摘 要

现如今的社会已经进入到了一个高速发展的信息化时代,随着计算机技术、网络技术及通信技术的日趋成熟,在信息自动化处理方面,其水平和能力也不断进行改善提高,图像识别技术就走进了人们视野当中，并且对其的重视度也越来越高。为了去进一步提高对车辆的管理效率,进而去缓解公路上的交通压力,希望可以去找到一种有效的解决方法,而就作为 “身份证”的汽车车牌，是我们在公众场合去进行车辆所属身份确认的唯一凭证，我们可以以此作为依据进行设计，开发出一种车牌识别系统来实现监控了解各个车辆具体的情况。

汽车牌照自动识别技术（AVI），从它诞生发展到至今，目前已经成为智能城市化交通系统的一个重要组成部分，它是基于采用OpenCV（计算机视觉处理）以及模式识别等技术，处理和分析车辆图像或摄像头拍摄的视频图像，进而去获取每辆车的车牌号码，完成整个识别过程。另外通过其他的一些后续处理技术，可以进一步去实现对高速公路收费、停车场的出入管理的管理等，去保持交通安全以及城市安全，对防止交通堵塞有着重要的意义。

本文所设计的车牌识别系统主要是基于OpenCV（计算机视觉库）进行图像处理，基于qt进行界面设计采用C 语言进行开发的，整个系统是采用CS即客户端/服务器端架构进行开发的，客户端主要完成了一些可视化界面的设计及点击事件的逻辑处理等情况，服务器端主要是对从客户端传过来的图像进行车牌的区域定位、字符分割、字符识别的逻辑处理。在服务器端使用垂直分割，水平分割和牌照大小归一化技术来定位预处理图像，通过OpenCV库中的边缘检测、膨胀处理等方法分割和保存已经定位好的牌照区域，进而采用字符分割算法对其进行字符切割，最后将切割好的字符保存为单个的字符图像，采用BP神经网络通过大量的车牌图片进行训练生成Ann判断模型，然后根据排序结果依次对这几个字符图像用训练好的Ann模型进行判断，从而完成字符的识别。

最后，我对本文所设计的车牌识别系统进行了实验验证，结果表明可以准确的完成对图像中车牌号码的识别。

关键词：图像识别 图像区域定位 BP神经网络

Abstract

Modern society has entered the information age. With the development of computer technology, communication technology, and computer network technology, the ability and level of automated information processing have been continuously improved, and image recognition technology as a source of information has received more and more attention. In order to improve the management efficiency of vehicles and alleviate the traffic pressure on highways, a solution must be found. The vehicle license plate that is the “ID card” of a car is the only document that can determine the car’s identity in public places. We can use this as the basis.Design a license plate recognition system to monitor the situation of each vehicle.

The AVI was born and developed into an important part of the modern intelligent transportation system. Based on computer vision processing, digital image processing and pattern recognition technologies, it processes and analyzes vehicle images or video images captured by cameras to obtain the license plate number of each vehicle, thereby completing the recognition process. It is of great significance to maintain traffic safety and urban safety and prevent traffic congestion.

The license plate recognition system designed in this paper is mainly based on OpenCV (Computer Vision Library) for image processing, and the interface design based on qt is developed in C language. The entire system is developed using CS or client/server architecture. Mainly completed the design of some visual interface and the logical processing of the click event. The server mainly deals with the localization, character segmentation, and character recognition logic processing of the license plate from the client. The server uses vertical segmentation, horizontal segmentation and platelet normalization techniques to locate the preprocessed image. The edge region detection and expansion processing in the OpenCV library is used to segment and save the already-positioned license plate area, and then the character segmentation algorithm is used. It carries out character cutting, finally saves the cut characters as a single character image, uses the BP neural network to train a large number of license plate images to generate a character template file, and uses the feature value matching algorithm to compare with the character templates, thereby completing the character Identification.

Finally, experiments on the license plate recognition system designed in this paper are carried out. The results show that the license plate number in the image can be accurately identified.

Key Words：image recognition image region location BP neural network

目 录

第1章 绪论 1

1.1 选题的背景和意义 1

1.1.1 车牌识别的目的 1

1.1.2 车牌识别的意义 1

1.2 国内外研究现状 2

1.3 本文主要研究内容 2

1.4 相关技术及开发环境介绍 3

1.4.1 OpenCV介绍 3

1.4.2 Qt介绍 4

第2章 系统分析与设计 6

2.1 系统模块概述 6

2.2 界面模块设计 7

2.2.1 界面模块功能设计 7

2.2.2 界面模块类图 8

2.2.3 界面模块接口设计 8

2.3 数据传输模块设计 9

2.3.1 数据传输模块功能设计 9

2.3.2 数据传输模块类图设计 9

2.3.3 数据传输模块接口设计 10

2.4 图像处理模块设计 10

2.4.1 图像处理模块功能设计 11

2.4.2 图像处理模块结构图 11

2.4.3 图像处理模块流程图 12

2.4.4 图像处理模块接口设计 13

2.5 查询模块设计 13

2.5.1 查询模块功能设计 13

2.5.2 查询模块接口设计 14

2.6 数据库模块设计 14

2.6.1 数据库模块类图设计 14

2.6.2 数据库概要设计 15

第3章 系统实现 17

3.1 系统客户端实现 17

3.2 车牌识别服务器端实现 18

3.2.1 车牌预处理 19

3.2.2 车牌图像定位 24

3.2.3 车牌字符分割 25

3.2.4 车牌的字符识别 27

第4章 成果展示 29

第5章 系统测试 33

5.1 测试方案 33

5.2 登陆模块测试 33

5.3 传送图片模块测试 33

5.4 车牌图片识别模块测试 34

5.5 查询模块测试 34

5.6 测试总结 35

第6章 总结与展望 36

6.1 总结 36

6.2 个人体会 37

致谢 38

参考文献 39

绪论

选题的背景和意义

车牌识别的目的

现如今的社会已经进入到了一个高速发展的信息化时代,随着计算机技术、网络技术及通信技术的日趋成熟,在信息自动化处理方面，其水平和能力也不断进行改善提高，并且应用渗透到了我们所生活的各个领域，因此，图像识别技术越来越受到我们的青睐。另外随着ITS智能交通技术和城市道路监控技术的融合发展，“电子警察”已经成为一种缓解交通紧张、降低交通隐患和事故的方式，是体现出科技强警的一项重要的举措，可以有效地抑制由于人为违章而引起的一些交通事故。

为了去进一步提高对车辆的管理效率,进而去缓解公路上的交通压力,希望可以去找到一种有效的解决方法，而就作为 “身份证”的汽车车牌，是我们在公众场合去进行车辆所属身份确认的唯一凭证，我们可以以此作为依据进行设计，开发出一种车牌识别系统来实现监控了解各个车辆具体的情况。我国的交通管理部门对车辆车牌的管理有着严格的管理法规，对车牌的制作、安装等流程都由特定的部门对其进行统一地管理，在此基础之上，如果能够研制出来一种可在公众场合准确迅速地对车辆牌照进行自动定位识别的系统(CPR)，那这将是一件特别有意义的工作。

车牌识别的意义

汽汽车牌照的识别技术是整个车辆检测系统中一个重要的环节，它在交通监视跟控制中占有及其重要的地位, 这种识别技术有着多种的应用,例如自动收费系统、特殊部门车辆的出入控制、停车场车辆管理等等。同时，车辆牌照识别的方法应用领域非常广泛，可以将其应用到其他知识的检测和识别当中去，因此汽车牌照的识别问题目前已经成为一个研究的重点和热点问题之一。

先进、精确的计算机处理技术，不仅仅可以使人力从复杂繁琐的观察和检测中解放出来，而且可以大大提高其准确性，汽车牌照识别系统九是在这样的背景下发展起来的。车牌自动识别系统（VLPRS）是对高速公路上摄像机拍摄到的照片进行数字图像分析处理的一种方法。数学形态学方法和大量图像处理的最新结果被用来平滑、二值化、模糊处理、边缘检测和图像分割。开放式操作、封闭式操作、区域标识等提取车牌区域的方法，进而实现车牌的精确定位和车辆牌照的识别。

国内外研究现状

早在上世纪60年代末和70年代初，外国科学家就研究了车辆的自动识别。由于当时技术发展不足，他们使用彩色条形码、磁感应、照相机、摄影、声表面波等技术来实现车辆的自动识别。然而，由于复杂的环境，技术受限，就没有解决掉系统识别精度不高的问题，另外其抗干扰能力也比较差，因此没有得到广泛的应用。在上世纪80年代，随着计算机技术和微波技术的飞速发展，许多国外公司都致力于利用微博反射调制技术来实现汽车自动识别研究。由于该技术抗干扰能力强，识别精度高，因此得到了广泛的应用。

目前，我国的车牌识别系统在PC端采用了一些深度学习的学习方法，在头端采用的是一些传统的识别方法。随着深度学习专用芯片的研发不断深入，应该在不久之后就会有很多深度学习的方法应用到头端的产品当中去。因为我们国家车牌的规则比较复杂，就传统方法而言其局限性就比较大，因此就很难像国外一样做到通用。在一些特殊的场景当中，如透视变换、低照度的模糊识别当中，我国的车牌识别率还比较低，有待对其进一步改善提高。无论是传统的方法还是深度学习的方法，一些常用的模块化技术仍有较大的改进空间和研究价值，如在运动检测、车牌定位、透视变换校正、多帧融合输出等方面。传统的字符分割和字符识别仍有较大的改进空间。

车辆牌照的定位与识别是模式识别技术与计算机视觉在智能交通领域方面所应用的重要方向，就悬挂位置而言，我国地区与地区之间也有差异，表现不唯一，另外由于受到道路、环境或人为因素造成的车牌污染这些因素的影响，很难使用任何单一的识别技术对其进行识别检测。汽车牌照的智能识别系统目前正在研制当中，它综合采用了车辆检测技术、图像处理技术、计算机视觉技术、人工神经网络技术等多种技术，综合来看，它是一种比较有前途的车牌识别系统。

本文主要研究内容

本文所设计的车牌识别系统主要是基于OpenCV（计算机视觉库）进行图像处理，基于Qt进行界面设计采用C 语言进行开发的，整个系统是采用CS即客户端/服务器端架构进行开发的，客户端主要完成了一些可视化界面的设计及点击事件的逻辑处理等情况，服务器端主要是对从客户端传过来的图像进行车牌的区域定位、字符分割、字符识别的逻辑处理。在服务器端使用垂直分割，水平分割和牌照大小归一化技术来定位预处理图像，通过OpenCV库中的边缘检测、膨胀处理等方法分割和保存已经定位好的牌照区域，进而采用字符分割算法对其进行字符切割，最后将切割好的字符保存为单个的字符图像，采用BP神经网络通过大量的车牌图片进行训练生成字符模板文件，使用特征值匹配算法与字符模板进行比对，从而完成字符的识别。

具体实现的功能点如下：

发送端：

（1）在发送端向服务器发送连接请求，连接成功后，可以实现指定图像文件的发送接收

（2）用户可以实现在指定文件夹中选取所要传送的车牌图像。

（3）可以实现用户的登陆验证。

接收端：

（1）接收端可以成功接受到所发送过来的图像并将其成功保存在指定文件夹当中。

（2）接收端可以对接收到的图像进行检测、分割、识别并反馈车牌结果

（3）接收端可将成功识别的结果保存在所建立的数据库中。

（4）接收端可以对记录进行增删改查，并且能获取到与之相关联的信息。

（5）接收端对不能自动识别的图片采取人工识别的方法将其录入保存到数据库中，然后进行车牌识别信息的验证。

（6）接收端可以实现系统数据库管理员的登陆验证

相关技术及开发环境介绍

项目相关理论基础：OpenCV图像处理 OpenCV深度学习 Qt图形界面设计 C 服务的实现 C 多线程技术 C 数据库的应用

项目开发方法：增量迭代

开发工具：Qt5.6 opencv2.4 CMake Mysql

开发环境：Win10

OpenCV介绍

OpenCV(Open Source Computer Vision Library)，是一个开源跨平台的计算机视觉库，它是由Intel公司在1999年的时候所建立的，如今由Willow Garage对其提供技术支持。OpenCV是一种轻量级的代码仓库，针对于视觉处理，是一种高效的算法，它由一系列C、C 函数所组成，另外还提供了其它多种的语言移植方式，包括：PythoRuby、Python 、Matlab等。

OpenCV的结构主要由6个模块组成，即Cv模块、CvAux模块、CvCAM模块、ML模块、HighGui模块和CvCore模块。其中在本系统当中使用了Cv模块（图像处理和视觉算法）、HighGui模块（图像视频输入输出）、CvCore模块（基本数据结构与核心功能）、ML模块（统计分类器），如图1.1所示：

图1.1 OpenCV结构图

模块具体介绍：

1. Cv模块，可称之为图像处理和视觉算法模块，它是OpenCV库中最核心的模块，其中包含了许多图像处理的算法和功能，这些算法和功能主要包括模式识别、图像处理等，它主要用于视觉和图像处理的算法当中。
2. ML模块，也叫做统计分类模块，它被称之为计算机学习库，里面包含了一些统计分类和聚类的工具。
3. HighGui模块，也可称之为图像视频输入输出模块，这个库相对于其他库而言，是唯一一个具有图形界面的模块，详细来说，它提供了视频跟图像数据可以跟用户实现相互交互的功能，因此可通过这个模块里面的函数，去进行视频图像的处理以及显示。
4. CvCore模块，可称作是基本数据结构模块，它是所有其他模块的基础，在整个openCV库当中，这个模块是最基本的模块，其中定义了几乎所有要用到的数据结构及类型，此外还包括实现了数据的基本运算和一些基础的算法。

Qt介绍

就Qt本身而言,它是一个跨平台的C 应用程序的开发框架,尤其在GUI程序的开发中应用的比较广泛，它也被称为组件工具箱。除此之外，它还可以用于一些非GUI程序的开发,比如控制台工具和服务器的开发。Qt可以使用标准的C 语言和一些特殊的代码去生成一些宏以及扩展(称为元对象编译器),它可以通过语言绑定的方式在一些其他编程语言中进行使用。QT是一款免费的开源软件,在GNU广域通用公共许可证(LGPL)下进行发布的,它所有的版本基本都支持各种编译器。

经过这么多年的发展，QT不仅有相对来说较为完善的C 图形库，另外在近几年的新版本当中，逐渐集成加入了XML库、多媒体库、webkit、OpenGL库、脚本库等等，另外，在核心库当中，加入了进程之间的通信以及多线程模块，大大提高了其开放性的程度。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：