基于深度学习的车牌和车型信息识别研究

发布时间：2022-07-11 09:49

　　随着道路上车辆数目的急剧增加,利用套牌、无牌及其他车辆犯罪的案件也随之增加,因此对智能交通系统中车辆信息识别的研究迫在眉睫。车牌识别和车型识别是车辆信息识别中最为关键的技术。由于受天气、复杂背景等因素影响,车牌识别和车型识别面临着一定的困难。本文主要对深度学习理论进行了深入研究,设计了车牌识别网络和车型识别网络模型,并在相应的数据集上进行实验,实验结果表明本文提出的识别模型可提高车牌和车型的识别精度。本文的主要工作如下:车牌识别方面:设计并实现了基于改进LeNet-5网络的车牌字符识别方法。在传统LeNet-5网络模型中改进原部分网络层为Inception-SE模块,用全局平均池化层代替全连接层,并用归一化和正则化操作优化网络结构。在经过图片预处理分割得到的车牌字符数据集上进行实验,与原网络相比,改进后LeNet-5网络的车牌字符识别精度和识别速度明显有很大提高,识别精度可达99.88%。进而探究了SE模块和Dropout的效果,并设计了GUI界面直观反馈模型的识别结果。车型识别方面:设计并实现了基于改进Efficient Net网络的车型识别方法。对EfficientNet网络模型进... 

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题研究背景及意义
        1.1.1 车牌识别研究背景及意义
        1.1.2 车型识别研究背景和意义
    1.2 车牌和车型信息识别研究现状
        1.2.1 国内外车牌识别技术研究现状
        1.2.2 国内外车型识别技术研究现状
    1.3 深度学习研究现状
    1.4 本文结构安排
第2章 车牌和车型信息识别相关卷积神经网络结构
    2.1 卷积神经网络
        2.1.1 深度学习
        2.1.2 卷积神经网络及其特点
        2.1.3 常规的车牌和车型信息识别网络
    2.2 车牌和车型信息识别卷积神经网络的基本组成结构
        2.2.1 卷积层
        2.2.2 池化层
        2.2.3 激活函数
        2.2.4 全连接层
    2.3 车牌和车型信息识别所用卷积神经网络
        2.3.1 车牌字符识别网络LeNet-5
        2.3.2 车型识别网络Efficient Net
    2.4 本章小结
第3章 基于改进LeNet-5网络的车牌字符识别模型设计与仿真
    3.1 车牌字符识别介绍
    3.2 图像预处理
        3.2.1 车牌定位
        3.2.2 车牌字符分割
    3.3 基于Keras框架改进LeNet-5 网络的模型设计
        3.3.1 Inception-SE模块结构设计
        3.3.2 改进的LeNet-5网络模型设计
    3.4 车牌识别相关算法
        3.4.1 卷积神经网络传播算法
        3.4.2 卷积神经网络分类算法
    3.5 基于改进LeNet-5网络的车牌字符识别实验结果与分析
        3.5.1 网络识别结果与对比
        3.5.2 SE模块的识别效果分析
        3.5.3 Dropout优化网络效果分析
        3.5.4 车牌识别GUI界面显示
    3.6 本章小结
第4章 基于改进Efficient Net的车型识别模型设计与仿真
    4.1 车型识别模型运行环境及所用数据集
        4.1.1 Tensor Flow深度学习框架简介
        4.1.2 车型识别数据集
    4.2 基于Tensor Flow框架改进Efficient Net的车型识别模型设计
        4.2.1 Efficient Net网络结构分析
        4.2.2 改进的Efficient Net网络模型设计
        4.2.3 Efficient Net网络模型的优化
    4.3 基于改进Efficient Net网络的车型识别实验结果与分析
        4.3.1 改进网络的识别结果
        4.3.2 与原Efficient Net网络及其他识别方法效果对比
        4.3.3 改进LeNet-5 网络与改进Efficient Net网络的对比仿真实验
    4.4 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢



本文编号：3657945