复杂交通场景下车牌检测算法的研究

发布时间：2021-12-10 00:09

　　车牌检测是现代智能交通系统的一项基础支撑技术,其使用光学成像设备抓拍车辆图像,随后应用计算机视觉、机器学习等相关技术,从抓拍到的车辆图像中自动确定车牌位置坐标,并分割出车牌区域。经过长期发展,车牌检测技术已经广泛应用到智能交通的各领域,如:停车场收费系统、交通道路流量监控、交通违章车辆抓拍、车辆智能跟踪及定位等。目前,针对车牌检测任务已经有很多理论研究成果和成型的商用系统,表面上看车牌检测技术相当完善,可以获得令人满意的效果,实际上此类技术有很多前提条件,局限性相当大。例如应用广泛的停车场收费系统,必须配备良好的图像采集环境,光照、拍摄角度、图像的稳定性等都需处于理想状态,一旦去除这些前提条件,现有技术的检测效果将大打折扣。因此,研究复杂交通场景下的车牌检测技术仍然具有很高的实用价值。本文从日常拍摄的非理想环境出发,研究复杂交通场景下的车牌检测算法,针对非理想拍摄环境、实时检测、多角度、模糊修复等目前车牌检测技术存在的问题,结合深度学习算法展开研究,主要有以下几点创新工作:（1）提出一种适应非理想光照场景的车牌检测算法,其基于深度学习图像语义分割技术,抽取鲁棒的图像特征,生成车牌显著性... 

【文章来源】：贵州大学贵州省 211工程院校

【文章页数】：126 页

【学位级别】：博士

【部分图文】：

常用的车牌检测和识别系统

贵州大学博士研究生学位论文然而，在其他复杂交通场景，如：违章检测、道路监控中，图像捕捉设备往不断变化、拍摄角度也各不相同，这类环境下捕捉的图像，容易受到复多种背景纹理的影响[3]，同时车牌图像的形状也可能出现较大的变化，为矩形，很难使用现有的方法得到车牌区域的完整图像进而进行相关自动化

第二章 相关技术度学习相关技术类计算机算法的总称，这类算法从已相当于寻找一个函数映射 ( )，输入的数都较为复杂。常见的机器学习算法有工神经网络等。机器学习的诸类算法已牌检测与识别（见 1.2 节叙述）。rtificialNeuralNetworks，以下简称 AN人脑的神经单元设计出计算机可用的人2.1 所示：

【参考文献】：
期刊论文
[1]基于内容的图像分割方法综述[J]. 姜枫,顾庆,郝慧珍,李娜,郭延文,陈道蓄.  软件学报. 2017(01)

博士论文
[1]非限制场景车牌分层序贯识别方法研究[D]. 王然.华中科技大学 2015



本文编号：3531558