基于視頻的車輛檢測和車牌識別關(guān)鍵技術(shù)研究.pdf

1、隨著科技的進步和經(jīng)濟的發(fā)展，傳統(tǒng)的交通管理方式已不能完全滿足現(xiàn)代社會的需求，智能交通逐步走進我們的日常生活。車輛檢測和車牌識別技術(shù)是智能交通研究中的重點和關(guān)鍵，但由于背景復(fù)雜、自然環(huán)境多變及其它外界干擾使得基于視頻的車輛檢測和車牌識別變得愈發(fā)困難。
　　本文的主要目標(biāo)是對交通場景中的運動目標(biāo)進行檢測和分類，從視頻中識別出車輛，在此基礎(chǔ)上對車牌進行定位并識別出車牌號碼。在深入分析車輛檢測和車牌識別難點的基礎(chǔ)上，對運動目標(biāo)檢測、運動目

2、標(biāo)分類、車牌識別分別進行了研究，主要內(nèi)容包括:
　　(1)針對利用三幀差分法進行運動目標(biāo)檢測會存在較多噪聲的問題，本文通過抗噪圖像分割技術(shù)將探測到的圖像同質(zhì)性引入目標(biāo)檢測中，從而更好地在目標(biāo)檢測過程中抑制噪聲的影響并且盡量保持運動目標(biāo)的完整性。實驗表明，該方法可以去除背景干擾噪聲，提高目標(biāo)檢測的正確率。
　　(2)針對利用貝葉斯分類器、神經(jīng)網(wǎng)絡(luò)、支持向量機進行分類時通常只關(guān)注分類結(jié)果、沒有利用數(shù)據(jù)結(jié)構(gòu)信息、結(jié)果可解釋性差這些

3、問題，本文設(shè)計出了一種基于聚類的關(guān)系分類器設(shè)計策略。該關(guān)系分類器中引入了聚類和分類間的邏輯關(guān)系矩陣，該矩陣可刻畫出數(shù)據(jù)的天然形成特點，揭示出聚類和類別之間潛在的邏輯關(guān)系，使得分類的過程更加清晰直觀、可解釋強、識別率高。實驗表明，該關(guān)系分類器分類準(zhǔn)確度較高、時間復(fù)雜度較低。
　　(3)針對車牌的整潔度、自然光照條件并不一定理想的問題，本文對原始圖像進行形態(tài)學(xué)預(yù)處理，使其具有較好的清晰度;針對車牌識別過程中車牌定位困難的問題，本文對經(jīng)