模式识别车牌识别.docVIP

模式识别论文 题 目：姓 名： 学 院： 专 业： 学 号： 指导教师：  关于  摘 要 1 绪论 1.1课题研究的背景 [1]。 最基本的信息包括:道路流量、路况、占有率等道路使用信息:资源分布、分配、一可用性等资源信息:车牌号码、颜色、车型等车辆信息;驾驶执照、违章记录等人员信息。上述基本信息的高效采集和快速传递是智能交通系统的核心实现目标。其中，车牌号码唯一代表一部车辆，通过车牌号码可以追踪到车型、驾驶员、违章记录等。为了自动获得车牌号码，车牌识别应运而生。 车牌识别是数字图像处理与模式识别术在智能交通领域中的重要研究课题。车牌识别系统使用了图像处理中的光学字符识别技术来识别车牌，它可以用来存储由摄像头抓拍下来的图片、识别出来的车牌号和驾驶员的照片。可以使用现有的闭路电视，或者道路监控摄像头，也可以专门定制进行车牌检测和识别的设备。车牌识别技术己经成为当代智能交通领域中研究的热点。 车牌检测与识别是理论的聚集地，只有运用众多高效的数字图像处理技术和模式识别思想刁一能开发出高可靠性、高识别率的系统，抓住广阔的智能交通市场;因此车牌检测与识别技术兼备理论价值和潜在的巨大市场价值。 1.2 车牌识别技术的研究现状 自20 世纪80 年代提出车牌识别技术以来，人们己经对其进行了广泛的研究，其主要途径就是对车牌的图像进行分析，自动提取车牌信息，确定汽车牌号。这个阶段的研究并没有形成完整的系统体系，而是就车牌识别中的某一个具体问题进行讨论，并且通常是采用简单的图像处理技术来解决。识别过程是使用工业电视摄像机拍下汽车的正前方图像，然后交给计算机进行简单处理，并且最终仍需要人工干预。进入20 世纪90 年代后， 随着计算机视觉(ComputerVisionTchnology)的发展和计算机性能的提高，开始出现车牌识别的系统化研究。中国、美国、日本、法国等国家相继投入大量的人力、物力进行应用研究。近几年以来，计算机及其相关技术发达的一些国家开始探讨用人工神经网络技术和遗传算法解决车牌的自动识别问题。同时开始研究车牌识别的实时性要求，使得车牌识别系统进入实用化阶段。 汽车牌照识别技术(Lieense Plate Recognition，LRP)在国外起步较早，一些实用的LRP 系统也开始应用于车流监控，出入控制，电子收费等场合。ARGUS 英国Alphatech 公司的图像部于80 年代中期开始研制名为RGUS 的车牌自动识别系统。可处理黑白或彩色图像，ARGUS 的车牌识别时约为100 毫秒，通过ARGUS 的车速可达每小时100 英里；新加坡的Optasia 公司研制的VLPRS 系统，适合于新加坡的车牌；香港的亚洲视觉公司的车牌识别产品VECON 适用于香港制式的车牌。另外日本、加拿大、德国、意大利、英国等发达国家也都有适用本国车牌的车牌识别系统。从识别原理上有模板匹配，支持向量机的分类器，基于特征的分类器，人工神经网络分类器，粗糙集分类器，聚类分析等方法[2]。 国内不少学者也在进行车牌识别方面的研究，实验室方面，西安交通大学的图像处理和识别研究室、上海交通大学的计算机科学和工程系、清华大学人工智能国家重点实验室、浙江大学的自动化系等在车牌识别方面有各自独立的研究，并取得了一定的成绩。 2 模式识别理论 2.1 模式识别理论 模式识别诞生于20世纪20年代，随着40年代计算机的出现，50年代人工智能的兴起，模式识别在60年代迅速发展成一门科学[3]。 广义地说，模式识别是存在于时间和空间中可观察的事物，如果我们可以区别它们是否相同或是相似，都可以称之为模式。如，汉字“大”可以有多种写法，但是它们都属于同一类。模式识别的作用和目的就在于而对某一具体事物时将其正确归入某一类别。如果给每个类别命名，并且用特定的符号来表达这个名字，那么模式识别可以看成是从具有时间和空间分布信息向着符号所作的映射分类决策。 2.1.1 模式识别系统的组成 基于基本统计方法的模式识别系统主要由4个部分组成: 1.数据获取。通过测量、采样和量化，可以用矩阵或向量表示二维图像或一维波形，以便用计算机处理、保存。 2.预处理。主要