復(fù)雜背景下車(chē)牌識(shí)別算法研究與應(yīng)用.pdf

1、隨著智能交通行業(yè)發(fā)展迅速，車(chē)牌識(shí)別系統(tǒng)作為智能交通領(lǐng)域內(nèi)重要的組成部分，顯得越來(lái)越重要，有著廣泛的應(yīng)用前景。其也是模式識(shí)別領(lǐng)域一直研究的熱點(diǎn)，有著較高的理論研究?jī)r(jià)值。盡管已經(jīng)有一些商用車(chē)牌識(shí)別系統(tǒng)，但多數(shù)受一些條件限制，例如限定的場(chǎng)景、光照、車(chē)牌制式。魯棒的車(chē)牌識(shí)別系統(tǒng)研究有著巨大的研究潛力。
　　本文致力于研究能夠在不同場(chǎng)景、低質(zhì)量下均能得到滿意效果的，具有高魯棒性的車(chē)牌識(shí)別關(guān)鍵算法，對(duì)車(chē)牌識(shí)別技術(shù)進(jìn)行了研究，具體包括以下幾個(gè)方

2、面。
　　1)車(chē)牌定位算法研究:結(jié)合國(guó)內(nèi)主流車(chē)牌樣式，提出了邊緣增強(qiáng)的基于規(guī)則式的車(chē)牌定位算法。算法通過(guò)邊緣特征點(diǎn)檢測(cè)，連通區(qū)域掃描，區(qū)域分析，實(shí)現(xiàn)了一種準(zhǔn)確定位車(chē)牌區(qū)域的算法。
　　2)車(chē)牌字符分割算法研究:針對(duì)傳統(tǒng)車(chē)牌字符分割難以解決低圖像質(zhì)量車(chē)牌，提出了混合車(chē)牌字符分割算法，結(jié)合了連通區(qū)域的車(chē)牌字符分割以及基于條件隨機(jī)場(chǎng)的字符分割。基于連通區(qū)域字符分割算法普適性強(qiáng)，對(duì)于低圖像質(zhì)量車(chē)牌也能取得較高字符分割率，但是無(wú)法解決

3、日益增多的車(chē)牌邊框與車(chē)牌字符相連接的車(chē)牌，因此提出了基于條件隨機(jī)場(chǎng)的車(chē)牌字符分割，該算法起輔助作用，這樣使得車(chē)牌字符分割準(zhǔn)率提高。
　　3)車(chē)牌字符識(shí)別算法研究:使用SVM分類(lèi)器，采用車(chē)牌字符的灰度圖像特征進(jìn)行識(shí)別，針對(duì)漢字、數(shù)字、字母分別訓(xùn)練模型，提高識(shí)別準(zhǔn)確率。
　　4)實(shí)現(xiàn)了一個(gè)完整的車(chē)牌識(shí)別系統(tǒng)，分別在兩個(gè)不同的數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)驗(yàn)證，最終取得了91.83％的車(chē)牌識(shí)別準(zhǔn)確率，高于業(yè)內(nèi)平均水平，說(shuō)明本系統(tǒng)魯棒性高，有著較