1. 研究目的与意义（文献综述）

当今时代交通中时常发生违反交通规则、以及其他需要查看车牌的情况，由于工作量大，人力用于查看记录的成本偏高，所以基于深度学习的车牌识别能够较好的解决交通中的这些情况，通过摄像头传输过来的画面进行解析分类识别，最终完成对车牌号的识别。

深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。[1]

2. 研究的基本内容与方案

车牌识别属于图像识别的一种，利用简单的机器学习不能较好的完成，所以采用深度学习对接受来的车牌图像进行深度的分析识别，能够较好的解决前层结构的局限性。本次研究的基本内容是确立任务目标能够基于深度学习的基础上解决车牌识别的问题，主要学习方向是学习卷积神经网络和循环神经网络，通过对神经网络的模拟，以及caffe应用，来切实解决车牌识别中遇到的问题。

拟采用的技术方案及措施是为能方便快捷的识别车牌，需要对图片预处理，

预处理需要以下步骤1.图像灰度化，基于边缘特征的候选区域提取算法，因此预处理与要做的是实现彩色车牌图像想灰度图的映射过程，这就是图像的灰度化。2.灰度拉伸，由于车牌可能存在光照过度或者不足的问题，所以要通过灰度拉伸处理。3.中值滤波。利用中值滤波处理图像在采集过程中的斑点噪音和椒盐噪音，同时不会破坏车牌原有的边缘信息。4.数学形态学。运用数学形态学去噪音、简化形状，增强物体结构，从背景中分割物体，物体量化描述等。5.色空间变换。引入其他颜色空间来解决rgb易受光照影响的因素。预处理完毕。

3. 研究计划与安排

1、第1周至第2周：查阅有关的参考资料并完成开题报告；阅读顶级会议论文和相关参考文献.

2、第3周至第6周：学习深度学习的相关理论和方法。

3、第7周至第13周：进行相关算法和系统的编码、调试、测试工作。其中第10周左右进行毕业设计中期检查，需要提交论文前三章和毕业设计框架。

4. 参考文献（12篇以上）

1.杨凡，赵建民，朱信忠，一种基于bp神经网络的车牌字符分类识别方法[j].计算机科学，2005,32(8):192-195.

2.王春，刘波，周新志，采用bp神经网络的车牌字符分类识别方法[j].中国测试技术，2005,31(1):26-28

3.周志华，机器学习，清华大学出版社，2016