基于易混淆字符集神經(jīng)網(wǎng)絡(luò)的車(chē)牌識(shí)別算法研究.pdf

1、隨著21世紀(jì)智能交通和信息技術(shù)的發(fā)展，計(jì)算機(jī)輔助人們處理交通問(wèn)題成為了科學(xué)家不斷研究的方向。我國(guó)交通流量隨著汽車(chē)銷(xiāo)量增長(zhǎng)而日益增大，通過(guò)交警使用傳統(tǒng)方法處理道路事故和違章已經(jīng)變得不切實(shí)際。智能交通技術(shù)通過(guò)引入先信息技術(shù)、控制技術(shù)和計(jì)算機(jī)技術(shù)，形成一套先進(jìn)的智能交通系統(tǒng)。目前，諸如公交GPS控制系統(tǒng)、車(chē)輛追蹤系統(tǒng)、車(chē)輛信息管理系統(tǒng)、ETC不停車(chē)電子收費(fèi)系統(tǒng)等等，都屬于當(dāng)前智能交通子系統(tǒng)的應(yīng)用。
　　而作為車(chē)輛信息管理系統(tǒng)中的關(guān)鍵一環(huán)

2、，為了有效、快速的判別車(chē)輛身份，車(chē)牌識(shí)別系統(tǒng)成為了研究者不斷改革創(chuàng)新的一個(gè)部分。車(chē)牌識(shí)別系統(tǒng)主要依靠計(jì)算機(jī)圖形處理技術(shù)、模式識(shí)別技術(shù)、智能計(jì)算技術(shù)，將車(chē)牌圖片從視頻流得到的圖片中提取出來(lái)，并依次進(jìn)行字符的分割與識(shí)別。
　　車(chē)牌識(shí)別技術(shù)至今依然存在許多困難，如車(chē)牌抓取、車(chē)牌去噪、字符識(shí)別、系統(tǒng)性能要求等等困難。在一個(gè)標(biāo)準(zhǔn)4米高卡口上抓取的1080P圖片中，車(chē)牌部分僅僅占有約120*35像素大小。并且道路卡口照片中存在著大量自然背景和

3、多車(chē)輛等等干擾因素。車(chē)牌圖片噪聲很多，包括過(guò)曝光電、柳丁、車(chē)牌邊框、車(chē)牌污損等等噪聲影響。字符識(shí)別成功率更是由上面兩步成功率和預(yù)處理效果以及識(shí)別方法所決定，并且系統(tǒng)對(duì)實(shí)時(shí)性和準(zhǔn)確性都有明確的要求。
　　本文主要通過(guò)對(duì)國(guó)內(nèi)外最近方法研究，通過(guò)選取合適的車(chē)牌提取、字符分割、字符識(shí)別算法，在原始方法上加以改進(jìn)，使得識(shí)別時(shí)間平均在300ms以?xún)?nèi)，數(shù)字及英文字符正確率在95％以上，車(chē)牌識(shí)別率在80％左右。
　　論文主要進(jìn)行了以下方面的

4、研究與改進(jìn):
　　(1)車(chē)牌提取方面:在Sobel算子垂直方向邊緣檢測(cè)后運(yùn)用縱向噪聲與橫向噪聲消除方法去除大部分車(chē)體噪聲和環(huán)境噪聲，運(yùn)用改進(jìn)型的二值圖像快速矩化算法將候選車(chē)牌位置標(biāo)識(shí)出，運(yùn)用車(chē)牌矩形特征和顏色特征得到正確的車(chē)牌位置。
　　(2)字符分割方面:在灰度拉伸、二值化得到較為清晰的車(chē)牌圖片后，運(yùn)用字符高度逼近方法去除大部分車(chē)牌的上下邊框和柳丁，在運(yùn)用簡(jiǎn)化投影特征和車(chē)牌模板特征，以及采用一定容錯(cuò)算法將字符正確分割。