復雜環(huán)境中的車牌檢測與識別算法研究.pdf

1、車牌檢測識別技術(shù)是智能交通系統(tǒng)的重要組成部分之一，其在道路交通流量監(jiān)控、交通事故現(xiàn)場勘測、交通違章自動記錄、公安部門智能車輛目標識別等方面，都起著至關(guān)重要的作用。然而，由于場景的復雜化，以及對多光照、多角度和變尺度的適應(yīng)性要求變高，車牌檢測與識別技術(shù)還面臨著諸多難題亟待解決。本文針對多光照、多角度、多尺度等復雜場景中穩(wěn)健地進行車牌檢測與字符識別開展工作，主要內(nèi)容如下：
　　1．針對在復雜環(huán)境下，光照和角度的變化以及在不同尺度下字符

2、區(qū)域難以檢測的問題，本文改進了穩(wěn)定車牌字符區(qū)域定位算法。該算法結(jié)合車牌字符的先驗知識，改進MSER核心算法，提取出圖像中穩(wěn)定極值字符區(qū)域，同時相較于MS ER算法提取的穩(wěn)定區(qū)域而言，剔除大量的偽字符區(qū)域，減少后面標簽傳導的工作量。
　　2．針對大量穩(wěn)定極值字符區(qū)域，如何準確實現(xiàn)構(gòu)建車牌字符結(jié)構(gòu)的標簽傳導，本文提出了最大可動結(jié)構(gòu)鏈算法。該算法首先通過節(jié)點分類對穩(wěn)定極值字符區(qū)域進行粗提取，再通過半標記標簽傳導實現(xiàn)標簽最大團提取，最后通

3、過全標記標簽傳導對標簽最大團進行條件最大后驗概率分析，完成標簽的更正，得到車牌位置。
　　3．針對低分辨率字符圖像識別率低的問題，采用卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的字符識別方法。該方法首先對字符圖像進行預處理和歸一化操作，然后結(jié)合神經(jīng)網(wǎng)絡(luò)自我學習訓練的特點，以字符灰度圖像作為輸入進行字符識別，最后對識別結(jié)果為相似字符的字符圖像做二次識別，進行相似字符間區(qū)分，得到字符識別結(jié)果。
　　4．設(shè)計并實現(xiàn)多源輸入仿真演示軟件，包括單張圖像、多張圖