车牌识别系统中字符切分和识别技术的研究的中期报告.docxVIP

车牌识别系统中字符切分和识别技术的研究的中期报告

一、研究背景与意义

在现代城市交通中，汽车数量快速增长，规模不断扩大，加上泊车难度大、高速公路收费、和交通违法行为等问题愈加严重，因此车牌识别技术应运而生。车牌识别技术可以对车辆的信息进行自动识别和处理，提高城市交通管理和运营效率，方便民众出行。但车牌字符切分和识别技术是车牌识别系统中的核心技术，对于系统的准确率和效率影响很大。

二、已有研究成果

目前，车牌字符切分和识别技术已经取得了许多成果，主要包括：

1.字符切分：基于颜色和形态特征的切分方法、基于深度学习的切分方法、基于边缘检测的切分方法等。

2.字符识别：基于模板匹配的识别方法、基于特征提取的识别方法、基于子模块的识别方法、基于深度学习的识别方法等。

三、研究内容

本研究旨在探究车牌字符切分和识别技术的研究现状，分析现有算法的优点和不足，并提出改进方案。

1.字符切分

针对基于颜色和形态特征的字符切分方法，本研究将通过改进反向投影算法来提高其准确率。针对基于深度学习的切分方法，本研究将研究如何优化CNN网络结构和优化训练样本集对其准确率进行提升。针对基于边缘检测的切分方法，本研究将探究如何优化边缘检测算法，以提升其对车牌字符切分的准确检测率。

2.字符识别

针对基于模板匹配的识别方法，本研究将探究如何优化模板库的构建和选择匹配算法。针对基于特征提取的识别方法，本研究将探究如何提取更加鲁棒的特征，在更小的特征维度下保证识别的准确率。针对基于深度学习的识别方法，本研究将探究如何优化CNN网络结构和提供更好的训练样本集。

四、研究方法

本研究将基于MATLAB和Python，在模拟数据和实际数据集上进行尝试，其中模拟数据集将采用MATLABVision工具箱，实际数据集采用安装在公路收费站或高速公路的车辆识别平台，以及取自社会实际开发有关数据集进行测试。

五、研究计划

本研究将于2021年5月至2021年9月期间进行。主要计划如下：

1.5月-6月：对车牌字符切分与识别技术进行概述和分类，并详细介绍各种算法的原理和思路。

2.6月-7月：对颜色和形态特征、深度学习和边缘检测三种切分方法进行实现并通过模拟数据进行测试。

3.7月-8月：对模板匹配、特征提取和深度学习三种识别方法进行实现并通过模拟数据进行测试。

4.8月-9月：采用实际数据集进行算法验证和结果分析，进行对比试验并得出结论。

六、研究预期结果

通过对车牌字符切分和识别技术的研究，本研究预期将得出以下结果：

1.优化三种切分方法的准确率和鲁棒性。

2.优化三种识别方法的准确率和识别效率。

3.探索针对车牌识别问题的深度学习技术，验证其适应性和性能表现，并进行与传统算法的对比研究。

4.提出基于上述技术改进的车牌识别系统，具有较高的可靠性和鲁棒性。