原文传递
车牌识别系统关键技术的研究与实现
| 论文题名： | 车牌识别系统关键技术的研究与实现 |
| 关键词： | 车牌识别系统;字符识别;人工神经网络;综合分析;字符分割;学习与研究;识别方法;模板匹配;车牌字符;智能交通系统;阈值化;图像处理技术;投影;扫描;经济社会发展;停车场管理;综合应用;自动收费;字符粘连;字符特征 |
| 摘要： | 车牌识别是智能交通系统中最关键的研究课题,有着广泛的应用前景,如交通道路监控、高速公路自动收费、停车场管理等。随着经济社会发展,机动车辆日益增加,对车辆进行安全管理、交通流引导和控制的需求越来越明显,因此研究更为稳定、快速、有效的车牌识别系统具有巨大的社会意义和实用价值。 车牌识别关键技术由三部分组成:车牌定位、字符分割和字符识别。本文综合应用图像处理技术、模式识别、人工神经网络等方法,对这三大技术进行深入学习与研究,提出了有效的改进方法,并利用VC++6.0平台,编程实现了车牌识别系统。具体包括以下内容: 在综合分析了各种典型车牌定位算法后,提出一种基于水平垂直投影的车牌定位方法。该方法对预处理后的图像进行一次平滑处理去除噪声,然后阈值化,再对阈值化后的二值图像在水平垂直方向上进行投影运算,求得车牌区域上下左右边缘位置后,进行裁剪。该方法特征提取简单、计算量小、速度快,且易于理解操作,能有效地实现车牌定位。 在综合分析了基于投影、聚类、模板匹配等字符分割算法后,提出一种基于车牌先验知识的行列扫描字符分割方法。该方法结合我国车牌长宽、字符特征,先利用扫描行法获得车牌字符上下边界,再利用扫描列法依次获得各字符左右边界,以此分割各字符。实验证明,该方法执行速度快,能很好地处理由于车牌磨损、污染造成的字符粘连现象。 在综合分析了基于模板匹配、人工神经网络的字符识别方法,以及深入研究了传统BP神经网络缺陷后,提出一种改进了的分组BP神经网络字符识别方法。该方法结合现有车牌字符类型,将BP神经网络分成四个子网络进行学习识别,并在权值修改时加入动量系数,很好地解决了学习速率过大或过小所引起的网络易发散或收敛慢的问题。经大量实验证明,该方法能有效提高BP网络学习速度以及字符识别准确率。 |
| 作者： | 黄翔星 |
| 专业： | 计算机科学与技术 |
| 导师： | 王方石 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2010 |
| 正文语种： | 中文 |
检索历史
应用推荐
