基于卷積神經(jīng)網(wǎng)絡(luò)的車(chē)牌智能識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、車(chē)牌識(shí)別系統(tǒng)在現(xiàn)代交通管理控制領(lǐng)域的地位越來(lái)越重要，高度自動(dòng)化的車(chē)牌識(shí)別軟件，輔以必要的通信及存儲(chǔ)服務(wù)，不僅可以極大地減輕交管部門(mén)的人力支出，還能減少工作失誤，提升管理效率。日常背景下的車(chē)牌識(shí)別，具有背景復(fù)雜度較高、光照條件變化較大和車(chē)牌尺寸不固定等問(wèn)題。車(chē)牌識(shí)別系統(tǒng)的關(guān)鍵技術(shù)可分為車(chē)牌定位、字符分割和字符識(shí)別三個(gè)模塊。針對(duì)這三個(gè)模塊在處理日常背景下的車(chē)牌識(shí)別任務(wù)中存在的問(wèn)題，本論文開(kāi)展了以下研究：
　　在車(chē)牌定位部分，為了解決基

2、于普通灰度的邊緣算法的不足，提出了彩色邊緣算法，利用了車(chē)牌的彩色特征，解決了普通邊緣算法中無(wú)效邊緣過(guò)多的問(wèn)題，提高了車(chē)牌圖像的信噪比。隨后，闡述了彩色邊緣算法中參數(shù)的意義和選擇依據(jù)。最后，提出了應(yīng)用于形態(tài)學(xué)分析的形態(tài)規(guī)則，解決了候選區(qū)域過(guò)濾的問(wèn)題，降低了誤檢率。
　　在字符分割部分，首先提出了用于預(yù)處理階段的彩色抑制的灰度轉(zhuǎn)換算法，解決了藍(lán)白車(chē)牌對(duì)比度低的問(wèn)題。之后，應(yīng)用了改進(jìn)的行列重定位算法，解決了車(chē)牌邊框與車(chē)牌字符粘連的問(wèn)題，

3、并去除了黑邊。接著，詳細(xì)描述了結(jié)合連通分量分析和投影分析的車(chē)牌分割算法，并介紹了基于字符數(shù)量的字符查找和恢復(fù)算法，解決了車(chē)牌分割中字符缺失的問(wèn)題。
　　在字符識(shí)別部分，為了解決傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)直接應(yīng)用于中國(guó)車(chē)牌字符識(shí)別存在的結(jié)構(gòu)過(guò)于復(fù)雜的問(wèn)題，提出了簡(jiǎn)化卷積神經(jīng)網(wǎng)絡(luò)和遞歸卷積神經(jīng)網(wǎng)絡(luò)兩種新型結(jié)構(gòu)，給出了相關(guān)的網(wǎng)絡(luò)訓(xùn)練算法。最后的車(chē)牌字符識(shí)別實(shí)驗(yàn)證明，這兩個(gè)新結(jié)構(gòu)可以更加有效地識(shí)別車(chē)牌字符。
　　實(shí)驗(yàn)證明，本文設(shè)計(jì)的車(chē)牌識(shí)別系