復(fù)雜場景下的車牌檢測算法研究及其工程實(shí)現(xiàn).pdf_第1頁
已閱讀1頁,還剩72頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、車牌識別系統(tǒng)(LPR)是智能交通的重要組成部分,在現(xiàn)代交通管理、社會治安等方面發(fā)揮著重要作用,有著廣泛的應(yīng)用前景。車牌檢測是車牌識別系統(tǒng)的關(guān)鍵技術(shù)之一。隨著車牌識別系統(tǒng)的廣泛使用,過去在受控環(huán)境和簡單場景下的車牌檢測算法已經(jīng)不能滿足當(dāng)前的需要。因此,在復(fù)雜場景和成像條件情況下的車牌檢測逐漸成為當(dāng)前研究的熱點(diǎn)。 本文對復(fù)雜場景和成像條件下的車牌檢測算法進(jìn)行了研究,主要完成了以下工作。 首先,本文實(shí)現(xiàn)并改進(jìn)了一種啟發(fā)式的車牌

2、檢測算法。該算法根據(jù)車牌區(qū)域垂直邊緣豐富的特點(diǎn),提取圖像中的垂直邊緣,并通過連接邊緣,獲得車牌候選區(qū)域。最后根據(jù)車牌的幾何、邊緣分布以及顏色等特征對候選區(qū)域進(jìn)行篩選得到車牌區(qū)域。 其次,本文實(shí)現(xiàn)了一種基于Adaboost機(jī)器學(xué)習(xí)算法的車牌檢測算法。在該算法中,定義了一種表征局部灰度與全局灰度比例的矩形特征,使用CS-Adaboost算法訓(xùn)練了一個由85個特征組成的級聯(lián)分類器,并由此實(shí)現(xiàn)了一種車牌檢測算法。以上兩種算法都在PC平臺

3、上編程實(shí)現(xiàn),并且在一個583張圖像組成的測試集上進(jìn)行了實(shí)驗(yàn),給出了結(jié)果和性能分析。 此外,圖像中的傾斜車牌不利于后續(xù)的字符分割等操作。針對該問題,本文實(shí)現(xiàn)了一種基于“跨欄模型”和“窄孔透射模型”的傾斜車牌矯正算法,給出了實(shí)驗(yàn)結(jié)果。 最后,本文將啟發(fā)式車牌檢測算法移植到了DSP平臺上,構(gòu)建了一個車牌檢測系統(tǒng),可以在CIF格式的圖像上達(dá)到10f/s的檢測速度。文中介紹了算法在DSP平臺上的移植和優(yōu)化過程,并給出了實(shí)驗(yàn)結(jié)果。

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論