神经网络车牌识别系统剖析.docVIP

电气与自动化工程学院课程设计评分表 课程名称： 智能控制 设计题目： 基于神经网络的车牌识别技术研究 班级：学号： 姓名： 项目 评分比例 得分 课程设计平时表现 30% 课程设计报告 40% 课程设计答辩 30% 课程设计总成绩 100% 指导老师： 施健 常 熟 理 工 学 院 电气与自动化工程学院 《智能控制》实践项目设计 题目：基于神经网络的车牌识别技 术研究 姓 名： 学 号： 班 级： 指导教师： 施健 目 录 1.引言 1 2.设计概述 1 2.1车牌识别技术 1 2.2 车牌识别技术的发展 2 2.3 车牌识别技术的研究现状 3 3.设计方案 4 4.车牌识别系统的matlab实现 5 4.1 图像的读取 5 4.2 图像预处理 7 4.2.1灰度变换 7 4.2.2 图像校正 8 4.3 牌照分割 9 4.3.1 图像边缘提取及二值化 9 4.3.2 车牌定位 11 4.3.3 神经网络 12 4.4 车牌提取 13 5.设计结果及分析 14 5.1程序运行结果 14 5.2程序结果分析 14 6.总结体会 16 7.参考文献 17 附录1 18 附录2 30 1.引言 近年来，随着全球经济化形式的不断发展，人们的物质生活需要日益提高，私人拥有机动车辆的数量呈几何增长态势，车辆的普及成为了目前的必然趋势。在此情况下，仅仅依靠大力发展交通设施已不能解决现在已经存在的交通拥挤、环境污染加剧、交通事故频发等问题。汽车数量的增加日益成为制约城市发展的重要因素之一，由于城市空间的严格限制、修建新道路所需的巨额资金以及环境的压力，相比于建设更多的道路基础设施，建立完善的道路网络缓解道路交通增长的需求，大力发展智能交通系统，才有可能真正解决日益严重的交通问题。 车牌字符的识别过程实际上是在车牌准确定位的基础上，逐步去除非车牌字符区的干扰实现字符正确匹配的过程。由于车牌中的字符数目有限（汉字约50个，字母A-Z，数字0-9），识别方法有其特殊性，它不需要大量的汉字库，但同时受现场环境的影响，分割出来的单个字符图像中往往存在噪声。本文深入研究了一种基于神经网络的车牌字符识别算法，大规模的并行处理和分布式信息存储，良好的自适应性、自组织性，很强的学习功能、联想功能和容错功能，其识别率高，抗干扰能力强，灵活性大。虽然神经网络具有较高的识别率，但单个神经网络的可信度并不高。本文针对单个神经网络可信度不高的问题，提出了一种基于多个神经网络进行车牌字符识别的方法。 (1) 鲁棒性: 在任何情况下均能可靠正常地工作，(2) 实时性:不论在汽车静止还是高速运行情况下，， 2.2 车牌识别技术的发展 车牌识别技术产生于上世纪末开始的智能交通革命，智能交通系统经过近十多年的推广、试行和发展，目前已成功地应用于若干经济发达及较为发达国家的都市及城市高速公路系统中。而车牌识别系统正是在这种应用背景下研制出来的，能够自动实时检测车辆经过和识别汽车牌照的智能交通管理系统。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，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。目前，车牌识别系统己经最广泛应用到包括智能交通违章监视管理(电子普察)，高速公路不停车收费，车辆检测，停车场监控与管理等应用中，一方面，车牌识别系统本身是一个全数字化的智能系统，在它上面只要做不多的扩充，就可以衍生出一些其他功能。另一方面，即使是世界上很多研究机构和公司专门从事这方面的研发工作， 高可靠性，高性能和高识别率的车牌识别系统还待开发，LPR 系统发展迅速，出现了一些较为实用的产品。 2.3 车牌识别技术的研究现状 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