论文总字数：16332字

摘 要

进步和发展已经是我国经济社会和国民经济水平的常态,每家每户都有汽车，甚至不止一辆。汽车牌照自动识别开始越来越受到关注，也是智能交通应用领域需要重点开发的课题。汽车牌照的自动识别也涉及了很多领域，包括图像处理领域、机器智能领域、识别模式领域、控制自动化领域等。因此，车牌的自动识别技术的学习和研究越发重要。

本文基于python语言，用到了Pytorch来进行车牌的检测，用到了MTCNN和LPRNet的算法，MTCNN是一个常用的目标识别的神经网络模型，最多用于人脸识别，在这里我作了作了修改，把目标定位变成了车牌。LPRNet是另一种轻量级卷积神经网络，用于识别模糊的图片或文字，用到的训练方式是end-to-end。该网络以其优越的性能和较低的计算成本而不需要初步的字符分割。在这项工作中嵌入了Spatial Transformer Layer（空间变换层 LocNet），以便有更好的识别特性。

关键词：车牌识别；python；Pytorch；MTCNN；LPRNet

License plate recognition based on Python

Abstract

Progress and development is the norm in China's economic and social and national economic level, every household has a car, or even more than one. Car license plate automatic recognition began more and more attention, also is the important hot topic in the field of intelligent transportation applications. Car license plate automatic recognition also covered many areas, including the field of image processing, machine intelligence, recognize patterns and control automation, etc. And application field widely, autopilot, medical judgment, target control, intelligent traffic, etc are used to this skill. Therefore, license plate automatic recognition technology of study and research more important.

In this paper, based on the python language, use the Pytorch for license plate detection, use the MTCNN and LPRNet algorithm, MTCNN is a commonly used neural network model of target recognition, the most used for face recognition. Modified for license plate detection. LPRNet is another kind of lightweight convolution neural network, is used to identify the fuzzy pictures or text, use the way of training is end to end. The network with its superior performance and low cost without the need for a preliminary character segmentation. Embedded in this work the Spatial Transformer Layer (Layer space transform LocNet), in order to have a better recognition feature.

Key words: license plate recognition, python, Pytorch MTCNN, LPRNet

目 录

摘 要 I

Abstract II

第一章 引言 1

1.1 研究目的及意义 1

1.2 国内外发展现状 1

1.3 本课题主要工作 2

第二章 相关技术简介 3

2.1 python简介 3

2.2 车牌识别简介 3

2.2.1 车牌定位MTCNN 3

2.2.2 基于深层神经网络的车牌识别LPRNet 6

2.2.3 CCPD数据集 9

2.3 PyTorch简介 10

2.3.1 PyTouch发展 10

2.3.2 PyTouch优点 11

2.3.3 PyTouch基础环境 11

第三章 系统分析 12

3.1可行性分析 12

3.1.1 技术可行性 12

3.1.2 经济可行性 12

3.1.3 社会可行性 12

3.2功能需求分析 13

3.3 性能需求分析 13

第四章 系统设计与实现 14

4.1 设计目标及原则 14

4.2系统流程设计 14

4.2.1 系统开发流程 14

4.2.2 系统识别流程 15

4.2.3 界面效果 16

第五章 系统测试 18

5.1测试环境与条件 18

5.3可用性测试 18

5.4测试用例 19

5.5测试结果分析 19

第六章 结束语 20

致 谢 21

参考文献 22

第一章 引言

1.1 研究目的及意义

智能化的机动车牌识别系统主要技术是一种利用一台电脑对一辆车牌号码信息进行图像识别和自动计算作为其技术基础,它主要是一种利用汽车电子牌照视频、图像识别等信息技术在民用汽车机动车辆电子牌照图像识别系统中的一种新型技术应用,即从一辆汽车的电子图像识别信息中自动提取和计算识别出的车牌号码。通过利用数字化汽车摄像机自动识别拍摄实现汽车在高速道路上正常高速行驶时的一辆车牌号码自动图像,可以直接进行对一辆车牌号码的自动识别,过程主要内容包括:对行驶车辆的自动检测--进行图像数据采集--信号预处理--实现车牌的准确定位--进行字符识别分割--字符识别分析-及对结果的计算输出,现已被广泛应用于公共车辆停车场、高速公道路口、收费站和通道等各个公共场所。

传统的牌照识别基本上都是人工的方式,不仅效率低而且准确率也无法保障。为了有效解决这一复杂问题,一些模式识别计算方法,诸如基于支持值的向量机,k最近邻等一些新型机器深度学习模型算法等被广泛引入了应用进来,然而,随着我国新一轮移动大数据应用时代的进一步深入到来,这些新型和基于传统的模式分类识别算法已经逐渐开始让人显得力不从心,比如在特征提取方面越来越难选取,再比如模型训练方面,时间越来越长。随着计算机深度学习的发展,人工神经网络模型被越来越多的学者提出来,逐渐崭露头角。凭借着对几何、形变、光照等外部条件有很强的鲁棒性,所以被经常应用到图像领域。其主要特点体现在三个方面,首先,不需要对图像进行预处理操作。其次,对图像的特征提取及识别,可以一起进行。最后,其权值可以进行共享,不仅较少了训练的参数数量,而且训练的速度更快,适应性也变的更强。

剩余内容已隐藏，请支付后下载全文，论文总字数：16332字