河南快三

客服电话:

电子技术论文

当前位置: 毕业论文>计算机论文>电子技术论文 > 正文

基于卷积神经网络的中国车牌自动识别方法设计与实现

发布时间: 2019-02-03 16:24文字数: 5233字

河南快三   摘 要: 本论文主要是基于卷积神经网络的中国车牌自动识别算法的设计与实现。构建卷积神经网络来进行识别是一种稳定可靠的方法,能够有很高的识别精准度,因此得到了较为广泛的应用。

  本论文用边缘检测的定位方法大致定位出车辆车牌的位置,再用蓝点扫描截取图像的方式定位出车牌,然后将车牌的固定位置分割,截取出车牌中的七个字符,最后将七个字符输入到训练好的卷积神经网络当中进行识别。

河南快三   本论文按照这样的方法,用了三个章节分别表达了定位、分割以及识别。在测试过程中,定位算法测试的100张车牌均能准确定位,识别算法在50张车牌测试中,350个字符能够准确识别302个字符。最后,本论文做出了一些总结和期望。

  关键词: 中国车牌识别,卷积神经网络,图像定位与分割

河南快三   第一章 绪 论

  1.1研究意义

  伴随中国经济的飞速发展,人民的生活水平日益提高。现如今的城市机动车数量已经是一个非常庞大的数字,并且仍然在高速上涨。这样的情况也给城市机动车管理增加了不小的压力。不管是小区停车场还是车辆违章监控,其中所需要的处理事件规模已经远远大于人力负荷,所以,车辆智能管理系统的研究发展势在必行。

  车辆牌照作为每个车辆独一无二的“身份证”,随着模式识别技术的发展,车牌字符识别已成为智能交通系统的重要组成部分,它可以从复杂的背景中准确地提取、识别汽车牌照、车辆类型等信息,在交通控制和监视中占有很重要的地位,具有广泛的应用前景【1】。

河南快三   本论文在车牌识别部分主要应用了卷积神经网络来进行字符识别,卷积神经网络领域目前已经取得了许多令人瞩目的研究成果,其研究意义主要体现在三个方面: 理论研究挑战、特征表达研究、应用价值【2】。在本论文中,意义主要体现在这三者中的应用价值,将卷积神经网络应用于车牌识别系统能够为社会带来管理上的便利。

河南快三   1.2 国内外研究现状

  1.2.1 卷积神经网络研究现状

  卷积神经网络作为一种深度学领域,如: 行人检测、行为识别、人体姿势识别等。近期,卷积神经网络的应用进一步向更深层次的人工智能发展,如: 自然 语言处理、语音识别等。

  最近,由Google 开发的人工智能围棋程序 Alphago成功利用了卷积神经网络分析围棋盘面信息,并且在挑战赛中接连战胜了围棋欧洲冠军和世界冠军,引起了广泛的关注。从当前的研究趋势来看,卷积神经网络的应用前景充满了可能性【2】。

  1.2.2 定位算法研究现状

河南快三   车牌定位算法是车辆智能管理系统的热门研究课题。早在20世纪90年代,国外就开始了对定位算法的深入研究。考虑到车牌的形状一般为矩形且宽高比值已知,车牌定位问题可以被转化为用边缘检测算法寻找图像中可能的矩形【3】。

  由于一些国家对车牌的颜色有所规定,一些发表的工作是通过处理颜色来定位车牌的,如ERLee等人将图像从RGB空间转化到HLS空间,用神经网络输出每个像素值的颜色,利用车牌的宽高比和颜色密度来确定车牌区域【3】。

河南快三   我国智能化车辆管理系统起步比较晚,但发展得很快。上海交通大学的郭捷等提出了一种基于颜色和纹理分析相结合的车牌定位算法。用该算法对60张不同复杂背景的彩色车牌照片进行定位实验,成功率达到95%以上【4】。

河南快三   1.2.3 识别算法研究现状

  车牌识别一般分为基于灰度图像识别方法和基于彩色图像识别方法这两类方法。基于灰度图像的车牌识别方法是将采集到的彩色图形进行灰度处理,然后再进行车牌定位、字符分割和字符识别等步骤;基于彩色图像的车牌识别方法是利用采集得到的彩色图像直接进行车牌定位、字符分割和字符识别等【5】。

  河南快三国家车牌的识别因为有汉字的关系,所以不能直接使用国外的车牌识别方法。同时因为汉字较为复杂、车牌的颜色和样式都有很多种,给很多应用于国外的识别技术增添了障碍,需要河南快三国家自主研发。

  查阅了很多的国内车牌识别文献,其中已经有了很多成熟高效的方法。曾泉使用BP神经网络的方法选取了260张不同环境下的车牌来进行字符识别,结果表明在结果整体识别率上到达了95.2%【6】;陈玮,曹志广等人使用模块匹配的方法,同时又在基于欧拉数的模板匹配上做了一定程度上的改进,让识别准确率到达了96.67%,并且识别时间只有0.559s【7】;彭清,季桂树等人用CNN提取隐层特征后,进行SVM分类,将800个测试样本进行识别,其准确率达到了97.00%【8】。

河南快三   1.3 研究内容和结构安排

河南快三   本论文在整个程序的设计编写上分为三个章节,一般来说,车牌的识别与一般的图像识别还是有较大的区别。车牌的形状方正,易于检测定位,但又因为拍摄角度的不同,所定位的车牌又会有扭曲变化的难度。所以我将车牌识别分为了三步,也就是车牌的定位、定位后车牌当中的字符块的分割以及当字符块分割后作为独立个体的字符块识别。

河南快三   本论文第二章会用边缘检测后,再用蓝点扫描记录横纵坐标定位车牌位置;第三章会用固定位置分割截取车牌内的七个字符,同时进行归一化处理;第四章会基于卷积神经网络构建识别模块,其中涉及网络的构建、参数的选择以及最后车牌识别的结果统计。

河南快三   1.4 人工神经网络

河南快三   1.4.1人工神经网络简介

  1943年,美国的心理学家 W.S.McCulloch 和数学家W.A.Pitts 在论文《神经活动中所蕴含思想的逻辑活动》中,提出了一个非常简单的神经元模型,即M-P模型。该模型将神经元当作一个功能逻辑器件来对待,从而开创了神经网络模型的理论研究【9】。

河南快三   以比较形象的角度上看,其原理就像现实中生物身体内的一个神经系统--通过建立无数个神经元,再通过神经互相进行感知河南快三传递“信息”,其中就包括了传递信息和反馈调整两个方面。不同的神经元,不同的连接方式构成了许多用途多样的网络。在工程和学术界,将其定义为人工神经网络或者类神经网络。

  如图1.1所示,其中x代表各个输入量;w为各个神经元的权值;f为传输(传递)函数;t为输出。通过公式(1.1),(1.2)可知,单个输入神经元的作用是在求出输入向量,然后经过权值向量的内积计算之后,通过传递函数得到一个标量输出t。

河南快三   1.5卷积神经网络

  卷积神经网络【2】是近年来发展起来的,一种高效准确的识别方法。卷积神经网络是深度学习的其中一个分支,他作为一种深度前馈的人工神经网络,已经得到了广泛的应用。

  在20世纪60年代,Hubel和Wiesel在研究动物脑皮层的部分神经元时发现了其独特的网络连接结构,并且这样的结构可以很大程度的降低网络反馈的多样复杂性,从而他们提出了卷积神经网络的概念。

河南快三   在现如今的识别系统中,卷积神经网络凭借其出色的高效识别功能,已经得到了广泛的认可。目前,很多的国内外学者都致力于研究卷积神经网络的参数优化,比方说激活函数、卷积核等等。

河南快三   图 1.2 卷积神经网络结构图

  在卷积神经网络中,如图1.2所示,河南快三一般将其分为输入层、卷积层、池化层、全连接层以及输出层。与BP网络不同的是,在卷积神经网络当中最主要的是特征提取层,即由卷积层和他的子采样层构成了一个特征提取器。也就是说,在卷积神经网络的卷积层中,通常情况下一个神经元只与部分神经元连接,这样就避免了类似BP网络每一层都是全连接,大大的降低了训练的难度。

河南快三   1.5.1 卷积神经网络的优点

河南快三   卷积神经网络的与其他网络比较起来,它的每个神经元因为有卷积池化层的构建,所以有着很独特的优越性,即权值的共享大大减少了神经网络需要训练的参数个数,很大程度上降低了训练的难度以及网络的复杂性;网络结构也与图像结构更加搭配,在图像的特征提取和图像识别上有着不错的效果。

河南快三   1.6车牌识别系统

  伴随着经济的发展,中国的车辆数量在近几十年来已经上涨到了一个非常庞大的数量,面对这样的情况,政府相关部门已经对车辆的管理采取了很多方法,非常重视这一问题。

  在经历了上个世纪末的起步阶段之后,车牌识别技术已日趋走向成熟,并开始在交通、公安、路政、停车场、安防、门禁、智能小区等许多领域得到了广泛的应用。 车牌识别系统简单地说是一种以特定目标为对象的专用视觉系统

河南快三   ,它能够从一幅图像中提取分割并识别出车辆牌照,运用先进的图像处理、模式识别和人工智能技术,通过对图像的采集和处理完成车辆牌照的自动识别,识别结果可按需求分别包括车牌的字符、数字、牌照图像,以至牌照颜色、坐标、字体颜色等【1】。

  一般地,生活当中的车牌常见的有小型汽车号牌蓝底白字和大型汽车牌号黄底黑字。本论文主要研究的是小型汽车号牌,查阅相关文献后得知,小型汽车是蓝底白字,大小为

河南快三   的车牌【10】。

  第二章 定位算法

  2.1 车牌的采集和预处理

  一般来说,中国车牌的字符颜色与背景颜色搭配有: 白底红字、黄底黑字、蓝底白字等等。本文主要研究的是对于生活中最常见的小型汽车牌照,也就是蓝底白字的车牌。

  因为车牌的色彩特征与其背景的色彩特征有很大的差别,所以当河南快三使用不同的色彩通道,就能够让河南快三的牌照和其他的背景区分出来。对本文研究的蓝底车牌来说,当河南快三使用蓝色的B通道时,牌照的区域就是一个亮矩形。

  就个人经验来说,虽然颜色扫描区分能够简单方便的得到一个较为准确的车牌图像,但是河南快三在拍摄车辆的时候会发现——图像当中会有很多蓝色或者相近颜色的“噪声”干扰河南快三的扫描定位,甚至当车辆本身是蓝色或者相近颜色的时候,这个扫描颜色的程序就会出现重大失败。

  通过观察与分析,我将定位的方法设计为: 预先的对图像进行处理和筛选去噪,将车牌的位置先大致作出划分,之后再进行河南快三的色彩特征区分工作

  河南快三采集到的图片是一个包括车牌的车辆前端或者车辆尾部的彩色照片,在预处理中,首先是将整个彩色图片灰度化。将彩色图片灰度化,我用到了以下的几个公式:   经过去除较小对象处理后,得到图2.9。从中河南快三已经能够得到车牌的一个大致位置信息。因为在之前的边缘检测、腐蚀以及平滑处理当中,信息会有一定的缺失和模糊,所以在图2.9当中所显示的车牌并不能够精确的代表车牌的真实位置。

  2.2.3 精确定位车牌

  在本文章节2.1当中本论文就论述了扫描蓝色车牌的基本思路,但在实际的操作当中,现实场景会有蓝色的噪声干扰以及车辆本身就有可能会是蓝色的,直接对图像进行蓝点扫描的话,会有很多的错误率,更不适合实际应用。所以我对图像做了很多的处理,以此来分析出车牌的大致位置,缩小图像的扫描范围。用这样的办法,河南快三就可以在车牌大致的范围当中,进行蓝点扫描,精确的定位车牌位置,同时大幅度地降低错误概率。  如图3.2所示,这是对图3.1二值化后的车牌进行固定分割的结果。其中不难看出,如果河南快三获取的车牌有一定的扭曲变形,那对分割这一步的影响是非常大的。所以在应用到实际生活时,需要根据面对的环境条件作出算法调整。在本论文中,获取的车牌无扭曲变形,所以用固定位置分割能快速有效的得出所需要的字符块。

河南快三   3.3 字符归一化

  在本论文第二章节的研究中,在对车牌的处理中,都是对输入的车牌图片进行直接处理。在2.2.3小节中,对于每一个车牌图片来说,其最后扫描出的车牌其实也是有所区别的,即并不是统一标准的矩阵表达。本论文将分割这一部分也视作是对车牌识别之前所做的预处理工作。定位和分割并不需要很严格的统一标准,但识别不同,它需要严谨的图像表达才能提升图像识别的精准度。所以在分割环节的末尾,本论文将每一个分割出的字符块都统一归一化。

  第四章 基于卷积神经网络的车牌识别算法

  4.1 卷积神经网络

河南快三   4.1.1卷积神经网络的前向传播

河南快三   如图4.11所示,这是另一个车牌的识别结果图。实验结果较为理想,但有时候也会出现失误,如图4.12所示,当车牌出现一定程度的扭曲时,分割的时候就会让文字出现一定的偏移,同时车牌的边界也会进入到字符图片当中干扰识别。

  表 4.2 抽取50张车牌测试统计结果

河南快三   测试车牌数错一个字符错两个字符完全识别

河南快三   车牌5016826

  字符3501616302

河南快三   选取了50张车牌图片进行识别,其中有16张车牌识别错误1个字符,8张车牌识别错误2个字符,26张车牌识别完全正确。总共350个字符,错误32个字符。

河南快三   第五章 总结与期望

  本次毕业设计是自己第一次接触到深度学习、第一次了解到卷积神经网络,从最开始的了解基本概念、学习其中的一些思路理念,再到实地通过MATLAB软件来实现自己的课题。经过老师一步步的耐心指导,慢慢的实现了一些算法功能。

河南快三   在最开始的程序设计中,我的思路局限在车牌的蓝点扫描,很鲁莽的对整个图片进行操作,甚至为了避免错误率,刻意的去避免蓝色的车辆。然后在周检查中老师指出了问题,并给了我一些合理的建议。通过对一些常规方法的研究,之后将两者结合,完成了车牌的定位算法。

  虽然最后实现了中国车牌的识别,但其中仍然有很多的不足。比方说分割功能只是采用了很固定的位置分割,对定位到的车牌条件要求很多,不能在实际中用这个方法。其次是识别部分的准确率还不够高,在一些相近的字符上会出现识别错误。

移动版:

本文标签:

河南快三_河南快三彩票平台|官网 吉林十一选5|首页 十大彩票平台|正规授权 北京pk10|首页 秒速飞艇_秒速飞艇手机版【官方网站】 最好的快三投注平台|官网 吉林快三|首页 快乐十分_快乐十分广东|正规授权 全国最大的快三投注平台|首页 广西快三|官网 幸运28网站|首页