基于opencv-svm的车牌识别系统设计.doc-资料库

weixin_43048780-12818069-16359647458836006590.doc.pdf-第1页.png

第1页 / 共77页

weixin_43048780-12818069-16359647458836006590.doc.pdf-第2页.png

第2页 / 共77页

weixin_43048780-12818069-16359647458836006590.doc.pdf-第3页.png

第3页 / 共77页

weixin_43048780-12818069-16359647458836006590.doc.pdf-第4页.png

第4页 / 共77页

weixin_43048780-12818069-16359647458836006590.doc.pdf-第5页.png

第5页 / 共77页

weixin_43048780-12818069-16359647458836006590.doc.pdf-第6页.png

第6页 / 共77页

weixin_43048780-12818069-16359647458836006590.doc.pdf-第7页.png

第7页 / 共77页

weixin_43048780-12818069-16359647458836006590.doc.pdf-第8页.png

第8页 / 共77页

山东科技大学专业方向课程设计说明书摘要摘要当今社会车辆数量庞大，交通网布局复杂，车牌的管理是一项繁重的任务，仅靠人工识别来进行分类不仅耗费大量时间，效率也低，选择采用机器识别是最优方法。车牌识别技术是如今高度重视的研究技术，通过大数据对车牌进行分类和管理，节省时间成本，减少管理事故。实现交通管理智能化的一方面就是实现车牌智能识别，本文基于 SVM 数据集和 OPENCV，首先用 SVM 训练大量数据，来保证识别的正确率；然后对图像进行处理，包括进行图像分割，进而实现车牌内容的识别，最终以显示界面的方式显示识别的结果，达到比较好的效果。关键词：车牌识别、OPENCV、SVM 数据集、PYTHON

山东科技大学专业方向课程设计说明书目录目录第一章绪论…………………………………………………………………1 1.1 研究背景………………………………………………………………1 1.2 研究内容…………………………………………………………………1 第二章相关技术及研究现状 …………………………………………………2 2.1 相关技术介绍……………………………………………………………2 2.1.1 SVM 训练数据集……………………………………………………2 2.1.2 OPENCV……………………………………………………………2 2.2 车牌识别研究现状………………………………………………………2 第三章研究内容及实现方法 ………………………………………………4 3.1 主要实现内容 …………………………………………………………4 3.2 实现方案和技术路线 …………………………………………………4 3.2.1 图片采集 …………………………………………………………4 3.2.2 图像处理 …………………………………………………………4 3.2.3 车牌定位 …………………………………………………………5 3.2.4 图像分割 …………………………………………………………8 3.2.5 车牌识别 …………………………………………………………11 3.2.6 系统界面 …………………………………………………………17 第四章实验及结果分析 ……………………………………………………20 4.1 爬取图片识别 …………………………………………………………20 4.2 输入图片网址识别图片 ………………………………………………22 4.3 批量识别………………………………………………………………23 第五章总结 …………………………………………………………………27 5.1 项目总结 ………………………………………………………………27

山东科技大学专业方向课程设计说明书目录 5.2 工作量说明 …………………………………………………………………27 第六章参考文献………………………………………………………………28 第七章致谢……………………………………………………………………29 第八章附录……………………………………………………………………30

山东科技大学专业方向课程设计说明书绪论第一章绪论 1.1 研究背景随着社会整体经济水平的高速提升，人们的生活质量越来越好，机动车的数量越来越多，相应的高速公路和停车场也日益增加，所以交通管理显然成为了一个不容忽视的大问题。计算机技术的成熟为车辆管理提供了可靠的保障，如果汽车在公共场合能够被迅速准确的识别车牌照，那么管理起来将会非常方便，并且也提高了安全管理水平。汽车牌照识别是智能交通领域的重要研究课题，因为其应用广泛而作用巨大，包括：（1）交通流量检测；（2）道路交通控制；（3）违章车辆监控；（4）人群密集场合车辆管理（机场、车站等）；（5）公共停车场安全防盗；（6）小区车辆管理等。自 20 世纪 90 年代起，国外就已经开始了对汽车牌照识别系统的研究，到今天为止，车牌识别技术已经相对成熟，并且被广泛用于交通领域，车牌识别的核心就是对车牌进行图像处理，自动提取车牌信息，获取车牌内容。 1.2 研究内容本课题的研究内容就是对车牌进行准确识别，高准确率的车牌识别取决于车牌定位的技术，车牌图像的倾斜、磨损、模糊以及光线干扰，都是影响车牌定位的因素；其次，车牌字符识别系统是在车牌准确定位的基础上，对汉字、字母和数字进行准确识别，不同于国外的就是汉字的识别，所以对字符识别的研究也是关键。 1

山东科技大学专业方向课程设计说明书相关技术及研究现状第二章相关技术及研究现状 2.1 相关技术介绍 2.1.1 SVM 训练数据集 SVM 即支持向量机，它在分类问题中有显著的作用，SVM 的设计理念是最大化分类边界，支持向量机的基本目的是最大化分类超平面。对车牌识别的训练，首先生成 SVM 描述文件，将需要训练的样本文件的路径和对应的分类类别号写入文档，然后把描述文件读入定义的容器中，用来生成样本矩阵和类型矩阵，然后进行 SVM 训练，得到数据集。 2.1.2 OPENCV OPENCV 是一个跨平台计算机视觉库，它提供了 PYTHON 语言的接口，实现图像处理。我们通过调用 CV2 数据库，对车牌进行图像处理，包括对车牌图像进行高斯模糊、灰度化、中值滤波、开运算、闭运算等操作，以求让车牌检测更加清晰和准确，以及利用 canny 算子进行边缘检测，对图像进行二值化处理，达到识别的目的，无论是车牌定位还是字符识别，都利用 OPENCV 进行实现。 2.2 车牌识别研究现状对于车牌识别系统的研究，目前国内外学者已经做了大量的工作，但是实际效果并不是很理想，对于车牌图像的倾斜、磨损、模糊、光线干扰等问题，依然达不到预期的效果。为此近几年不少学者根据车牌本身的特点，改进了车牌定位系统的技术方法，很大程度上改善了车牌识别的问题。从实用产品来看，以色列 Hi-Tech 公司研发的车牌识别系统可以用于多个国家的车牌识别，但是它不能识别汉字，而且识别率不够高；其它国家比如英国、日本、德国、加拿大、意大利等都有适合自己国家车牌的识别系统，由于我国车牌类型有多种，大小、颜色、规格各有不同，这说明我国在车牌 2

山东科技大学专业方向课程设计说明书相关技术及研究现状识别系统的研究上有更大的困难，需要付出更多的努力。目前国内比较好的研发产品是中科院自动化研究所汉王公司研发的“汉王眼”，它采用主动红外照明和光学滤波器来减弱可见光的不可控影响，减少恶劣天气对车牌识别的影响。另外亚洲视觉科技公司、深圳市吉通电子有限公司、中智交通电子系统有限公司等都有自己的车牌识别产品，西安交大、上海交大、清华大学、浙江大学等也都做过类似的研究，他们基本上都采用了一些硬件的探测器和红外照明等辅助设备，达到车牌识别的目的。另外，条形码识别和无线射频技术也开始应用于车牌识别系统中，条形码识别要求预先在车身上印刷条形码，在系统的某一固定位置上安装扫描设备，通过扫描来读取条形码，以达到识别车辆的目的。无线射频技术要求在车内安装标示卡，在系统某一位置安装收发器等装置，通过收发器来接受标示卡的信号，从而识别出经过的车辆。显然，这两种技术更难以推广。从目前一些产品的性能指标可以看出，车牌识别系统的识别率和识别速度有待提高。现代交通的飞速发展以及车牌识别系统应用范围的日益拓宽给车牌识别系统提出了更高的要求。因此，研究高速、准确的定位与识别算法是当前的主要任务，而图像处理技术的发展与摄像设备、计算机性能的提高都会促进车牌识别技术的发展，提高车牌识别系统的性能。 3

山东科技大学专业方向课程设计说明书研究内容及实现方法第三章研究内容及实现方法 3.1 主要实现内容汽车牌照识别系统通过引入数字摄像技术和计算机信息管理技术，采用先进的图像处理和人工智能技术，通过对图像的采集和处理，获得更多的信息，从而达到更高的智能化管理程度。但是系统识别率和识别速度难以同时提高，其中原因既包括图像处理技术不够成熟，又受到摄像设备计算机等性能的限制。因此，研究高速准确的定位与识别算法，是当前的主要任务。车辆牌照识别系统一般可按顺序分为车辆图像采集、图像预处理、车牌定位、字符分割与识别五大部分。如下图 3.1：图片采集图像处理车牌定位图像分割车牌识别图 3.1 流程图 3.2 实现方案和技术路线 3.2.1 图片采集可以通过高清摄像头与计算机的视频捕提卡直接相连来完成图像采集，可以实时在监控图像中抓取到含有车辆的图像。该部分功能可简单调用计算机视频捕捉卡厂商提供的各种软件开发包工具即可实现。 3.2.2 图像处理图像处理包括对图像进行平滑、灰度化和二值化等处理，具体内容如下： 3.2.2.1 高斯模糊：高斯模糊即高斯平滑，利用高斯模糊对图像进行降噪处理，调整图像的分辨率。 3.2.2.2 图像灰度化：图像包括彩色图像和灰度图像，彩色图像包含着大量 4

山东科技大学专业方向课程设计说明书研究内容及实现方法的颜色信息，不但在存储上开销很大，而且在处理上也会降低系统的执行速度。由于图像的每个象素都具有三个不同的颜色,存在许多与识别无关的信息，不便于进一步的识别工作，因此在对图像进行识别等处理中经常将彩色图像转变为灰度图像，以加快处理速度。灰度图像与彩色图像相比，没有颜色表，只需要一个数据矩阵，所以易于存储，也会提高系统的运行效率。 3.2.2.3 图像二值化：图像二值化的本质是将图像变为仅由黑白二值组成的图像，在实际识别系统中，要求处理速度高、成本低，而二值化的图像能够用几何学的概念进行分析和特征描述，所以二值化图像比灰度图像优势大得多；进行二值化处理的核心是找到合适的阈值，让字符和背景完全区分开来，并且要做到处理结果不变形，不会丢失信息，或者产生额外空缺。 3.2.3 车牌定位车牌图像大多数都是在比较复杂的环境中拍摄得到的，经常会导致车牌由与复杂的车身背景融为一体，而且车牌在使用中的磨损与沾染灰尘或者由于拍摄仪器的影响和拍摄角度的不同，会让获取的车牌往往有很大的形变，所以在复杂背景中准确、快速找出车牌的位置成为了车牌识别中的难点。目前已有不少学者在这方面进行了研究。总结起来主要有如下几类方法:(1) 基于水平灰度变化特征的方法，这种方法主要在车牌定位以前，需要对图像进行预处理，将彩色图像转换为灰度图像，利用车牌区城水平方向的纹理特征进行车牌定位:(2)基于边缘检测的定位方法，这种方法是利用车牌区域丰富的边缘特征进行车牌定位，: (3)基于车牌颜色特征的定位方法，这种方法主要是应用车牌的纹理特征、形状特征和颜色特征即利用车牌字符和车牌底色具有明显的反差特征来排除干扰进行车牌的定位: (4) 基于 Hough 变换的车牌定位方法，这种方法是利用车牌边框的几何特征，采取寻找车牌边框直线的方法进行车牌定位:(5) 基于变换域的车牌定位方法，这种方法是将图像从空域变换到频域进行分析，例如采用小波变换等:(6)基于 5

资料库

基于opencv-svm的车牌识别系统设计.doc

相关推荐

开发技术

热门标签

最新资料