原文传递
基于CNN的智能交通系统多车牌定位方法的研究
| 论文题名： | 基于CNN的智能交通系统多车牌定位方法的研究 |
| 关键词： | 智能交通系统;多车牌定位;车牌识别;细胞神经网络;颜色量化分割;边缘提取 |
| 摘要： | 车牌识别技术是智能交通系统的重要组成部分之一，已有效的应用于很多方面。车牌定位是车牌识别技术的重要环节。但是，目前较为成熟的车牌定位方法，多是针对单一车牌图像，对多目标、多类型的多车牌情况研究还不够成熟。因此，研发多车牌定位识别系统具有重要意义及应用价值。 针对这一研究背景，在广泛阅读国内外文献，比较和借鉴现有车牌定位方法的基础上，结合对海信网络科技股份有限公司“电子警察”项目的实地调研，充分利用车牌的颜色、纹理等多重特征，对多目标、多类型的多车牌定位进行了较深入的研究，提出一种基于细胞神经网络(CNN)、融合彩色特征的多车牌定位新方法。 首先，引入细胞神经网络于图像边缘提取过程，构建了新的车牌识别的边缘提取算法。实验结果表明，利用CNN能够提取各方向的边缘，且在其它经典边缘检测算子失效时，CNN仍可成功奏效。CNN硬件电路结构简单，运行速度比DSP芯片快103倍，比其它模拟软件快106倍，且可实现图像并行处理。CNN的加入可以大大提高多车牌识别系统的实时性。 其次，利用HSI颜色模型，通过颜色量化构造色码模板，与通过数学形态学处理获得的符合车牌长宽定比的蒙板联合，最终确定真实车牌区域。与单一车牌长宽定比判断法相比，可靠性和准确性得到很大提高。 最后，在字符分割、识别过程中，利用双线性插值法、投影和模板匹配相结合，进行字符分割、字符识别，进而完成整个车牌识别过程。 通过对多种真实场景图片进行大量实验，如不同时间和光照下，含有不同类型车牌，背景较为复杂，车牌车身颜色相近等，实验结果表明，本文研究的“基于细胞神经网络(CNN)、融合彩色特征的多车牌定位新方法”能够有效定位，定位速度快，可靠性高，对于研发多车牌识别系统具有一定的理论意义和实际应用价值。 |
| 作者： | 谢康 |
| 专业： | 信号与信息处理 |
| 导师： | 王英 |
| 授予学位： | 硕士 |
| 授予学位单位： | 青岛大学 |
| 学位年度： | 2011 |
| 正文语种： | 中文 |
检索历史
应用推荐
