论文总字数：57830字

摘 要

车牌识别作是交通系统管理的一个重要组成部分。车牌识别主要由图像车牌定位截取、车牌图像预处理和车牌字符识别三个部分组成。本文车牌定位部分运用图像彩色信息定位的方法。预处理部分将从截取出的彩色车牌图像，通过图像灰度化处理，二值化处理，再经过图像分割，得出车牌单个字符的图像。在车字符的识别方面，运用一种基于深度学习卷积神经网络的车牌识别技术。最后给出识别算法，并进行了测试。测试结果表明通过该方案进行的车牌识别在识别率和实用方面都具有一定的价值。

关键词：车牌识别 图像预处理 车牌定位 卷积神经网络

Abstract

License plate recognition is an important part of traffic system management.License plate recognition mainly consists of three parts: image license plate location interception, license plate image preprocessing and license plate character recognition.This paper USES the method of image color information to locate the license plate.The preprocessing part will extract the color license plate image from the image, through image grayscale processing, binarization processing, and image segmentation, obtain the license plate single character image.In the aspect of car character recognition, a vehicle license plate recognition technology based on deep learning convolutional neural network is applied.Finally, the recognition algorithm is given and tested.The test results show that the license plate recognition by this scheme has certain value in recognition rate and practicality.

Key Words: License plate recognition; Image preprocessing; License plate location; Convolutional Neural Network

目 录

摘要…………………………………………………………………………………I

ABSTRACT………………………………………………………………………II

第一章 引言………………………………………………………………………1

1.1 课题来源及意义……………………………………………………………1

1.2 课题背景……………………………………………………………………1

1.3 车牌识别算法设计思路……………………………………………………2

第二章 车牌识别算法…………………………………………………………3

2.1车牌截取……………………………………………………………………3

2.2 图像预处理…………………………………………………………………4

2.2.1 灰度变换………………………………………………………………4

2.2.2 倾斜修正………………………………………………………………4

2.2.3 灰度图像二值化………………………………………………………5

2.2.4 字符分割………………………………………………………………6

2.3 字符识别……………………………………………………………………6

2.3.1 神经网络………………………………………………………………7

2.3.2 卷积神经网络…………………………………………………………8

结语………………………………………………………………………………11

致谢………………………………………………………………………………12

参考文献…………………………………………………………………………13

附录………………………………………………………………………………14

第一章 引言

1.1 课题来源和意义

图像处理与识别技术是一门集合多门学科的前沿科技，在军事、机器人视觉、遥感、气象、文件处理、海洋、工业检测、生物医学、农业、金融公安、地质等等领域都有着重要的应用。

人类传主要依靠语言、文字和图像三个渠道传递信息。其中从信息论的角度分析，“图像”包含的信息量是最多的，不仅有色彩和灰度，其内容也非常丰富。人们在图像识别的过程中，首先提取图像颜色和外形的特征，并进行判断和比较分析，然后加以分类，也就是对图像的识别^[1]。图像的色彩与灰度是因为不同波长和光强的光波而引起的，与其表面的材料属性，还有不同光线的环境和外界干扰等等因素所共同决定。当处于恶劣的环境中时，景物与图像会残剩较大差别。这样的情况下对图像进行分类和识别，则需要经过一系列的处理过程。如今，这些过程完全可以通过计算机技术来完成，通过处理图像信息实现对图像的识别。车牌识别就是图像处理和识别技术其中一个广泛的应用。

随着我国经济的迅速发展，高速公路和机动车辆不断增多。截至2018年6月底，全国机动车保有量达3.19亿辆，道路日益拥堵，尤其是大型和特大型城市，给人民工作、出行和生活都带来了不便。交通拥堵不仅造成车主的时间浪费和经济损失，而且加大了能源消耗和环境污染。李凡奇认为，利用现在科学技术特备是信息技术解决交通和管理问题就十分重要。而汽车牌照识别技术在这其中占据着重要的作用。汽车牌照识别技术在交通管理上具有广泛的应用，例如高速公路收费管理、超速违章自动拍照、停车场管理、小区进出车辆管理、交通执法等^[2][4]都离不开车牌识别技术。传统的识别方法如统计模式法，虽然算法成熟，但是涉及到整体效果时却难以表达出来．为处理车辆车牌识别方面的问题，本文采用了基于深度学习神经网络算法进行研究。

1.2 课题背景

人们对汽车车牌自动识别技术的研究可以追述到上个世纪90年代初，其主要过程就是读入车牌图像后，能够自动获取车牌信息进而识别出车牌信息。有人将模糊数学理论运用到车牌识别中来，但是这是很困难的，外部环境的变化，例如空中灰尘较大、各种光线环境的改变及车牌本身出现磨损等种种情况，都会对图像识别带来很大的困难。国外的相关研究当中，J Barroso提出基于扫描的行高频分析的方法^[3][2]；I.T. Lancaster提出的类字符分析的方法等^[4][2]，都是为了解决多变恶劣的环境对图像识别带来的影响。目前，国内为了能够获取高质量的图像信息，提高图像识别的准确率，借助了主动红外照明摄像和特殊传感器等硬件设备，但是这样的系统，随着识别应用范围的加宽，设备数量的增加，需要投资的成本非常巨大，并不适用大面积推广。目前国内最主要使用的产品是一款汉王公司的“汉王眼”，汉王眼是由中科学院自动化研究开发的。另外国内的清华大学等众多高校也做出了一系列的研究，亚洲视觉科技有限公司等也开发出了自己的产品。然而为了提高识别率，都采用了其他辅助、硬件的探测设备来削弱外部环境对图像的影响。其中汉王公司的汉王眼为了降低例如汽车前后灯等可见光、各种恶劣气候造成的影响，也使用了主动红外照明技术以及光学滤波器。但是，设备需要高速公路管理窗口架设两条线路管道到汉王眼识别点，分别为交流供电线管道和触发信号的专用通讯线路，这使得成本非常巨大，并不适用于大面积的运用。

另外，在车牌的识别还有两种特别的科技手段，一种是条形码识别技术。需要在车身上喷上条形码，通过安装在路口的扫描设备，可以在车辆经过时读取条形码，来实现对车牌的识别。另一种是无线射频技术。需要接受安装在车内标识卡发出的信号，从而可以识别车辆。但是很明显这两项技术对外部设备依靠性强，且有人为干扰的可能性，推广性不会太大^[5][3]。

请支付后下载全文，论文总字数：57830字