基于特征转换学习的卡口车牌检测识别方法

发布时间：2021-08-21 08:50

　　随着城市的快速发展,汽车数量大幅增长,给人们生活带去便利的同时,也造成了严重的交通问题。现如今,大部分城市道路卡口监控场景下,对车牌的识别仍然大幅依赖于人工识别的方法,基于人工识别车牌需要耗费大量的人力物力,而且容易出错,无法全天候工作,已经无法适应城市快速发展的需求。现有车牌识别方法只能在测试环境简单、图像采集条件较好的情况下准确识别车牌,无法应用在城市道路卡口检测环境中。因此,迫切需要一种能在城市道路卡口等复杂环境下,准确识别车牌的自动车牌检测识别方法。本文基于深度学习的方法,设计出一种基于特征域转换的车牌识别算法,实现了对复杂多变车牌的准确识别。然后改进了一种车牌检测算法,将车牌检测算法与本文提出的基于特征域转换的车牌识别算法进行结合,提出一种卡口车牌自动检测与识别方法,能够对复杂道路卡口中的车牌进行准确检测和识别,符合实际任务需求。本文工作主要包括以下两个方面:首先,针对现有车牌识别算法中存在的问题,本文提出一种全卷积车牌识别算法。该算法采用序列一体化的识别方式,避免了对字符进行分割,造成识别误差的问题。算法通过搭建优秀的特征提取模块、高效的车牌序列预测器和车牌序列解码器来完成... 

【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】：88 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 标准流程的车牌识别方法
        1.2.2 非标准流程的车牌识别方法
    1.3 本文主要工作及结构安排
    1.4 论文组织结构
第二章 基于深度学习的现有车牌识别方法
    2.1 文字序列识别方法
        2.1.1 基于字符分割的文字序列识别算法
        2.1.2 基于深度学习的序列一体化识别算法
    2.2 图像生成与特征域转换方法
    2.3 车牌检测识别方法
    2.4 本章小结
第三章 基于全卷积网络的车牌识别算法
    3.1 数据集的选择
        3.1.1 真实数据集
        3.1.2 生成数据集
        3.1.3 选择与理由
    3.2 全卷积车牌序列识别算法的模型搭建
        3.2.1 特征提取模块
        3.2.2 车牌序列预测器
        3.2.3 车牌序列解码器
    3.3 实验结果及分析
        3.3.1 实验环境及数据集
        3.3.2 训练设置
        3.3.3 实验结果与分析
    3.4 本章小结
第四章 基于特征域转换的全卷积车牌识别算法
    4.1 车牌识别任务中特征域转换的作用和必要性
    4.2 硬结合方式下基于特征域转换的卡口车牌识别算法
        4.2.1 匹配图像对数据集
        4.2.2 车牌特征域转换算法
        4.2.3 特征域转换算法和车牌识别算法的硬结合
    4.3 软结合方式下基于特征域转换的卡口车牌识别算法
        4.3.1 车牌识别损失函数
        4.3.2 特征域转换算法与车牌识别算法的软结合
    4.4 实验结果及分析
        4.4.1 实验数据集
        4.4.2 实验结果分析
    4.5 本章小结
第五章 卡口车牌检测与识别算法
    5.1 基于深度学习的车牌检测定位方法
        5.1.1 基于深度学习的单阶段目标检测算法
        5.1.2 车牌属性分析及默认候选框设置
    5.2 车牌检测算法与车牌识别算法的结合框架
    5.3 卡口车牌检测识别算法的检测识别结果
    5.4 本章小结
第六章 总结与展望
    6.1 工作总结
    6.2 工作展望
参考文献
致谢
作者简介



本文编号：3355289