原文传递
基于卷积神经网络的车牌智能识别系统的设计与实现
| 论文题名： | 基于卷积神经网络的车牌智能识别系统的设计与实现 |
| 关键词： | 车牌识别系统;卷积神经网络;彩色边缘;字符分割;灰度转换 |
| 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。 |
| 作者： | 刘宇杰 |
| 专业： | 信息与通信工程 |
| 导师： | 黄鹤 |
| 授予学位： | 硕士 |
| 授予学位单位： | 苏州大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
