论文总字数：16976字

摘 要

随着国内机动车辆的数目不断增加，当前面临着的一个主要难题就是对机动车如何进行高效有序的管理。本文以车牌识别为目的，第一部分图像预处理，通过灰度化、平滑滤波等操作抑制图像噪声，通过二值化将图片呈现黑白两色；第二部分车牌定位，对车辆图片进行形态学处理，通过边缘检测方式定位出只含有车牌信息的目标区域，即图像信息中的感兴趣区域；最后，对定位出的车牌进行分割，通过人工神经网络（ANN）进行模板匹配训练并实现车牌字符的识别。经过大量实验对比，神经网络系统的定位和识别准确率较高。目前车牌识别系统在停车场的无人管理^[1]、交通事故的处理、交通肇事逃逸、违章车辆的自动记录等场景有着广泛而又迫切的应用需求。

关键词：深度学习；图像处理；车牌定位；字符分割；字符识别；神经网络

Research on license plate recognition based on deep learning

ABSTRACT

With the increasing number of motor vehicles in China, a major problem is how to manage motor vehicles efficiently and orderly. For the purpose of license plate recognition, this paper firstly carries out image preprocessing, restrains image noise through grayscale, smooth filtering and other operations, and presents the image in black and white by binarization. In the second part, the vehicle image is morphologically processed to locate the target region containing only the license plate information, namely the region of interest in the image information, through edge detection. Finally, the segmented license plate is segmented, and the template matching training is performed through the artificial neural network (ANN) to realize the recognition of the license plate characters. After a large number of experimental comparisons, the accuracy is higher. At present, the license plate recognition system has a wide and urgent application demand in the unattended management of parking lot, the treatment of traffic accidents, hit-and-run traffic, the automatic record of illegal vehicles and other scenarios.

Keywords: deep learning; image processing; license plate location; character segmentation; character recognition; neural network

目录

摘要 I

ABSTRACT II

第一章 绪论 1

1.1车牌识别研究背景 1

1.2国内外车牌识别研究现状 1

1.3论文结构 2

第二章 深度学习算法 4

2.1 深度学习 4

2.1.1深度学习的发展历程 4

2.2.2深度学习的概念 4

2.2人工神经网络 5

2.3 卷积神经网络 6

2.3.1 卷积神经网络结构 7

2.3.2 CNN在车牌识别中的应用 8

2.4前馈神经网络 8

2.5 本章小结 8

第三章 图像预处理与车牌定位 10

3.1 国内车牌特征 10

3.2图像预处理 11

3.1.2 灰度化 11

3.2.2滤波处理 12

3.2.3 二值化 14

3.3车牌定位 14

3.3.1车牌定位几种常见算法 14

3.3.2 Canny边缘检测 14

3.3.3 形态学处理（膨胀与腐蚀） 15

3.3.4 定位操作 16

3.4 本章小结 20

第四章 字符分割与识别 21

4.1字符分割方法 21

4.2 字符识别 22

4.3本章小结 23

第五章 总结与展望 25

5.1 总结 25

5.2展望 25

参考文献 27

致谢 29

第一章 绪论

1.1车牌识别研究背景

改革开放以来，对外发展、人民收入逐年提升，追求生活品质的思想逐渐形成；工业技术进步，交通工具种类繁多，生活水平提高，城市化建设紧锣密鼓的进行，国家大力发展城市农村道路建设，汽车也成为了日常生活中最常见、最主要的交通工具。汽车的出现对我们生活有着巨大的影响，但随着汽车工业发展，车辆的数目也给城市带来的巨大的交通压力。不仅如此，汽车带来的交通拥挤、交通事故、环境污染等也日益严重^[2]。因此，建立现代化的交通管理已经迫在眉睫。但是汽车型号和外观种类繁多，同质化严重，通过汽车的外观来识别车辆型号愈发困难。

2016年是互联网发展最迅猛的一年，云计算、大数据、物联网等都成了家喻户晓的名词，这也使得人工智能成了一个炙手可热的话题，智能交通也在此时应运而生。几年过去了，我国智能交通仍处于发展阶段。目前我国高速路收费站使用的仍是通过车内安装的射频芯片触发路口感应装置进行车辆身份识别的收费系统，简称ETC^[3]，甚至绝大部分都是人工收费的方式。这种收费方式不仅大大影响了出行效率，在交通繁忙的季节很容易造成交通拥堵，还极大的浪费了劳动力。

自12年以来，深度学习逐渐进入了人们的视野，人工智能几乎成为家喻户晓的名词，而计算机技术也已经日渐成熟，通过计算机进行处理数据的能力在不断提升^[4]。为了交通安全、为了社会安定也为了环境美好，实现智能化交通的任务已经迫在眉睫。与传统的车牌识别技术相比较，将深度学习应用于车牌识别领域能够省去大量的建模时间和数据分析工作量。随着学习研究的深入，我国车牌识别系统正在逐渐完善。

1.2国内外车牌识别研究现状

车牌号作为车辆的唯一标识也是车辆最重要的信息，自从车牌识别的概念被提出后，广受国内外学者追捧,早在上世纪八九十年代，许多学者就已经对其开始研究。早期的研究数据主要是通过摄像头、相机等拍摄获得，经过相应的处理得到车牌图片，再根据算法对车牌的字符进行识别。但是当时的相机等计算性能不足，图片的像素普遍不高，拍摄的图片受外界的影响也非常大。不仅如此，车牌信息目标小，受环境影响严重，识别起来也非常困难。

直到九十年代末，国外研究者针对自己国家的车牌进行技术研究，推出了许多版本并投入到市场。例如，新加坡的Optasia公司研发的VLPRS系统，以色列Hi-tech公司研发的See/Car System系统等等，然而这些系统无法解决车牌中的汉字识别，从而导致在我国的应用非常局限。

请支付后下载全文，论文总字数：16976字