全文总字数：1945字

1. 研究目的与意义及国内外研究现状

21世纪智能交通管理系统是道路交通管理的发展趋势，汽车数量的飞速增长为智能交通管理系统进入实际应用领域提供了机会。为了提高效率，节省资源，把人从繁琐的重复工作中解放出来，需要实现车辆信息管理的自动化、科学化和规范化，车牌自动识别系统的开发与应用已经是大势所趋。车牌自动识别系统可以用在各类车辆管理场所，应用前景广泛。车牌自动识别系统的推广及普及，必将提升道路交通管理水平，从而降低交通事故和车辆被盗案件的发生率，这对保障社会稳定等各方面具有重大而深远的意义。 通过本次设计可以让我对图像处理的原理和应用更加了解，同时可以更加深入地理解并掌握BP神经网络的思想和方法，让我能够把书面知识融入到实际应用之中，积累动手实践的经验。

国内外研究现状

进入20世纪 90 年代后，车牌自动识别的系统化研究开始起步。典型的如A.S.Johnson等提出的车辆牌照自动识别系统分图像分割（Image Segment）、特征提取（Feature Extraction）和模板构造（Template Formation）、字符识别（Character Recognition）三个部分，完成车牌的自动识别。R.A.Lotufo 使用视觉字符识别技术（Optical Character Recognition Technology）分析所获得的图像，首先在二值化图像中找到车牌，然后用边界跟踪技术提取字符特征，再利用统计最邻近分类器（Statistical Nearest Neighbor Classifying System）与字符库中的字符比较，得出一个或几个车牌候选号码，再对这些号码进行核实检查，确定是否为该车牌号码，最终确定车牌号码。 国内也有多家单位在进行这方面的研究，北京弗雷德科技有限公司、亚洲视觉科技有限公司、中科院沈阳自动化所的沈阳聚德公司、深圳市科安信实业有限公司、中国信息产业部下属的中智交通电子有限公司等也都有自己的产品。各个大学也有自己的研究，如西北工业大学开发了一套基于 OCR 的车辆号牌的识别系统；西安交通大学有基于视频的车辆号牌的识别系统；浙江大学人工智能研究所也推出了一套车辆号牌的识别系统，据报道其号牌定位正确率为94%；上海交通大学叶晨周研制的车辆号牌的识别系统，据报道汉字、数字和字母的识别率都大于96%，车辆号牌的识别率为82%；同济大学关于车辆号牌自动定位分割算法的成功率据报道为90%。

2. 研究的基本内容

一、了解课题研究的背景与意义、国内外研究现状、我国车牌的特点。二、掌握图像处理、车牌定位、字符分割、字符识别和BP神经网络的相关基本知识和方法。三、设计基于BP神经网络算法的车牌自动识别系统并使用Matlab进行仿真。四、对识别系统和仿真结果进行分析、调整和完善。

3. 实施方案、进度安排及预期效果

实施方案：一、去图书馆或网络上查阅相关的资料，了解该项目的研究价值。二、通过查阅的资料确定研究方向及研究的可行性。三、学习基于BP神经网络算法的车牌自动识别的原理，了解系统如何工作与运行。四、设计系统结构，明确系统各个模块采用的方法和技术关键。五、编写仿真程序，并进行调试与修改，完善系统。六、最后，将各个阶段的过程记录整合，完成论文的写作。进度安排：2017.10.15-2017.12.31决定课题和资料收集。2018.01.01-2018.02.28确定设计方案和技术关键，完成系统设计，提交初稿。2018.03.01-2018.04.10编写和调试仿真程序，修改初稿。2018.04.11-2018.05.20修改和完善论文，准备毕业论文答辩。预期效果：车辆号牌自动定位分割算法的成功率达到90%以上；汉字、数字和字母的识别率达到95%以上；

车辆号牌的整体识别率达到94%以上。

4. 参考文献

[1] 高聪、王福龙. 基于模板匹配和局部HOG特征的车牌识别算法[J]. 计算机系统应用，(1)：122-128，2017.[2] 冯宇平、安雪美、孔祥茂、李树光. 基于视频流的车牌识别研究及系统设计[J]. 工业仪表与自动化装置，(1)：32-36，2017.[3] 徐园园、吴生鑫、谭畅、黄嘉煜、刘东飞、张旭. 基于模板匹配和神经网络车牌识别技术的研究[J]. 哈尔滨商业大学学报（自然科学版），33(1)：89-93，2017.[4] 鹿琛、王姗珊. 基于BP神经网络的车牌字符识别方法[J]. 山东农业大学学报（自然科学版），48(1)：113-116，2017.