基于Android平臺(tái)的車牌字符識(shí)別系統(tǒng)研究與實(shí)現(xiàn).pdf

1、車牌識(shí)別作為智能交通中一個(gè)的重要組成部分,逐漸成為越來越多的科研機(jī)構(gòu)和企業(yè)單位的研究熱點(diǎn)。然而,車牌圖像場景復(fù)雜,圖像干擾較多,而現(xiàn)階段大多數(shù)的研究成果應(yīng)用場景較為單一,識(shí)別的效果和性能還有待改善。并且,傳統(tǒng)的識(shí)別系統(tǒng)都基于固定的桌面平臺(tái),圖像采集不靈活,而移動(dòng)平臺(tái)上的車牌識(shí)別研究剛剛起步。因此,基于移動(dòng)平臺(tái)的車牌識(shí)別還有很多問題需要進(jìn)一步的研究探討。
　　本文對車牌字符圖像的識(shí)別進(jìn)行了深入研究,提出了一種適宜于移動(dòng)平臺(tái)的車牌字符

2、識(shí)別方法,該方法提取字符圖像的特征參數(shù)作為輸入,并使用RBF神經(jīng)網(wǎng)絡(luò)作為識(shí)別分類器。在圖像特征提取方面,采用了容錯(cuò)性較強(qiáng)的網(wǎng)格特征和投影特征結(jié)合的特征參數(shù)。在字符識(shí)別方面,采用了局部特性較好的RBF神經(jīng)網(wǎng)絡(luò),RBF網(wǎng)絡(luò)不會(huì)陷入局部極小值,容錯(cuò)性高,網(wǎng)絡(luò)的訓(xùn)練則使用正交最小二乘方法(OLS),該方法可使網(wǎng)絡(luò)具有較小的規(guī)模和較快的收斂速度。
　　另外,本文在 Android平臺(tái)上對以上研究內(nèi)容進(jìn)行了實(shí)現(xiàn),開發(fā)了一套可供實(shí)際使用的車牌字