汽车牌照识别系统学士学位论文.docx

汽车牌照识别系统学士学位论文.docx

《汽车牌照识别系统学士学位论文.docx》由会员分享，可在线阅读，更多相关《汽车牌照识别系统学士学位论文.docx（40页珍藏版）》请在冰豆网上搜索。

汽车牌照识别系统学士学位论文

中文摘要

随着城市交通管理现代化水平的提高，建立在车辆牌照识别基础上的交通信号自适应控制系统、智能交通监控系统、GPS车辆管理及导航系统、智能化交通管理系统应运而生。

由于汽车牌照是机动车辆管理的主要标志符号之一，因此对车辆牌照识别系统的研究就尤为重要，该研究的核心是提高车牌识别准确性，这就需要识别算法能够对环境光照条件，拍摄位置和车辆行驶速度等因素的影响有较大的鲁棒性，并能够满足实时性的要求。

本文设计的主要内容包括：

运用MATLAB仿真软件对后台图像进行高速，准确的处理。

主要工作是利用BP神经网络算法对牌照的字符识别进行了研究。

在牌照的定位之前，本文首先运用不同于当下传统的方法，而是结合当前比较热门的BP神经网络来对图像进行预处理，得到了比较突出的牌照信息。

然后结合牌照自身的一些固有特征，用形态学的方法进行了车牌区域的准确定位；对定位得到的车牌，再次结合牌照内部细节特征，对车牌进行投影，从而得到了车牌较为完整的分割;最后在车牌字符识别阶段，以现今比较流行的神经网络为理论基础，在原有的神经网络算法基础上进行有效改进。

仿真结果表明本算法在车牌识别中具有明显的优势。

本文研究内容的创新性体现在以下三个方面：

（1）车牌定位阶段，采用一个改进的自适应PCNN神经网络对图像进行预处理可以得到一个细节丰富，边缘完整的二值图像，随后基于牌照固有特征，结合一种新的形态学方法，可以得到多个车牌候选区域：

（2）车牌字符分割阶段，为了满足算法实时性的要求，对畸变车牌进行预处理时，采用字符的行特征来描述本文的倾斜校正算法，之后，基于改进的投影特征图对字符图像分割；（3）字符识别阶段，为了提高算法的准确性，采用改进的BP神经网络。

关键词：

数字图像处理车牌识别字符识别神经网络

AnArithmeticResearchBasedOnNeuralNetworkforCarLicensePlateRecognition

Abstract

Withtherapiddevelopmentofdomestictrafficmanagement,thesesystemsthatarebasedonthelicenseplaterecognitionappearedattherightmoment,suchasthetrafficsignalautomationmanagementsystem,intelligenttrafficmonitorsystem,GPS,automationparkingtollsystem,andintelligencetrafficsystem,.Becauselicenseplateisaimportantpartofvehiclemanagementsystem,sotheresearchoflicenseplatesystemisparticularlyimportant.Thecoreofarithmeticoflicenseplatesystemishowtoimprovetherecognition,soitrequiresrecognitionalgorithmhasgreatrobustnessfortheimpactoflightconditionsoftheenvironmentandtakenthepositionandvehiclespeeditalsocansatisfythetimelyrequirement.

Inthispaper,myworkisfocusedontheimageprocessingbasedonMATLABemulator.Threeproblemswereanalyzed,whicharelicenselocating,segmentationandcharacterrecognition.Beforelicenselocating,artificialneuralnetwork（ANN）isadoptedtohandletheimage,thentheinformationoflicenseplateisobtainedinevidence.Tolocatethelicenseplate,theinherentfeaturesoflicenseplatebeingused,andthenusemathematicalmorphologytolocatethelicenseplateaccurately;Accordingtotheinsidefeaturesoflocatinglicenseplate,theplate-areaispopoutbyprojectthelicenseplate;Thelaststepischaractersrecognition,ANNisthekeytoolinrecognition.Animprovedneuralnetworkisdesignedtosegmentthecharacters.Thewholelicenseplaterecognitionisachievedthroughthosesteps.Theresultofemulatorprovesthatmyarithmeticwouldbeabletoimprovetherateofrecognition,effectively.

Myworkhasthreeinnovations.Firstly,AnimprovedandautomaticPCNNneuralnetworkisusedtodisposetheimage,andAbinaryimageisgained,whichhasanabundantdetails,intactedges,thenTgetlotsofcandidateareasoflicenseplate,basedontheinsidefeaturesoflicenseplateandanewmathematicsmorphology.Secondly,whenthechangeimageishandled,anarithmeticbasedonthelinefeaturesofcharactersisused,andthensegmenttheimageofcharactersbasedonimprovedprojectfeatures.Thirdly,IimproveonBPneuralnetworktoimprovetherateofrecognition.

KEYWORDS:

DigitalImageProcessingLicensePlateRecognitionCharacterRecognitionNeuralNetwork.

目录

第一章绪论1

1.1选题的背景和意义1

1.2车牌识别的技术研究2

1.3本文研究的内容5

第二章车牌预处理及定位与分割算法研究7

2.1图像预处理7

2.2车牌定位算法介绍11

第三章汽车牌照字符分割方法研究12

3.1车牌字符的一般特征分析12

3.2字符分割方法研究12

3.3基于垂直投影和优割字符分割方法14

3.4实验结果及分析18

第四章汽车牌照字符分割20

4.1车牌图像倾斜的纠正20

4.2基于投影图的字符图像的分割24

4.3字符的归一化27

第五章汽车牌照的字符识别30

5.1车牌字符特征提取30

5.2基于BP神经网络的字符识别31

5.3本文的BP网络结构42

总结43

参考文献44

附录46

致谢47

第一章绪论

20世纪90年代以来，伴随着我国经济的快速腾飞，国民经济的高速发展，机动车辆规模及数量大幅度增加，与此同时，公路上违章违规的车辆也屡见不鲜，由此造成的交通事故、环境污染屡见不鲜，鉴于此，城市交通管理现代化水平的提高势在必行，迫切需要采用高科技手段来实时监控和检测路上行驶的车辆，以加强交通管理水平。

针对这种情况，管理部门已经着手进行诸如交通信号自适应控制系统、智能交通监控系统、GPS车辆管理及导航系统、停车场自动收费系统、汽车牌照自动识别等智能化交通管理系统的研制。

由于汽车牌照是机动车辆管理的主要标志符号之一，因此车辆牌照识别系统的研究就显得愈加重要。

该系统的应用要求对车牌正确识别具有较高的识别率。

这就需要该系统能够对环境光照条件，拍摄位置和车辆行驶速度等因素的影响有较大的鲁棒性，并能够满足实时性的要求。

1.1选题的背景和意义

鉴于交通管理的现状，智能交通系统（IntelligentTransportationSystems，ITSs）的研究正在如火如荼的开展，目前的研究表明：

ITSs可以帮助提高交通管理的机动性和交通安全，通过使用这些先进的技术，也提高了交通管理的效率。

ITSS由16种基础技术知识系统构成[l]，这些系统又被分为：

智能基础设施系统和智能车辆系统。

LPR技术隶属于于智能交通系统，也是车辆自动识别技术（automaticvehicleidentification，AVL）的重要组成部分，它在现代交通监管及管理中发挥着越来越大的作用。

LPR被认为是智能基础设施系统的核心构成，例如电子收费系统（收费站，负费停车场），高速公路，和交通监管上的人工管理系统。

此外，由于日益增长的安全需求，使得车辆识别技术变得极为重要，为了监控身份未知的车辆进入一些隐私领域，上述提到的系统也可被用于车辆进出控制系统。

LPR的任务是处理、分析摄取的汽车图像，用以自动识别汽车牌号。

在不影响汽车状态的情况下，大部分LPR系统的工作由计算机自动完成，从而可降低工作复杂度。

已有的LPR技术或多或少都还存在某些缺陷，尤其是在实时性和识别率方面不够成熟。

本文的研究是希望通过算法深入探讨，建立基于算法的实际系统，在固定的交通路口或收费站口，配合已安装的视频监视系统，在接收视频的后台实时的对前方或后方运行的汽车进行车辆牌照检查。

当发现违章车辆闯关或排放大量污物、灰尘时，通过采集该汽车的静态视频图片，并将其资料纳入后台处理，实现实时的车辆信息管理，从而既达到了省时、省力的效果，提高了交通管理的现代化、智能化水平，又减轻交通管理、环境监护部门的压力。

因此，本课题的研究对于提高城市交通管理水平，维护城市环境清洁，加快交通管理，环境保护现代化步伐具有很重要的实际使用价值。

1.2车牌识别的技术研究

一个LPR系统通常包括前端视频采集设备，照明设备，基于DSP的硬件图像处理平台，终端计算机系统，识别软件，后台数据LPR系统中，外围摄像系统把采集到的视频信息，经由一个高速的网络传输系统，把图像交由后台的视频图像处理平台进行处理，处理的结果根据实际需要与终端平台，数据库，或其它输入输出外设进行互连。

在整个系统中，核心的部分是基于软件算法实现的图像处理模块。

硬件参考图如图1-1：

图1-1汽车牌照识别系统硬件构成

根据图1-1，车牌自动识别的算法主要分成三个步骤: