原文传递
基于视频流的车牌识别系统的设计与实现
| 论文题名： | 基于视频流的车牌识别系统的设计与实现 |
| 关键词： | 智能交通;视频流;车牌识别系统;字符分割;倾斜校正;人工神经网络 |
| 摘要： | 随着中国经济的高速发展，高速公路、城市道路、停车场、收费站的配套设施也在逐步建设，对交通控制、安全监控的要求也就越来越高。作为智能交通系统(Intelligent Transportation System，ITS)的重要研究课题之一，基于图像的车牌识别技术(License Plate Recognition，LPR)运用计算机视觉与模式识别技术，直接对车牌进行识别，不需要被识别车辆主动参与。如果有后台的检索数据库的支持，可以很方便的达到对车辆的安全管理和交通控制。 本文的主要研究内容是围绕“基于视频流的车牌识别系统的设计与实现”为主题，以收费站和停车场出入口为场景，建立一套具有实时性、高识别率的车牌识别系统。论文着重研究了建立基于视频流的车牌识别系统的总体框架和关键技术，其中主要阐述了车牌识别系统的车牌图像预处理、车牌定位、字符分割和字符识别四个过程。在对视频信号的预处理中，提出了待检区域的概念并通过统计待检区域图像中非O值像素个数的方法，快速有效地从视频流图像中挑出车牌信息最为丰富的关键帧图像作为车牌识别的对象物，避免了对大量的无用信息的处理从而提高了速度。在车牌定位中利用Prewitt算子突出车牌的边缘特征，根据字符的连续性统计字符背景与字符间的次数使用投影法定位车牌，对倾斜的车牌实施矫正。在字符分割中借助车牌字符宽度的先验知识和投影信息来确定字符的分割位置，通过主元分析法将所提取的归一化后的字符HOG特征实施降维，以减少后续神经系统的计算量。在字符识别训练中将待识别字符分为汉字识别网络和字母数字识别网络两种，根据待识别字符进行索引编码后的来确定神经网络的输入节点数和输出节点数，并利用试探法确定神经网络的隐含层节点数目，确保了神经网络的训练速度和精度。 本文最终实现了对于视频流中的车辆牌照的实时识别的功能，并具有稳定、高准确率的特点。提出的方案在确保检测率和降低错检率的前提下，同时达到了实时识别的性能要求。 |
| 作者： | 韩龙 |
| 专业： | 计算机技术 |
| 导师： | 王保保;王丽真 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西安电子科技大学 |
| 学位年度： | 2010 |
| 正文语种： | 中文 |
检索历史
应用推荐
