1．目的及意义

1.1 研究目的及意义

随着中国经济的飞速发展，当前社会正处在现代化进程的关键阶段，国内的汽车保有量急剧增加，随之而来的是日益严重的交通拥挤、堵塞现象以及频发的交通事故等，这些问题己经成为束缚国家进步和经济发展的顽症。日新月异的计算机科学技术对这些问题提出了新的解决方案，智能交通管理系统的理念应运而生。作为系统中的重要组成部分，车牌自动识别技术，在信息处理与自动控制中发挥着重要的作用。汽车牌照号码是车辆的唯一“身份”标识，牌照自动识别技术可以在汽车不作任何改动的情况下实现汽车“身份”的自动登记及验证，这项技术已经应用于公路收费、停车管理、称重系统、交通诱导、交通执法、公路稽查、车辆调度、车辆检测等各种场合。

车牌识别技术 (Vehicle License Plate Recognition，VLPR) 是指能够检测到受监控路面的车辆并自动提取车辆牌照信息（含汉字字符、英文字母、阿拉伯数字及号牌颜色）进行处理的技术。车牌自动识别技术的应用十分广泛。它以数字图像处理、模式识别、计算机视觉等技术为基础，对摄像机所拍摄的车辆图像或者视频序列进行分析，得到每一辆汽车唯一的车牌号码，从而完成识别过程。通过一些后续处理手段可以实现停车场收费管理，交通流量控制指标测量，车辆定位，汽车防盗，高速公路超速自动化监管、闯红灯电子警察、公路收费站等等功能。对于维护交通安全和城市治安，防止交通堵塞，实现交通自动化管理有着现实的意义。

车牌识别技术可以概括为由三个部分组成：车牌定位、字符分割与字符识别，该技术利用车辆的动态视频或静态图像进行牌照号码、牌照颜色等信息的自动识别。其硬件基础一般包括触发设备（监测车辆是否进入视野）、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机（如计算机）等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。

光学字符识别技术是目前交通系统中所采用的主流识别算法。但是传统的识别方法如最近邻算法、支持向量机、神经网络等，检测效果不尽如人意，往往不能达到高精度识别的要求，随着科技的发展和研究的不断深入，卷积神经网络（convolutional neural networks, CNNs）的出现为解决这个问题提供了可能，作为深度学习中最成功的模型之一，卷积神经网络已成为当前图像识别领域的研究热点。卷积神经网络可以直接从原始图像中识别视觉模式，它需要的预处理工作非常少，可以识别有变化的模式，具有对简单几何变形的鲁棒性。卷积神经网络较一般神经网络在图像处理方面具有如下优点:(1)输入图像和网络的拓扑结构能很好的吻合；(2)特征提取和模式分类同时进行；(3)权值共享可以减少网络的训练参数，使神经网络结构变得更简单，适应性更强。

此毕业设计的目的在于设计实现一套基于机器学习车牌号识别的智能交通管理系统。与传统方法相比，基于机器学习车牌识别的智能交通管理系统，避免了复杂的前期工作，减少了预处理工作量，同时还有效避免了人工提取特征的不足，提高率识别率和鲁棒性，适用于更多场景，如车牌无损，识别目标存在旋转、位移等情况，对智能交通系统的发展具有重要意义。

1.2 国内外研究现状

目前交通系统中所采用的主流识别算法为光学字符识别技术（Optical Character Recognition，OCR），指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；即，针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。如何除错或利用辅助信息提高识别正确率，是OCR最重要的课题，ICR（IntelligentCharacter Recognition）的名词也因此而产生。衡量一个OCR系统性能好坏的主要指标有：拒识率、误识率、识别速度、用户界面的友好性，产品的稳定性，易用性及可行性等。

随着飞速发展的计算机技术的加持，迁移学习理论在卷积神经网络上成功应用，卷积神经网络得到了进一步的扩展，由于该网络避免了对图像的复杂前期预处理，可以直接输入原始图像，因而得到了广泛的应用。

LeNet#8259;5是由 YannLecun 等提出的一种专门用于二维图像识别的卷积神经网络，该模型采用了基于梯度的反响传播算法对网络进行有监督的训练，该网络避免了人工提取特征依赖于主观意识的缺点，只需要将归一化大小的原始图像输入网络，该网络就可以直接从图像中识别视觉模式。LeNet#8259;5 把特征提取和识别结合起来，通过综合评价和学习，并在不断的反向传播过程中选择和优化这些特征，将特征提取变为一个自学习的过程，通过这种方法找到分类性能最优的特征。利用LeNet#8259;5模型来实现车牌自动识别技术是一种高效识别方法。{title}

2. 研究的基本内容与方案

{title}

2.1主要研究内容