原文传递
移动式重点车辆比对与预警算法研究
| 论文题名： | 移动式重点车辆比对与预警算法研究 |
| 关键词： | 车牌识别;支持向量机;人工神经网络;主成分分析;预警算法;图像处理 |
| 摘要： | 现阶段城市主干道监控已基本完善，大都为固定式的监控系统。在城乡结合部和农村地区的偏僻路段，视频监控系统则较为薄弱，移动机器人可以部署在这些路段，自动识别预设车辆的车牌并报警。移动式车辆视频监控系统可以方便的携带和布置，发生故障时又易回收修理。通过与数据库比对及时发出预警信息，适时追踪或拦截重点车辆，实现对重点驾驶人车辆的动态监管。本文所做的工作有： （1）用图像处理的手段定位移动监控图像中的车牌区域，提取裁剪出的车牌图像的特征，用SMO算法训练分类器：软间隔支持向量机。用图像处理的手段定位字符区域，提取裁剪出的字符图像特征，用BP算法训练分类器：前向反馈人工神经网络。 （2）使用交叉验证测量准确率，用试错法确定神经网络的隐藏层节点数和提取字符特征时低分辨率的大小。用主成分分析降低特征维度，从而降低样本复杂度和提高字符识别准确率。 （3）编写了系统调试和流程展示平台，设计和制作了移动式机器人。针对不同的场景测试了移动式重点车辆比对与预警系统。 本文讲述了算法原理和流程步骤，针对自己采集的公路样本集合，用实验评估和优化算法。支持向量机的正确分类率为98％。车牌检测准确率为90%，车牌分割准确率为90%。光学字符识别准确率原为96.8%，而在字符特征提取模块加主成分分析后提升到99.2%。车牌区域定位准确率、车牌字符分割准确率和光学字符识别准确率的乘积为总体的车牌识别准确率，为80.4%。 实验表明，本文的算法和流程有良好的效果，字符识别准确率高，适用于不同的背景，可在光照、距离和角度变化的情况下同时识别多个车牌，具有良好的性能和推广价值。 |
| 作者： | 周游 |
| 专业： | 电子与通信工程 |
| 导师： | 赵新灿 |
| 授予学位： | 硕士 |
| 授予学位单位： | 郑州大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
