车牌定位和车牌分割技术研究.docVIP

车牌定位和车牌分割技术研究 　　摘要：对车牌定位与车牌分割技术进行了分析，认识到车牌自动识别系统的核心概念，总结车牌定位与车牌分割的技术形式，核心目的是通过车牌整合办法的分析，进行车牌设计方案的合理确定，以便提高车牌定位及车牌分割技术运用的稳定性。 　　关键词：车牌定位；车牌分割；技术分析 　　中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2018）02-0172-02 　　在人们生活水平逐渐提升的背景下，车辆的数量逐渐提升，而且城市与城市之间的车流量也逐渐增大，因此，在车辆交通管理的过程中，其管理技术的优化逐渐成为人们关注的问题。伴随着人工智能技术的逐渐进步，智慧城市的建设逐渐普及，在这种背景下，车牌定位技术与车牌分割技术的运用也就显得十分重要。通过车牌定位的准确性及技术性分析，可以完善智慧性车辆管理的核心理念，从而为车牌定位技术的整合提供有效支持。 　　1 车牌自动识别系统的研究概述 　　对于车牌自动识别技术而言，主要是计算机视频图像识别技术在汽车牌照识别中的技术运用，在车牌识别技术使用的过程中，通过对技术形式的分析，可以将汽车牌照在复杂的环境背景中提取出来，并通过对车牌提取、图像处理、特征分析以及车牌字符识别技术的运用，实现对汽车车牌号的识别。在我国车牌识别技术使用的过程中，其字母以及数字的分辨率可以达到96%，而且，汉字的识别率可以达到95%，因此，车牌识别技术在高速公路管理中得到了十分广泛的运用，在电子收费（ETC）系统中，有效结合了这种技术形式，从而为车辆出行的安全性提供了有效支持。也有一些停车场管理中，采用了车牌识别技术，为车辆的停放提供了良好帮助。 　　2 车牌自动识别系统中的车牌定位技术 　　研究中可以发现，在以往车牌定位原理分析中，主要是在图像处理基础上，通过对人工设计方案的整合，进行图像设计特征的体现，从而实现车牌的定位核算。在图像数据获取的过程中，由于容易受到光照、噪?以及视角的影响，会使图像数据产生一定的干扰因素，在特定的环境下，可以实现定位的准确性。研究中选择了深度学习算法提取图像的基本特征，以便通过深度计算发展的运用，提高对车牌定位技术的有效利用，明确图像的判断标准，从而为车牌自动识别系统的优化整合提供有效支持[1]。 　　通过对车牌定位问题的总结分析，可以采用有效性的监督整合及核算方法，以便通过对图分割搜索算法的选择，进行车牌候选区域的确定，并从中期初区域性的资源输出环节，并将相关的资料输入在网络环境之中，防止数据不平衡影响网络系统信息资源的整合。在网络输入过程中，需要将车辆图像作为候选区域，并通过 Selective Search 算法实现数据的生成，并通过人工标记记性出牌区域的合理选择，对于所选择的区域需要明确输入网络，并利用卷积网络有效提取图像中车牌标记，从而实现对候选区域及正确区域图像的合理划分。通常状况下，在连接层输入车牌猴拳区域以及正确区域的图像过程中，应该结合so ftmax进行网络层的分类确定，并输出车牌的背景，从而实现车牌的合理定位。 　　在网络运行中，设定第l层为卷积层，第l+1层为池化层，则第l层第j个映射计算公式如（1），其中公式中的Mj表示输入特征的映射集合，i是输入的特征映射集中的特征性映射，b是输出增加的加性偏置项，*卷积运算；k卷积核算。 　　在池化层数据整合中，所输入的特征映射以及输出的特征影响存在着相同之处，其基本的计算公式如（2）。公式中的dowm表示采样函数、β为输出增加的成性偏置，b是输出增加的增加性偏置。 　　在so ftmax层中，当输入全连接层的数据内容时，可以通过该系统形成构造概率，通常状况下，so ftmax的函数定义如 （3） 　　通过对系统描模型以及计算公式的整合确定，可以有效提高车牌定位技术设计的准确性，并实现对车辆系统资源的有效管理。 　　3 车牌自动识别系统中的车牌分割技术 　　在车牌定位技术整合结束之后，需要对车牌进行分割技术的处理。在对车牌分割处理的过程中，需要对车牌的心态进行运算方法的确定，应该对车牌图形进行腐蚀、膨胀、二值化等运算，从而达到对车牌缺口填补的目的，而且，可以有效消除突刺以及亮细节的效果。 　　第一，膨胀。填补图像中的细缝为[A?B=Ux∈ABx]。 　　第二，腐蚀。在这种问题处理中，主要是为了消除突刺[2]。 　　第三，在开运算中，主要是为了达到先腐蚀后膨胀的目的。 　　第四，闭运中，应该进行膨胀后腐蚀的处理。 　　在这几个过程处理中，应该通过对边缘检测办法的整合，进行检测方法的确定，并通过对图像局部特征的整合，进行模板匹配方法的融合，从而实现对车牌图像字符的合理分割。 　　通常状况下，在车牌自动识别系统确定中，其基本的项目设计过程应该做到以下几