基于卷积神经网络的车牌智能识别系统的设计与实现

发布时间：2017-09-23 09:14

  本文关键词：基于卷积神经网络的车牌智能识别系统的设计与实现

  更多相关文章： 车牌识别 彩色边缘 字符分割 字符识别 卷积神经网络 提前停止算法

【摘要】：车牌识别系统在现代交通管理控制领域的地位越来越重要,高度自动化的车牌识别软件,辅以必要的通信及存储服务,不仅可以极大地减轻交管部门的人力支出,还能减少工作失误,提升管理效率。日常背景下的车牌识别,具有背景复杂度较高、光照条件变化较大和车牌尺寸不固定等问题。车牌识别系统的关键技术可分为车牌定位、字符分割和字符识别三个模块。针对这三个模块在处理日常背景下的车牌识别任务中存在的问题,本论文开展了以下研究:在车牌定位部分,为了解决基于普通灰度的边缘算法的不足,提出了彩色边缘算法,利用了车牌的彩色特征,解决了普通边缘算法中无效边缘过多的问题,提高了车牌图像的信噪比。随后,阐述了彩色边缘算法中参数的意义和选择依据。最后,提出了应用于形态学分析的形态规则,解决了候选区域过滤的问题,降低了误检率。在字符分割部分,首先提出了用于预处理阶段的彩色抑制的灰度转换算法,解决了蓝白车牌对比度低的问题。之后,应用了改进的行列重定位算法,解决了车牌边框与车牌字符粘连的问题,并去除了黑边。接着,详细描述了结合连通分量分析和投影分析的车牌分割算法,并介绍了基于字符数量的字符查找和恢复算法,解决了车牌分割中字符缺失的问题。在字符识别部分,为了解决传统卷积神经网络直接应用于中国车牌字符识别存在的结构过于复杂的问题,提出了简化卷积神经网络和递归卷积神经网络两种新型结构,给出了相关的网络训练算法。最后的车牌字符识别实验证明,这两个新结构可以更加有效地识别车牌字符。实验证明,本文设计的车牌识别系统,定位准确率为98.95%,分割准确率为96.58%,识别准确率为98.09%,整体准确率为93.74%,识别速度为318毫秒/张,满足了实际应用需求。
【关键词】：车牌识别 彩色边缘 字符分割 字符识别 卷积神经网络 提前停止算法
【学位授予单位】：苏州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TP183
【目录】：

• 中文摘要4-5
• Abstract5-9
• 第一章 绪论9-17
• 1.1 选题背景和意义9-10
• 1.2 国内外研究发展现状10-14
• 1.2.1 车牌定位11-12
• 1.2.2 字符分割12-13
• 1.2.3 字符识别13-14
• 1.3 论文的主要工作14-15
• 1.4 论文的组织结构15-17
• 第二章 车牌定位算法17-31
• 2.1 灰度边缘算法17-21
• 2.1.1 灰度转换17-18
• 2.1.2 边缘提取18-19
• 2.1.3 二值化19-21
• 2.2 彩色边缘算法21-26
• 2.2.1 蓝白车牌22
• 2.2.2 黄黑车牌22-23
• 2.2.3 与灰度边缘算法的对比23-24
• 2.2.4 彩色边缘阈值参数的作用24-26
• 2.3 形态学分析26-30
• 2.3.1 边缘密度二值图27-29
• 2.3.2 连通分量分析29-30
• 2.4 本章小结30-31
• 第三章 车牌分割算法31-45
• 3.1 基于彩色抑制的灰度转换算法32-34
• 3.2 精确重定位34-36
• 3.2.1 行重定位34-36
• 3.2.2 列重定位36
• 3.3 基于连通分量分析的车牌分割算法36-41
• 3.3.1 中国车牌字符分布37
• 3.3.2 缺失一字符情况37-39
• 3.3.3 缺失两字符情况39-41
• 3.4 基于垂直投影的车牌分割算法41-44
• 3.4.1 垂直投影分割算法42-43
• 3.4.2 字符恢复算法43
• 3.4.3 首字符分辨算法43-44
• 3.5 本章小结44-45
• 第四章 基于卷积神经网络的车牌字符识别算法45-64
• 4.1 传统卷积神经网络结构及不足45-52
• 4.1.1 网络结构45-47
• 4.1.2 卷积实现47-52
• 4.2 简化卷积神经网络52-53
• 4.2.1 网络模型52-53
• 4.3 递归卷积神经网络53-56
• 4.3.1 递归结构及递归过程54-56
• 4.4 网络训练56-63
• 4.4.1 误差定义56-57
• 4.4.2 参数更新57-61
• 4.4.2.1 Softmax层57-59
• 4.4.2.2 隐层59-60
• 4.4.2.3 卷积层60-61
• 4.4.3 训练流程控制61-62
• 4.4.4 初始化、正则惩罚项、Dropout及迭代衰减62-63
• 4.5 本章小结63-64
• 第五章 实验结果与性能分析64-74
• 5.1 定位实验64-65
• 5.2 分割实验65-66
• 5.3 车牌字符识别实验66-72
• 5.4 系统性能分析72-74
• 第六章 总结与展望74-76
• 6.1 工作总结与创新点74-75
• 6.2 后续工作展望75-76
• 参考文献76-81
• 攻读硕士学位期间科研论文81-82
• 致谢82-83

【相似文献】

中国期刊全文数据库 前10条

1 云中客;新的神经网络来自于仿生学[J];物理;2001年10期

2 唐春明,高协平;进化神经网络的研究进展[J];系统工程与电子技术;2001年10期

3 李智;一种基于神经网络的煤炭调运优化方法[J];长沙铁道学院学报;2003年02期

4 程科,王士同,杨静宇;新型模糊形态神经网络及其应用研究[J];计算机工程与应用;2004年21期

5 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

6 周丽晖;从统计角度看神经网络[J];统计教育;2005年06期

7 赵奇 ,刘开第 ,庞彦军;灰色补偿神经网络及其应用研究[J];微计算机信息;2005年14期

8 袁婷;;神经网络在股票市场预测中的应用[J];软件导刊;2006年05期

9 尚晋;杨有;;从神经网络的过去谈科学发展观[J];重庆三峡学院学报;2006年03期

10 杨钟瑾;;神经网络的过去、现在和将来[J];青年探索;2006年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

2 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

3 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

4 胡婷;改进QGA-BP模型及其在弥苴河总氮量预测中的应用[D];昆明理工大学;2015年

5 刘俊辉;基于数据清洗方法的河道水位预测研究[D];昆明理工大学;2015年

6 刘波;短期风电功率预测方法研究[D];南京信息工程大学;2015年

7 蔡邦宇;人脸识别中单次ERP时空特征分析及其快速检索的应用[D];浙江大学;2015年

8 郑川;垃圾评论检测算法的研究[D];西南交通大学;2015年

9 李菊;BP神经网络在房地产批量评估中的应用研究[D];昆明理工大学;2015年

10 马亮;降水点分类预测方法研究[D];中国地质大学(北京);2015年

，

本文编号：904425