基于卷积神经网络的车牌识别系统设计和算法实现
发布时间：2023-11-09 17:47
随着信息技术和智能技术的发展,交通管理系统的信息化、智能化是大势所趋。车牌识别系统是智能交通系统的核心组成部分,现已广泛地应用到多地。目前的车牌识别过程,存在着背景干扰较大、光照变化较快和车牌尺寸不固定等问题,进而导致了识别速度慢、识别率低的问题。本论文利用了卷积神经网络对识别二维图像的优异性,设计了一个基于卷积神经网络的车牌识别系统,并针对各个模块在车牌识别过程中存在的问题,研究并实现相应的算法,本文主要完成了以下五个方面的工作:1)在运动车辆检测方面,针对视频监控中的两种噪声,使用了中值和均值综合滤波降噪。为了保证较高的实时性,设计了基于背景差分法的车辆检测方法,差分后的图像通过形态学方式检测车辆前景。最后,测试了多种路况和光照的情况下,车辆检测模块的性能。2)在车牌定位方面,本文提出了基于形态学和边缘统计的车牌定位算法。车辆前景图片首先通过形态学一次定位车牌区域,再根据车牌特有的边缘稀疏性二次定位车牌,排除相似非车牌区域。3)在字符分割方面,针对中文车牌所特有的“.”区域,本文提出了一种基于垂直投影的双向扫描字符分割算法。通过一次水平扫描和两次垂直扫描,规避了左右边框对字符的影响...
【文章页数】：89 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 研究背景及意义
1.2 国内外的研究和应用现状
1.3 本文的研究内容和组织架构
第2章 车牌识别系统的设计方案
2.1 车牌识别简介
2.2 车牌识别中的关键技术
2.2.1 图像预处理技术
2.2.2 车辆检测技术
2.2.3 车牌定位技术
2.2.4 车牌分割技术
2.2.5 车牌字符识别技术
2.3 车牌识别系统的方案设计
2.3.1 系统的需求分析
2.3.2 系统的方案选择
2.3.3 系统的模块化架构
2.3.4 系统的整体组成
2.3.5 系统性能指标
2.4 本章小结
第3章 车辆检测模块的设计
3.1 车辆视频的预处理
3.1.1 图像灰度化
3.1.2 图像去噪
3.2 车辆检测算法的介绍
3.2.1 常见的车辆检测算法
3.2.2 三种检测算法性能比较
3.3 基于背景差分法的车辆检测模块设计
3.4 车辆检测模块的性能测试
3.4.1 不同路况下的检测率
3.4.2 不同光照条件下的检测率
3.5 本章小结
第4章 车牌定位、矫正和分割算法的研究
4.1 车牌定位算法的研究
4.1.1 常见的车牌定位算法
4.1.2 基于形态学和边缘统计的车牌定位算法
4.2 车牌倾斜矫正算法的研究
4.2.1 常见的车牌倾斜矫正算法
4.2.2 基于统计特征点图的倾斜矫正算法
4.3 车牌字符分割算法的研究
4.3.1 常见的车牌分割算法
4.3.2 基于垂直投影的双向扫描字符分割算法
4.4 定位、矫正和分割算法的性能测试
4.5 本章小结
第5章 基于卷积神经网络的车牌识别算法的研究
5.1 LENET-5 卷积神经网络介绍
5.1.1 LeNet-5 的结构简介
5.1.2 前向传播
5.1.3 反向传播
5.1.4 过拟合现象
5.1.5 传统的LeNet-5 车牌识别方法
5.2 GMP-LENET卷积神经网络
5.2.1 GMP-LeNet网络的具体改进措施
5.2.2 GMP-LeNet的结构描述
5.3 基于GMP-LENET网络的车牌识别方法
5.4 车辆识别算法的性能测试
5.5 本章小结
第6章 车牌识别系统的搭建与测试
6.1 车牌识别系统软硬件环境
6.2 视频监控系统的搭建
6.2.1 采集端搭建
6.2.2 监控端搭建
6.3 车牌识别软件的实现
6.3.1 软件的模块间整合
6.3.2 软件的代码实现
6.3.3 软件的界面实现
6.4 系统的功能测试和性能分析
6.4.1 系统功能测试
6.4.2 系统性能分析
6.5 本章小结
第7章 总结与展望
7.1 总结
7.2 展望
参考文献
致谢
攻读学位期间参加的科研项目和成果
本文编号：3861727
【文章页数】：89 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 研究背景及意义
1.2 国内外的研究和应用现状
1.3 本文的研究内容和组织架构
第2章 车牌识别系统的设计方案
2.1 车牌识别简介
2.2 车牌识别中的关键技术
2.2.1 图像预处理技术
2.2.2 车辆检测技术
2.2.3 车牌定位技术
2.2.4 车牌分割技术
2.2.5 车牌字符识别技术
2.3 车牌识别系统的方案设计
2.3.1 系统的需求分析
2.3.2 系统的方案选择
2.3.3 系统的模块化架构
2.3.4 系统的整体组成
2.3.5 系统性能指标
2.4 本章小结
第3章 车辆检测模块的设计
3.1 车辆视频的预处理
3.1.1 图像灰度化
3.1.2 图像去噪
3.2 车辆检测算法的介绍
3.2.1 常见的车辆检测算法
3.2.2 三种检测算法性能比较
3.3 基于背景差分法的车辆检测模块设计
3.4 车辆检测模块的性能测试
3.4.1 不同路况下的检测率
3.4.2 不同光照条件下的检测率
3.5 本章小结
第4章 车牌定位、矫正和分割算法的研究
4.1 车牌定位算法的研究
4.1.1 常见的车牌定位算法
4.1.2 基于形态学和边缘统计的车牌定位算法
4.2 车牌倾斜矫正算法的研究
4.2.1 常见的车牌倾斜矫正算法
4.2.2 基于统计特征点图的倾斜矫正算法
4.3 车牌字符分割算法的研究
4.3.1 常见的车牌分割算法
4.3.2 基于垂直投影的双向扫描字符分割算法
4.4 定位、矫正和分割算法的性能测试
4.5 本章小结
第5章 基于卷积神经网络的车牌识别算法的研究
5.1 LENET-5 卷积神经网络介绍
5.1.1 LeNet-5 的结构简介
5.1.2 前向传播
5.1.3 反向传播
5.1.4 过拟合现象
5.1.5 传统的LeNet-5 车牌识别方法
5.2 GMP-LENET卷积神经网络
5.2.1 GMP-LeNet网络的具体改进措施
5.2.2 GMP-LeNet的结构描述
5.3 基于GMP-LENET网络的车牌识别方法
5.4 车辆识别算法的性能测试
5.5 本章小结
第6章 车牌识别系统的搭建与测试
6.1 车牌识别系统软硬件环境
6.2 视频监控系统的搭建
6.2.1 采集端搭建
6.2.2 监控端搭建
6.3 车牌识别软件的实现
6.3.1 软件的模块间整合
6.3.2 软件的代码实现
6.3.3 软件的界面实现
6.4 系统的功能测试和性能分析
6.4.1 系统功能测试
6.4.2 系统性能分析
6.5 本章小结
第7章 总结与展望
7.1 总结
7.2 展望
参考文献
致谢
攻读学位期间参加的科研项目和成果
本文编号：3861727
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3861727.html
