车牌识别系统答题.doc

基于脉冲神经网络的车牌识别系统的设计与实现 【中文摘要】车牌识别系统是集人工智能、图像处理、数据融合、计算机视觉和模式识别等技术为一体的复杂系统，其主要包括车牌定位、字符分割和字符识别三大模块。本文主要结合图像处理技术与模式识别技术，对车牌定位、字符分割和字符识别进行了深入研究，并在Matlab平台上对部分算法进行仿真验证，同时在此基础上，运用 VC++2012平台，设计了车牌识别系统，并且可以植入同学设计的智能停车管理系统的ARM开发板，实现车牌的识别。 本文主要提出基于脉冲神经网络的车牌定位算法。该算法主要分为两个部分：粗定位和精确定位。利用脉冲神经网络进行颜色分割，初步定位车牌区域；然后进行图像预处理，此过程也是利用SNN进行边缘检测，能得到更好的车牌边缘图。此算法具有较高的定位率，能对各种底色车牌进行定位，有利于后面的字符分割和识别。 对于字符分割模块主要是利用字符的垂直投影和字符的固有特征，根据字符间隙对应投影的极小值和投影曲线呈现波峰、波谷交替出现的特点，来分割车牌字符。 本文主要是基于BP神经网络的字符识别算法。其中采用改进的粗网格特征和粗外围特征对汉字进行特征提取；采用改进的粗网格特征对字母和数字进行特征提取，有利于后面BP神经网络的训练，提高了车牌的识别率。 【关键字】脉冲神经网络（SNN）；车牌定位；边缘检测；字符分割；字符识别 绪论 1.1车牌识别系统的研究背景及意义 车牌识别技术的研究背景主要是1990[1]年美国智能交通学会CITS America提出了智能交通系统(Intelligent Transportation Systems(ITS))的概念，车牌识别技术研究随着智能交通系统的广泛应用而加深，智能交通系统主要指的是利用先进的计算机技术、信息技术等来控制整个交通运输体系，随着人们的物质生活水平有了显著的提高，汽车进寻常百姓家[2]这方面的研究我国相对比较弱，尽管如此，随着智能交通技术广泛应用和研究的加深以及奥运会的成功举办，在我国智能交通系统也慢慢起步了，由于中国车牌的格式比较复杂与国外的车牌有较大差异，所以对于国内车牌图像分析与识别还是具有一定的困难。 近年来，随着经济发展，城市化进程加快，交通管理面临了很大的挑战，为了缓解交通压力，需要发展与其相关的车牌识别系统。由于车牌识别系统在城市交通监控、电子收费系统、高速公路自动收费系统和停车管理系统等等都有广泛应用，因此有着广泛的应用前景。 在未来城市智能交通监控系统中，车牌识别系统是关键的技术之一，主要是通过检测识别车牌和统计车辆情况，将交通数据提供给在道路交叉处的信号灯，同时可以提供车辆诱导信息、动态更新车辆电子地图；在高速公路自动收费系统中，可以有效缓解车辆堵塞和交通拥挤的情况，提高车辆的流通速度；在停车管理系统中可以有效防止车位被占以及车辆被盗；在流量观测站中，记录车牌、对违章车辆进行监控，可以更好服务交通部门，提高观测的可靠性、准确性及高效性；同时通过自动识别牌照和车型，可以有力的辅助侦破汽车犯罪案件。对车牌识别系统的需求越来越大，因而对车牌识别技术的研究和应用系统开发具有重要的现实意义。 1.2 车牌识别系统和脉冲神经网络的研究现状 车牌识别技术的发展很快，现在国内外大量的公司、大学和研究机构都在从事车牌识别技术的研究和开发工作，有些车牌识别系统已经投入到了实际运用当中。比较成功的产品有：以色列Hi_Tech公司的See/Car System系列产品、我国香港Asia Vision Technology公司的VECON产品、新加坡Optasia公司的VLPRS产品、中科院自动化研究所汉王公司的“汉王眼”，深圳市吉通电子有限公司的产品、中智交通电子系统有限公司的产品等。表1是根据文献[1]和有关资料整理的若干车牌识别系统的性能指标。 表1 若干车牌识别系统的性能指标 国家 产品 车牌定位率(%) 车牌识别率(%) 意大 RITA —— 75.27 德国 VESUV 72 84 日本 车牌识别系统 96 86.8-89.2（白天），62-77（夜间） 西班牙 LOCOMOTIVA 90 95（天气好），70（天气不好） 泰国 车牌识别系统 84.29 80.81 中国 汉王眼 98 95 中国 文通 —— 白天≥98%，夜晚≥92% 由于不同国家的车牌使用的文字不同，因此上述的指标不能做简单的比较。国由于车牌数据数据没有统一来源，统计方法和标准未明确定义。以上数据只能作为参考。一般认为，在成像条件较好的情况下，国内的车牌识别率可以达到90%左右。研究方面，清华大学人工智能国家重点实验室、西安交通大学的图像处理与识别研究室、上海交通大学的计算机科学与工程系、浙江大学的自动化系等也有相关的研究。 第一代神经