车牌识别系统答题.doc

  1. 1、本文档共32页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
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

文档评论(0)

4477769 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档