原文传递
复杂背景下车牌识别算法的研究与实现
| 论文题名： | 复杂背景下车牌识别算法的研究与实现 |
| 关键词： | 车牌定位;字符分割;字符识别;卷积神经网络;复杂背景;智能交通系统 |
| 摘要： | 随着我国经济水平的不断上升，机动车保有量逐年提高，更多地服务于我们的生活。机动车辆的增多对道路使用、机动车管理提出了更高的要求。机动车号牌与车辆之间存在一对一的关系，因此通过车牌的识别可以更加有效地管理车辆。 车牌识别技术研究近年来一直是智能交通系统研究的热门之一，但是目前市场上的车牌识别产品，其通用性不足，即在复杂环境如光照变化强烈、倾斜、污损、噪声等情况下车牌识别的效率不高。因此，研究复杂背景下的车牌识别技术有着重大的市场价值。 基于上述背景，本文对车牌识别技术中的关键环节进行了深入的研究，主要包括车牌定位、倾斜校正、字符分割及字符识别等，结合现代计算机视觉的最新技术成果，对传统算法的缺点提出改进或提出新的算法，同时结合实验进行验证分析，取得了良好的效果。本文的主要内容如下： 1、车牌定位算法。根据车牌区域颜色信息和边缘信息丰富的特点，算法先对边缘信息进行检测，再使用HSI空间的颜色分量对边缘信息进行筛选，接着使用自定义的边缘连接方法和形态学方法填补边缘信息，再使用连通域和车牌的几何特征选择车牌的候选区域。接着对候选区域进行精确定位处理，包括使用边缘信息进行倾斜校正、去除上下和左右边框。最后，使用SVM方法，对精确定位后的车牌提取HOG和LBP特征，进行伪车牌的剔除，从而定位出真的车牌区域。 2、字符分割算法。本文对传统的两种算法提出了改进，详细论述了改进后的两种算法，即基于多阈值和连通域的字符分割算法、基于字符间距和二值投影的字符分割算法。前者针对连通域提取时无法一次性提取所有字符的特点，设计多阈值多次提取符合条件的字符区域，并提出了非连通汉字的提取方法。后者利用车牌字符间距的特点，找出车牌中第二个字符和第三个字符的分界点，然后使用二值投影和字符的几何特征进行字符分割。 3、字符识别算法。引入卷积神经网络，针对汉字和字母数字的不同特征，设计不同的网络结构，从而对字符进行识别，同时该算法其鲁棒性好，提升了应对复杂环境的能力。 本文的算法在VS2010平台上实现，编程语言C++，使用了计算机视觉工具库OpenCV1.0。 |
| 作者： | 徐凯 |
| 专业： | 计算机应用技术 |
| 导师： | 叶茂 |
| 授予学位： | 硕士 |
| 授予学位单位： | 电子科技大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
