摘 要

随着经济的不断发展，汽车数量也随之不断增加，而想要很有条理地去管理这么多的机动车，车牌识别技术是不可或缺的。本课题是针对汽车牌照识别，采用网上搜集的数据集、OpenCV图像处理技术、基于Tensorflow框架的CNN训练模型，完成软件的设计与开发。

主要设计内容有以下几点：

1. 尝试将Sobel边缘检测算法与漫水填充算法相结合，实现对汽车牌照的定位，并且与其它汽车牌照定位的方法进行对比，分析其在应用中的一些缺点以及优点，思考怎样改善算法才能提高准确度。
2. 利用Tensorflow的CNN模型对疑似车牌进行过滤，精确得到汽车牌照图像。
3. 卷积神经网络模型使用的是三层卷积，激励函数使用ReLU函数，池化层使用的是混合池化。
4. 使用不同情况的照片让软件进行车牌识别，看其是否能在条件艰难的情况下保持准确率。

最终结果表明，这套设计在条件良好的情况下鲁棒性和准确性较好，准确率可以达到98.0%。

关键词：车牌识别；OpenCV；Tensorflow；

Abstract

With the continuous development of the economy, the number of vehicles is also increasing, and to manage so many vehicles in an orderly way, license plate recognition technology is indispensable. This project is aimed at license plate recognition, using data collection on the Internet, opencv image processing technology, CNN training model based on tensorflow framework, to complete the design and development of the software. In this design, different training sets are used to train character recognition model and check its difference.

The main design contents are as follows:

(1) This paper attempts to combine Sobel edge detection algorithm with overflow filling algorithm to realize the location of vehicle license plate, and compares it with other methods of vehicle license plate location, analyzes some disadvantages and advantages of its application, and considers how to improve the algorithm to improve the accuracy.

(2) The CNN model of tensorflow is used to filter the suspected license plate and get the license plate image accurately.

(3) The convolution neural network model uses three-layer convolution, the excitation function uses the relu function, and the pooling layer uses the mixed pooling.

(4) Use photos of different situations for license plate recognition to see if the software can maintain the accuracy rate under difficult conditions.

The final results show that the design has good robustness and accuracy under good conditions, and the accuracy can reach 98.0%.

Keywords: license plate recognition; OpenCV; Tensorflow

目录

摘要..............................................................................................................................Ⅰ

Abstract........................................................................................................................Ⅱ

目录..............................................................................................................................Ⅲ

1 绪论 1

1.1研究背景及意义 1

1.2 车牌识别国内外研究现状 1

1.3研究内容及论文结构 2

2车牌识别基础知识 2

2.1车牌识别的基本流程 2

2.2卷积神经网络基本知识 3

2.3卷积神经网络的结构 4

2.4卷积神经网络的优化 9

3车牌识别软件设计 10

3.1图像预处理 10

3.2车牌定位 13

3.3字符分割 15

3.4字符识别 16

4模型训练与测试 16

4.1数据集和模型评估 16

4.1.1数据集 16

4.1.2模型的评估方法 18

4.2模型测试结果 19

5车牌识别软件测试结果 20

5.1测试结果 20

5.2改进的设想 21

6总结与展望 21

参考文献 23

致谢 24

1 绪论

1.1研究背景及意义

因为我国的经济的快速发展，所以大家的生活也有了很大的提升，而公路上愈来愈多的私家车则有力证明了这一点。但机动车辆数量的突增，带来的除了幸福，还有管理的压力。为此，我们得要把压力转换为动力，寻求一个合理有效的方案，解决车辆管理难题。而车牌，是每辆机动车辆独有的身份号码牌，是在各种场合下可以确定车辆身份信息的标准^[1]。因此，我们可以针对这种情况，设计一套车牌识别系统，应用于各个场合，对拍下的车牌照片进行识别。

其中可应用的场合但不限于：（1）违章拍照检测；（2）交通流量的监测；（3）各个场所进出车辆管理；（4）停车场收费管理；（5）防盗及寻回；（6）高速公路收费站。