原文传递
复杂环境中的车牌检测与识别算法研究
| 论文题名： | 复杂环境中的车牌检测与识别算法研究 |
| 关键词： | 车牌检测;识别算法;可动结构链;卷积神经网络 |
| 摘要： | 车牌检测识别技术是智能交通系统的重要组成部分之一，其在道路交通流量监控、交通事故现场勘测、交通违章自动记录、公安部门智能车辆目标识别等方面，都起着至关重要的作用。然而，由于场景的复杂化，以及对多光照、多角度和变尺度的适应性要求变高，车牌检测与识别技术还面临着诸多难题亟待解决。本文针对多光照、多角度、多尺度等复杂场景中稳健地进行车牌检测与字符识别开展工作，主要内容如下： 1．针对在复杂环境下，光照和角度的变化以及在不同尺度下字符区域难以检测的问题，本文改进了稳定车牌字符区域定位算法。该算法结合车牌字符的先验知识，改进MSER核心算法，提取出图像中稳定极值字符区域，同时相较于MS ER算法提取的稳定区域而言，剔除大量的伪字符区域，减少后面标签传导的工作量。 2．针对大量稳定极值字符区域，如何准确实现构建车牌字符结构的标签传导，本文提出了最大可动结构链算法。该算法首先通过节点分类对稳定极值字符区域进行粗提取，再通过半标记标签传导实现标签最大团提取，最后通过全标记标签传导对标签最大团进行条件最大后验概率分析，完成标签的更正，得到车牌位置。 3．针对低分辨率字符图像识别率低的问题，采用卷积神经网络结构的字符识别方法。该方法首先对字符图像进行预处理和归一化操作，然后结合神经网络自我学习训练的特点，以字符灰度图像作为输入进行字符识别，最后对识别结果为相似字符的字符图像做二次识别，进行相似字符间区分，得到字符识别结果。 4．设计并实现多源输入仿真演示软件，包括单张图像、多张图像及视频多种输入接口，集成车牌检测和字符识别算法，实现可视化演示。 |
| 作者： | 吴勇军 |
| 专业： | 信号与信息处理 |
| 导师： | 杨建宇 |
| 授予学位： | 硕士 |
| 授予学位单位： | 电子科技大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
