法[J]. 罗辉武,唐远炎,王翊,蓝利君.  计算机科学. 2011(11)

硕士论文
[1]车牌识别中关键算法的研究与改进[D]. 孙春泉.安徽理工大学 2018
[2]基于机器学习的车牌识别系统研究[D]. 李石林.东华理工大学 2016
[3]深度学习算法在车牌识别系统中的应用[D]. 刘峥强.电子科技大学 2016
[4]一种较为普适的车牌识别技术的研究与实现[D]. 贺亮亮.华南理工大学 2014
[5]车牌识别系统的相关算法研究与实现[D]. 刘同焰.华南理工大学 2012
[6]车牌定位和倾斜校正算法的研究与实现[D]. 杨冬梅.南京邮电大学 2012
[7]卷积神经网络的研究及其在车牌识别系统中的应用[D]. 陆璐.合肥工业大学 2006
[8]车牌图像二值化效果的改进算法研究[D]. 魏诚.浙江大学 2006



本文编号：3266308