车牌识别系统关键技术的研究.pdf

发布时间：2022-05-31 发布人：admin 分类：说明书资料大小：4.62M 资料格式：pdf 举报版权申诉

hobbitdream-10552559-4744302543317988640.pdf-第1页.png

第1页 / 共62页

hobbitdream-10552559-4744302543317988640.pdf-第2页.png

第2页 / 共62页

hobbitdream-10552559-4744302543317988640.pdf-第3页.png

第3页 / 共62页

hobbitdream-10552559-4744302543317988640.pdf-第4页.png

第4页 / 共62页

hobbitdream-10552559-4744302543317988640.pdf-第5页.png

第5页 / 共62页

hobbitdream-10552559-4744302543317988640.pdf-第6页.png

第6页 / 共62页

hobbitdream-10552559-4744302543317988640.pdf-第7页.png

第7页 / 共62页

hobbitdream-10552559-4744302543317988640.pdf-第8页.png

第8页 / 共62页

封面

文摘

英文文摘

声明

第1章概述

1.1 智能交通系统

1.2 车牌识别系统

1.2.1 车牌识别系统简介及应用

1.2.2 车牌识别系统组成

1.2.3 车牌识别系统的研究现状

1.3 本文的主要工作与结构

第2章分级车牌定位算法

2.1 引言

2.2 分级车牌定位算法

2.3 图像预处理

2.3.1 彩色数字图像灰度化

2.3.2 图像增强

2.4 候选车牌提取算法

2.4.1 竖直边缘提取

2.4.2 一次性扫描候选车牌提取算法

2.5 车牌辨识器

第3章改进的分级车牌定位算法

3.1 引言

3.2 改进的候选车牌提取算法

3.2.1 Find_All_Runs模块

3.2.2 Compare_Pre_Now_Runs模块

3.2.3 Check_Category_InPreRuns模块

3.2.4 算法流程图

3.2.5 性能分析

3.3 车牌辨识器

3.3.1 Haarlike特征

3.3.2 积分图

3.3.3 Adaboost分类器

3.3.4 级联Adaboost

3.3.5 基于Haarlike特征的级联Adaboost车牌辨识器

3.4 改进的分级车牌定位算法性能

第4章车牌字符识别算法性能研究

4.1 引言

4.2 模板匹配

4.2.1 Haursdorff距离

4.2.2 基于Haursdorff距离的模板匹配字符识别算法

4.2.3 性能分析

4.3 特征提取

4.3.1 结构特征

4.3.2 统计特征

4.3.3 特征选择

4.4 神经网络

4.4.1 BP神经网络

4.4.2 性能分析

4.5 统计分类器

4.5.1 SVM原理

4.5.2 SVM多类分类问题

4.5.3 性能分析

4.6 性能比较

第5章总结

5.1 本文工作的总结

5.2 需要深入研究的若干问题

参考文献

致谢

在读期间发表的学术论文与取得的研究成果

中国科学技术大学硕士学位论文车牌识别系统关键技术的研究姓名：陈进申请学位级别：硕士专业：通信与信息系统指导教师：徐佩霞20090501

摘要摘要作为推动交通管理智能化的关键技术，及智能交通系统(ITS)的重要组成部分的车牌识别系统，有着停车场智能管理、道路监控、高速路自动收费等广泛的应用前景。国内外研究人员也已经和正在就车牌识别技术展开深入而广泛的研究，并取得初步成效，已有一些产品投入使用，但其效果并未达到人们期望的水平，离真正的实用要求还有一段距离。～个典型的车牌识别系统由三部分组成；车牌定位，车牌字符分割，车牌字符识别。本文的研究重点主要集中在车牌定位及车牌字符识别这两个部分：1．针对车牌定位问题，在深入研究今年来性能优良的分级车牌定位算法时，发现Wang等人提出的分级车牌算法中的一次性扫描候选车牌提取算法在车牌左右存在复杂竖直边缘干扰时，易出现误检和漏检。为此，本文提出了一种改进的候选车牌提取算法，在保持实时性的基础上，改善了原候选车牌提取算法的缺陷，从而进一步提高了整体分级车牌定位算法的性能。2．针对车牌字符识别，本文介绍了当前三类主流的车牌字符识别算法：模板匹配，神经网络分类器，统计分类器。并根据国内车牌字符的排列特征，采用数字分类器、字母分类器及字母数字分类器，通过实验比较了这三类主流车牌字符识别算法的性能。实验结果表明，基于支持向量机的字符识别算法，无论是识别速度还是检测性能都能满足当前车牌识别系统的要求。关键词：车牌识别系统分级车牌定位算法Harrlike特征级联Adaboost分类器车牌字符识别模板匹配BPNN支持向量机

AbstractABS丁RACTAsakeytechnologyinimprovingtheintelligenttrafficcontrol，andanimportantpartofITS(IntelligentTransportationSystem)，LicensePlateRecognition(LPR)Systemhaslotsofusefulapplications，suchasintelligentmanagementinParkinglots，roadtrafficsurveillanceandautomaticchargeinhighway．DomesticandforeignscholarshavealreadyhadadeepandextensiveresearchinLPRandacquiredsomepreliminaryachievements．SomeexploitedproductshavebeenputintoUSe，buttheyhaven’tmetthepeoples’requirementyet．ThreepartsmakeupatypicalLPRsystem：licenseplatelocation，licenseplatecharactersegment，licenseplatecharacterrecognition．Thisarticlefocusesonlicenseplatelocationandlicenseplatecharacterrecognition：1．AfterdeeplyresearchingthecascadedlicenseplatelocationmethodraisedbyWang，itcallbefoundthatwhenthereexitscomplexuprightborderlinearoundlicenseplate，formalcascadedlicenseplatelocationmethodCallnotbeapplicable．Soallimprovedalgorithmofcandidatelicenseplatesextractionwasbrought．Keepingtherealtimecharacter,newalgorithmimprovedthedew．ionratioofformalcascadedlicenseplateiocationmethod．2．Concerningthelicenseplatecharacterrecognition，threemainlicenseplatecharacterrecognitionmethodswerecomprehensiVelyresearched：templatematching，neuralnetworkandstatisticalclassifier．AccordingtothecharacterarrayofChineselicenseplate，numberclassifier,letterclassifierandnumber&letterclassifierweredesignedspecifically．Aftercomprehensivelycomparingthreelicenseplatecharacterrecognitionmethods，itcanbefoundthattheSVMbasedcharacterrecognitionmethodcanfullymeettheneedsofreal．timeanddetectionrateoftheLPRsystem．KeyWords：LPR，cascadelicenselocationmethod，Harrlikefeature，cascadeAdabooaclassifier,licensecharacterrecognition，templatematching，BPNN，SVMⅡ

中国科学技术大学学位论文原创性声明本人声明所呈交的学位论文，是本人在导师指导下进行研究工作所取得的成果。除已特别加以标注和致谢的地方外，论文中不包含任何他人已经发表或撰写过的研究成果。与我一同工作的同志对本研究所做的贡献均已在论文中作了明确的说明。作者签名：匦生签字日期：丛二兰：主一中国科学技术大学学位论文授权使用声明作为申请学位的条件之一，学位论文著作权拥有者授权中国科学技术大学拥有学位论文的部分使用权，即：学校有权按有关规定向国家有关部门或机构送交论文的复印件和电子版．允许论文被查阅和借阅，可以将学位论文编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。本人提交的电子文档的内容和纸质论文的内容相一致。保密的学位论文在解密后也遵守此规定。涵公开口保密(——年)作者签名：胚基．签字E1期：盏鲲。五：3，导师签名：盘垒政签字日期：圭竺!f：!：!

第l章概述1。1智能交通系统第1章概述随着全球经济水平的不断提高，人们的生活水平得到不断的提升，生活节奏也不断的加快，汽车等交通工具的普及已成为必然趋势。面随着汽车数量的急剧增加，城市的交通管理面临着新的挑战。而针对这一问题，各国政府开始投入人力、财力开发出了各种交通道路监控管理系统、车辆控制系统及公共交通系统。这些将车辆和道路综合起来考虑，利用各种先进的技术解决道路交通问题的系统，统称为智能交通系统ITS(IntelligentTransportationSystem)。智能交通系统的概念是1990年由美国智能交通学会CITSAmerica提出的，当时名称为IVHSAmerica，发展至今已有近二十年了。严格意义上来讲，智能交通系统(ITS)，是一种将先进的信息技术、数据通讯传输技术、电子传感技术、电子控制技术及计算机处理技术等有效的融合起来，并运用于整个交通管理系统而建立起来的，具有信息化、集成化智能特征的，一种在大范围内，全方位发挥作用的实时、准确、高效的运输综合智能控制和管理系统。车辆牌照信息作为车辆的代表性信息，它的自动采集和处理，对于交通车辆管理、停车场管理、交警稽查等一系列智能交通系统ITS组成部分有着十分重要的意义。1．2车牌识别系统1．2．1车牌识别系统简介及应用车牌识别系统LPR(LicensePlateRecognition)是计算机视觉和模式识别技术在智能交通领域的重要研究课题之一。若能用计算机实时地识别车牌就可以在无需为车辆加载其他特殊装置的情况下实现对车辆的自动监控，从而给交通系统的自动管理提供极大的方便，因此车牌识别系统是实现推动交通管理智能化的关键技术之一，是智能交通系统ITS的重要的组成部分。目前车牌识别系统的应用可以归纳为下面几个方面：1)智能小区、智能停车场的管理的应用分别在小区或停车场的进出口安置车牌识别系统，对进出的车辆进行自动识别，并决定后续的操作，如是否放行、进出时间的登记以及费用的自动管理等等。2)城市道路监控、违章管理的应用城市交通管理中的交通路口红灯监视、车辆的限速管理、流量检测等的道路监控、违章管理都可以借助于车牌识别系统，实现自动化的管理。而针对纳

第1章概述入交通管制的“黑名单"车辆，如冲关或肇事后逃逸的车辆、被公安部门通缉的车辆、挂失的车辆、欠交费的车辆等，只要将其车牌资料输入数据库，并在主要的交通枢纽架设车牌识别系统，全天候的对所有经过车辆自动进行识别、比较、处理，就可以实现对交通管制车辆的自动检测报警。3)高速公路收费、监控管理的应用高速公路上的车辆收费管理可以采用智能化控制，并辅以值班人员的简单操作。在高速公路进口和出口处安置车牌识别系统，当机动车辆经过时，系统自动摄取车辆图像，对图像进行处理，获取车牌号，存入数据库，作为收费用的依据，同时配合车辆的安全管理。它不仅缓解了由于人工收费时间长而造成的车辆滞留等问题，而且有利于去除人工管理的弊端。1．2．2车牌识别系统组成最常见的车牌识别系统(如图Ll所示)由两部分组成：图1．1车牌识别系统1)由摄像机和车体感应器组成的数据采集模块：摄像机一般采用自动对焦和自动光圈的一体化机，当光线不足时，可以自动开启辅助光源补光照明，以保证拍摄图像的质量。车体感应器可以由传感器(如感应线圈，红外线)等硬件实现，也可以由运动检测等软件方式加以实现。如果车牌识别软件模块可以保证良好的实时性以及较低的虚警率，则可以直接对采集的连续视频流进行分析，而不需要添加额外的车体感应器。2)对获得的数据加以分析处理以获得车牌号信息的车牌识别软件模块。不同的车牌识别软件模块，其处理与识别车牌的方法不尽相同，但常规的车牌识别软件模块一般由下面四部分组成：①图像预处理：由于环境光照，天气或者摄像机的问题，采集到的车牌图像可能过亮、过暗、有噪声或者模糊，对下一步定位不利，需要进行图像预处2

第1章概述理。通常预处理方法包括直方图均衡、对比度增强、去噪、二值化等。预处理阶段是整个车牌识别软件模块首当其冲的部分，其结果直接影响到定位及识别的效果。②车牌定位：顾名思义，就是利用一些图像处理算法和模式识别技术从一幅具有不确定背景的车辆数字图像中准确定位出车牌的位置，为后续的车牌字符分割和识别处理提供准确可靠的数据源。由于车辆图像背景的不确定性和环境的多变性，车牌定位算法成了整个车牌识别软件模块中的关键点和难点。本文第2章、第3章对车牌定位算法进行了详细的阐述，并提出了一种改进的分级车牌定位算法，在保证算法实时性的基础上，进一步提高了车牌定位检测的检测率。③车牌字符分割：车牌字符分割就是将车牌区域分割成单个的字符区域，以用于下一步的字符识别。车牌字符分割的准确率和质量直接影响到车牌字符识别的准确率，采用一个稳定可靠的分割算法是必须的。由于车牌铆钉、车牌污损以及车牌倾斜等的影响，实现较高精确度的车牌字符分割至今仍是一个难点。④车牌字符识别：车牌的字符由有限的汉字、英文字母和数字组成，车牌的字符识别则是对分割出来的待识别的字符进行分类从而识别它们。虽然字符识别的算法比较成熟，但是现实中车牌的污损，中国车牌首字符的笔画繁多(如‘赣’字)和相似性(如‘晋’和‘鲁’)，及大写的英文字母与阿拉伯数字间的相似性(如B，8或0，D，Q等)，等给车牌字符识别增加了不少难度，车牌字符识别的识别率还有待提高。1．2．3车牌识别系统的研究现状车牌识别系统的难点在于车牌识别软件模块的设计，目前，国内外的研究人员已经和正在就车牌识别软件模块的每个技术环节展开广泛而深入的研究，提出了众多可行性算法及方案(具体算法研究现状参见第2、第3、第4章节)，并有一些原型系统投入使用。目前国内外性能较好的车牌识别系统有Hi—Tech公司的See／Carsystem，新加坡Optasia公司的VLPRS，汉王公司的汉王眼，香港亚洲视觉科技有限公司的慧光车牌号码识别系统等等。虽然这些车牌识别系统的识别率大多都比较高，如95％，甚至97％、98％，但是大多数是在简单受限的场景下取得的，而在实际可能的较复杂的背景环境下，车牌识别系统的识别率很难超过90％，主要是因为存在以下几个干扰因素：1)目标背景的复杂。在采集到的图像中许多类似于车牌纹理特征的长方形背景区域的存在，容易造成干扰，引起误判。2)车牌本身的缺陷。由于车牌的污损及部分遮挡，造成字迹不清或不全。3)环境光照的影响。由于环境光照的变化，使得采集到的图像过亮或者过暗，图像特征明显减弱。

第l章概述1．3本文的主要工作与结构为了进一步提高复杂背景条件下车牌识别系统的检测率，本文仔细研究分析了车牌识别软件模块中车牌定位、车牌字符识别等两部分，并给出了各部分具体的算法实现及性能分析。本篇论文分为五章，内容结构安排如下：第l章简要介绍了智能交通系统(ITS)，引出智能交通系统中的重要组成部分——车牌识别系统，并详细介绍了车牌识别系统的概念、应用场景、组成及研究现状等等。第2章总结了当前车牌定位算法的发展现状，介绍了性能优良的分级车牌定位算法及其三个组成部分：图像预处理、候选车牌提取、车牌辨识器。第3章详细分析一次性扫描候选车牌提取算法在车牌周围存在复杂竖直边缘干扰时会产生漏检的缺陷，并提出了一种改进的候选车牌提取算法，在保持原算法实时性的基础上，进一步提高了复杂背景条件下的整体分级车牌定位算法的检测率。第4章详细介绍了目前主流的三类车牌字符识别算法：模板匹配、神经网络以及统计分类器。并以国内的车牌字符作为测试集，给出了相应算法的性能比较，并分析了各自的优缺点。第5章为本文的总结与展望。

分享到：

赞收藏

资料库

车牌识别系统关键技术的研究.pdf

相关推荐

人工智能

热门标签

最新资料