基于深度学习的车牌自动识别系统设计与实现
发布时间：2022-10-10 20:24
车牌识别技术（License Plate Recongnition,LPR）是一个很多研究学者一直在探讨的问题,网上查阅资料很多车牌识别系统都标称识别率为99%以上,但事实上车牌识别系统在应用界实际的工程应用中一直都很难提出完全适应各种情况的方案,很多系统能够达到90%以上的识别率已经是很不错了,并且在这些系统中大都依赖高清摄像头传入高清图像,一旦图像的分辨率降低或者车牌污损,车牌的识别率将大大降低。因此,如何有效地提高识别精度目前仍然是未能解决的问题。在研究方法上很多识别系统也是采用模板匹配的方法,最近几年随着人工智能的发展,深度学习在图像识别、文字识别、人脸识别、语音识别中都取得了很大的进展,因此也为将深度学习引入到车牌识别中提供了理论依据。另外,在很多发达国家都有比较成熟的车牌识别系统,在智能交通中发挥着巨大作用。但由于我国车牌的规范与国外有很大的差别,所以不能采用拿来主义,即使拿过来也不适应我国的的国情和现状。因此开发适合我国的车牌识别系统仍是一个很有意义的课题。本文基于深度学习的车牌识别系统,是在车牌的识别中采用深度学习的方法,但车牌的前期处理仍采用传统的分割提取方法,因为传...
【文章页数】：83 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 主要研究内容
1.4 论文结构
1.5 本章小结
第二章 相关理论算法概述
2.1 深度学习概念和原理及优点
2.1.1 神经网络原理
2.1.2 卷积神经网络的传播过程
2.1.3 卷积神经网络的优点
2.2 LeNet卷积神经网络算法分析
2.3 LeNet模型识别字符的过程
2.4 缺损污染车牌的处理分析
2.5 本章小结
第三章 软件的需求分析
3.1 软件的功能需求分析
3.1.1 信息显示的需求
3.1.2 实时性的需求
3.1.3 存储空间的需求
3.1.4 移植性需求
3.1.5 软件的性能扩展需求
3.2 软件的总体方案设计
3.2.1 图像数据模块功能分析
3.2.2 神经网络模块功能分析
3.2.3 车牌预处理模块功能分析
3.2.4 识别模块功能分析
3.3 软件开发平台选择
3.4 本章小结
第四章 软件模块的设计与实现
4.1 软件的界面布局
4.1.1 软件的GUI界面设计与实现
4.1.2 按钮回调函数设计与实现
4.1.3 按钮回调函数代码及测试
4.2 深度学习算法模块的设计与实现
4.2.1 神经网络函数文件设计
4.2.2 神经网络模块函数之间的调用关系
4.2.3 神经网络模块函数代码编写及整体测试
4.3 图像数据模块设计与实现
4.3.1 训练集的建立
4.3.2 测试集的建立
4.4 图像预处理模块设计与实现
4.4.1 图像预处理模块功能
4.4.2 图像预处理模块代码及测试
4.5 识别模块的设计与实现
4.6 本章小结
第五章 软件的测试与调试及结果分析
5.1 软件的测试与调试
5.1.1 神经网络模块的测试
5.1.2 识别模块测试
5.1.3 图像预处理模块测试
5.1.4 程序代码检测及排错
5.2 软件结果分析
5.3 软件的后期开发扩展
5.4 本章小结
第六章 结论与展望
6.1 结论
6.2 展望
致谢
参考文献
附录
【参考文献】：
期刊论文
[1]卷积神经网络在车辆识别中的应用[J]. 彭清,季桂树,谢林江,张少波. 计算机科学与探索. 2018(02)
[2]基于五阶CNN的图像边检测算法研究[J]. 李国东,王雪,赵国敏. 安徽大学学报(自然科学版). 2015(03)
[3]一种用于轮廓线探测的CNN改进算法[J]. 张文娟,康家银. 系统仿真学报. 2012(08)
[4]基于彩色数字图像的车牌识别研究[J]. 赵光辉,李男男. 电子设计工程. 2011(22)
[5]基于改进BP神经网络的数字识别[J]. 王婷,江文辉,肖南峰. 电子设计工程. 2011(03)
[6]Bp神经网络的Matlab实现[J]. 石云. 湘南学院学报. 2010(05)
[7]基于CNN彩色图像边缘检测的车牌定位方法[J]. 刘万军,姜庆玲,张闯. 自动化学报. 2009(12)
[8]基于BP神经网络车牌字符识别的研究[J]. 蒙峭缘,张远夏. 玉林师范学院学报. 2008(05)
[9]BP人工神经网络在图像分割中的应用[J]. 杨治明,王晓蓉,彭军,陈应祖. 计算机科学. 2007(03)
[10]基于三层BP神经网络的字符识别系统的实现[J]. 朱正礼. 现代计算机. 2006(10)
硕士论文
[1]基于卷积神经网络的自然场景中数字的识别[D]. 周成伟.南京邮电大学 2017
本文编号：3690297
【文章页数】：83 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 主要研究内容
1.4 论文结构
1.5 本章小结
第二章 相关理论算法概述
2.1 深度学习概念和原理及优点
2.1.1 神经网络原理
2.1.2 卷积神经网络的传播过程
2.1.3 卷积神经网络的优点
2.2 LeNet卷积神经网络算法分析
2.3 LeNet模型识别字符的过程
2.4 缺损污染车牌的处理分析
2.5 本章小结
第三章 软件的需求分析
3.1 软件的功能需求分析
3.1.1 信息显示的需求
3.1.2 实时性的需求
3.1.3 存储空间的需求
3.1.4 移植性需求
3.1.5 软件的性能扩展需求
3.2 软件的总体方案设计
3.2.1 图像数据模块功能分析
3.2.2 神经网络模块功能分析
3.2.3 车牌预处理模块功能分析
3.2.4 识别模块功能分析
3.3 软件开发平台选择
3.4 本章小结
第四章 软件模块的设计与实现
4.1 软件的界面布局
4.1.1 软件的GUI界面设计与实现
4.1.2 按钮回调函数设计与实现
4.1.3 按钮回调函数代码及测试
4.2 深度学习算法模块的设计与实现
4.2.1 神经网络函数文件设计
4.2.2 神经网络模块函数之间的调用关系
4.2.3 神经网络模块函数代码编写及整体测试
4.3 图像数据模块设计与实现
4.3.1 训练集的建立
4.3.2 测试集的建立
4.4 图像预处理模块设计与实现
4.4.1 图像预处理模块功能
4.4.2 图像预处理模块代码及测试
4.5 识别模块的设计与实现
4.6 本章小结
第五章 软件的测试与调试及结果分析
5.1 软件的测试与调试
5.1.1 神经网络模块的测试
5.1.2 识别模块测试
5.1.3 图像预处理模块测试
5.1.4 程序代码检测及排错
5.2 软件结果分析
5.3 软件的后期开发扩展
5.4 本章小结
第六章 结论与展望
6.1 结论
6.2 展望
致谢
参考文献
附录
【参考文献】：
期刊论文
[1]卷积神经网络在车辆识别中的应用[J]. 彭清,季桂树,谢林江,张少波. 计算机科学与探索. 2018(02)
[2]基于五阶CNN的图像边检测算法研究[J]. 李国东,王雪,赵国敏. 安徽大学学报(自然科学版). 2015(03)
[3]一种用于轮廓线探测的CNN改进算法[J]. 张文娟,康家银. 系统仿真学报. 2012(08)
[4]基于彩色数字图像的车牌识别研究[J]. 赵光辉,李男男. 电子设计工程. 2011(22)
[5]基于改进BP神经网络的数字识别[J]. 王婷,江文辉,肖南峰. 电子设计工程. 2011(03)
[6]Bp神经网络的Matlab实现[J]. 石云. 湘南学院学报. 2010(05)
[7]基于CNN彩色图像边缘检测的车牌定位方法[J]. 刘万军,姜庆玲,张闯. 自动化学报. 2009(12)
[8]基于BP神经网络车牌字符识别的研究[J]. 蒙峭缘,张远夏. 玉林师范学院学报. 2008(05)
[9]BP人工神经网络在图像分割中的应用[J]. 杨治明,王晓蓉,彭军,陈应祖. 计算机科学. 2007(03)
[10]基于三层BP神经网络的字符识别系统的实现[J]. 朱正礼. 现代计算机. 2006(10)
硕士论文
[1]基于卷积神经网络的自然场景中数字的识别[D]. 周成伟.南京邮电大学 2017
本文编号：3690297
本文链接：https://www.wllwen.com/kejilunwen/qiche/3690297.html
