基于深度學(xué)習(xí)的車輛檢測(cè)和車牌定位.pdf

1、隨著交通管理技術(shù)的逐步發(fā)展和完善，車牌識(shí)別技術(shù)如今已普遍使用在道路監(jiān)控和道路指揮系統(tǒng)中，如高速路收費(fèi)站、路口車流行人監(jiān)控、小區(qū)以及停車場(chǎng)自動(dòng)收費(fèi)放行系統(tǒng)等。同時(shí)它也是智能交通系統(tǒng)的重要組成部分，為解決道路擁堵的狀況提供了新的方案，能夠幫助決策者快速高效的制定執(zhí)行計(jì)劃，節(jié)約了勞動(dòng)成本。車輛牌照是汽車獨(dú)有認(rèn)證標(biāo)志，因而對(duì)車牌相關(guān)技術(shù)的學(xué)習(xí)和探討能帶來重大社會(huì)價(jià)值。本文介紹了車牌識(shí)別的歷史和背景，并深入了解了車牌識(shí)別技術(shù)在國(guó)內(nèi)外的發(fā)展現(xiàn)狀，介

2、紹近幾年一直很流行的機(jī)器學(xué)習(xí)算法及其在圖像檢測(cè)識(shí)別等方面的應(yīng)用。克服現(xiàn)有算法的一些局限性，并結(jié)合機(jī)器學(xué)習(xí)的相關(guān)算法，提出一種機(jī)器學(xué)習(xí)和圖像處理技術(shù)相結(jié)合的車牌識(shí)別系統(tǒng)，利用深度學(xué)習(xí)和圖像處理技術(shù)來實(shí)現(xiàn)。
　　本研究主要內(nèi)容包括：⑴介紹數(shù)字圖像處理相關(guān)技術(shù)，對(duì)圖像中三種顏色空間以及它們之間相互轉(zhuǎn)換進(jìn)行了簡(jiǎn)要的描述和分析，介紹了數(shù)學(xué)形態(tài)學(xué)原理及其在圖像濾波去噪方面的作用，針對(duì)文中要使用的卷積神經(jīng)網(wǎng)絡(luò)和角點(diǎn)密度聚類，描述了這兩種算法的基

3、本概念，實(shí)現(xiàn)方式。⑵為了解決傳統(tǒng)車輛檢測(cè)存在的問題，提高車輛檢測(cè)的準(zhǔn)確率，提出將區(qū)域卷積神經(jīng)網(wǎng)絡(luò)算法應(yīng)用到車輛檢測(cè)中。該方案依照?qǐng)D像顏色層次相關(guān)特征，產(chǎn)生潛在車輛待選區(qū)域。建立相應(yīng)卷積神經(jīng)網(wǎng)絡(luò)模型，提取每個(gè)候選區(qū)域局部特征。對(duì)卷積神經(jīng)網(wǎng)絡(luò)模型做出改良，修改原輸入圖像大小，其網(wǎng)絡(luò)參數(shù)也做出相應(yīng)調(diào)整。選定正負(fù)樣本進(jìn)行 SVM分類器訓(xùn)練，采取 SVM分類器進(jìn)行車輛候選區(qū)域分類，最后判斷車輛信息。通過實(shí)驗(yàn)數(shù)據(jù)論證，本文改進(jìn)的卷積模型在車輛檢測(cè)測(cè)

4、試中獲得較優(yōu)異的效果。⑶為了解決傳統(tǒng)車牌定位算法性能不夠理想的情況，提出一種角點(diǎn)密度統(tǒng)計(jì)方法對(duì)車牌進(jìn)行定位。第一步，依據(jù)車牌自身的顏色特性，將整幅圖像從 RGB彩色空間變換為HSL彩色空間，對(duì)獲取的 HSL圖像進(jìn)行閾值化處理，然后采用一系列形態(tài)學(xué)方法完成圖像濾波，剔除無用信息。接著，對(duì)濾波后圖像使用角點(diǎn)檢測(cè)算法，獲取角點(diǎn)數(shù)量、坐標(biāo)信息。最后采取 DBSCAN角點(diǎn)密度判定準(zhǔn)則確定車牌位置。實(shí)驗(yàn)結(jié)果表明，此算法定位精度也較高，定位時(shí)間較快，