复杂背景下多车牌识别算法的研究与软件系统实
本文关键词：复杂背景下多车牌识别算法的研究与软件系统实，由笔耕文化传播整理发布。
【摘要】：近年来,伴随着“智慧城市”概念的兴起,以及国内汽车保有量数字的不断上升,如何科学、高效地收集和处理车辆信息,使其融入“智慧城市”的整个体系的运行中,一直是科研和商业领域的重要课题。其中车牌识别算法的研究以及软件系统的开发,作为整个智慧体系的第一个环节,其重要性是不言而喻的。作为机器视觉领域的一项应用,车牌识别系统可以应用在交通违章处理、涉案车辆追踪、智能停车场等实际场景中。因而,该系统对城市管理者提高管理效率有很重要的意义。本文通过对国内外已有的车牌识别算法进行了深入的研究和比较,发现国内对于多车牌识别系统的研究和实际应用还落后于国外,具有很大的研究价值和商业前景。考虑车牌在复杂背景下的旋转、变形等干扰,本文设计了一种多车牌识别系统,具体的工作内容如下:(1)通过受试者工作特征曲线(receiver operating characteristic curve,简称ROC曲线),定量对比了四种区域矩描述符的性能,选出性能最优的两种区域矩描述符,使用顺序前进法(sequential forward selection,简称SFS)动态融合构成新的特征向量,结合支持向量机(support vector machine,简称SVM),提出了基于多区域矩融合的车牌定位方法。当车牌发生旋转、姿态变化甚至被遮挡时,对车牌检测效率非常高。(2)研究了基于图像投影的车牌字符分割方法,发现标准车牌图像投影方法只能分割理想条件下的车牌图像。针对含有粘连字符或者当车牌字符被污染时的情况,本文基于图像投影法提出了一种动态峰谷法。该方法有效地解决了非理想条件下车牌字符分割的问题。(3)通过实验对比分析了标准BP神经网络和改进的BP神经网络算法,在字符识别过程中的性能表现,并且定量对比了隐含层包含不同数量神经元时的性能表现,以及自适应学习率BP算法采用不同学习率增长速率时的性能表现,确定了BP网络的最优结构,使字符识别的性能达到了最佳状态。(4)对多车牌识别系统进行了需求分析与系统设计,并以Visual Studio 2010作为开发平台,采用MFC应用程序开发技术,选用MS Access作为后台数据库,搭建了基于C/S的三层体系结构,完成了车牌识别系统软件的整体开发,其中应用了大量的图像处理知识,实现了多车牌的自动识别的功能。结果证明本文设计的改进的多车牌识别系统,具有较高的准确率和实用性。(5)最后,在静态图像识别的基础上,引申讨论了基于视频流数据的车牌识别方法。对单帧图像的提取与优化方法做了简单的讨论与实验,实验证明了该方法能有效减少运算量,提高系统的运算速度。
【关键词】：多车牌识别 区域矩融合 车牌定位 字符分割 BP网络 视频流
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：
- 摘要3-5
- ABSTRACT5-15
- 第1章 绪论15-23
- 1.1 选题背景及意义15-16
- 1.2 国内外研究现状16-19
- 1.2.1 国外研究状况16-18
- 1.2.2 国内研究状况18-19
- 1.3 论文主要研究内容19-20
- 1.4 论文结构20-23
- 第2章 相关理论基础23-33
- 2.1 区域特征矩描述符23-26
- 2.1.1 基本原理24-25
- 2.1.2 区域矩描述符25-26
- 2.2 图像分割26-29
- 2.2.1 基于图像强度的分割27-28
- 2.2.2 基于图像投影的分割28-29
- 2.3 支持向量机29-31
- 2.4 BP神经网络31-32
- 2.5 本章小结32-33
- 第3章 多车牌定位33-43
- 3.1 车牌粗定位33-37
- 3.2 基于多区域矩融合的车牌精确定位37-42
- 3.2.1 四种特征描述符的对比分析37-40
- 3.2.2 多区域矩融合算法40-41
- 3.2.3 车牌精确定位流程41-42
- 3.3 本章小结42-43
- 第4章 车牌字符分割43-51
- 4.1 车牌旋转倾斜矫正44-46
- 4.2 基于车牌垂直投影的浮动峰谷字符分割算法46-49
- 4.3 本章小结49-51
- 第5章 车牌字符识别51-61
- 5.1 神经网络性能分析对比51-59
- 5.1.1 BP神经网络的构建51-52
- 5.1.2 自适应学习率BP算法52-53
- 5.1.3 实验分析与结论53-59
- 5.2 基于改进的BP网络的车牌字符识别59-60
- 5.3 本章小结60-61
- 第6章 多车牌识别软件系统分析设计与实现61-73
- 6.1 多车牌识别系统的需求分析61-63
- 6.1.1 功能需求分析61-62
- 6.1.2 性能需求分析62-63
- 6.2 多车牌识别系统的系统结构63-65
- 6.2.1 硬件系统63
- 6.2.2 软件系统63-65
- 6.3 多车牌识别模块的设计65-66
- 6.4 多车牌识别软件系统的实现66-71
- 6.4.1 Open CV简介66-68
- 6.4.2 实验环境68
- 6.4.3 系统整体实现与测试68-71
- 6.5 本章小结71-73
- 第7章 基于视频流数据的关键帧提取与优化73-77
- 7.1 视频帧采样频率优化74-75
- 7.2 基于单帧图像的优化75-76
- 7.3 本章小结76-77
- 第8章 总结与展望77-79
- 8.1 总结77-78
- 8.2 展望78-79
- 参考文献79-85
- 致谢85-87
- 攻读硕士期间发表论文87
【相似文献】
中国期刊全文数据库 前10条
1 张迪;;基于智能小区的物联车牌识别应用[J];数字技术与应用;2013年09期
2 骆雪超,刘桂雄,冯云庆,申柏华;一种基于车牌特征信息的车牌识别方法[J];华南理工大学学报(自然科学版);2003年04期
3 许剑峰,黎绍发;车牌识别中的颜色分析[J];计算机工程与应用;2004年25期
4 李唯冠;;一种基于车灯定位的夜间车牌识别研究[J];微计算机信息;2011年01期
5 丁伟;;改进神经网络算法在车牌识别中的应用[J];计算机仿真;2011年08期
6 张剑;;车牌识别中字符识别的研究[J];信息技术;2011年09期
7 王静;王欢;刘洁;;恶劣天气环境下车牌识别方法研究与仿真[J];计算机仿真;2011年10期
8 龚世标;;汉鄂高速车牌识别标识站的建设[J];中国交通信息化;2013年07期
9 何铁军;张宁;黄卫;;车牌识别算法的研究与实现[J];公路交通科技;2006年08期
10 余宗健;;基于过线特征的车牌识别[J];计算机技术与发展;2010年05期
中国重要会议论文全文数据库 前3条
1 周汉青;;一种高速的车牌识别算法[A];第二十七届中国（天津）2013IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2013年
2 史东娜;王枞;李卫;;车牌识别领域的中文术语自动抽取[A];中国电子学会第十五届信息论学术年会暨第一届全国网络编码学术年会论文集（下册）[C];2008年
3 关东;汪永山;;基于车牌识别比对的自动道闸控制系统[A];全国冶金自动化信息网2012年年会论文集[C];2012年
中国重要报纸全文数据库 前2条
1 本报评论员 周飙;交通拥堵是个产权问题[N];21世纪经济报道;2010年
2 樊哲高;沈阳聚德：智能视觉“千里眼”[N];中国电子报;2008年
中国博士学位论文全文数据库 前1条
1 任俊;基于支撑矢量机的图像分类、车牌识别及嵌入式应用研究[D];浙江大学;2005年
中国硕士学位论文全文数据库 前10条
1 郭真真;基于分阶的BP和CNN车牌识别[D];昆明理工大学;2015年
2 梁大宽;复杂背景下多车牌识别算法的研究与软件系统实[D];太原理工大学;2016年
3 林志煌;车牌识别硬件系统的研究与设计[D];电子科技大学;2008年
4 陈e，
本文编号：397952
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/397952.html
