深度學習算法在車牌識別系統(tǒng)中的應用.pdf

1、車牌識別系統(tǒng)被廣泛應用于現(xiàn)實生活中，如收費站、停車場、十字路口等，這些具體的應用能夠有效緩解交通擁堵現(xiàn)象，起到節(jié)省人力成本、提高效率、改進管理模式的作用，同時它也是智能交通系統(tǒng)的重要組成部分。深度學習算法是目前機器學習領域的研究熱點，被廣泛應用于圖像識別、語音識別、人臉識別、自然語言處理等領域。因此本文的研究具有一定的理論意義和實用價值。
　　本文系統(tǒng)由車牌定位、字符分割和字符識別三個模塊組成。作者在對各模塊的幾個常見算法進行研究

2、的基礎上，提出應用深度學習算法的改進，最終實現(xiàn)算法的工程轉化和系統(tǒng)應用。主要工作如下：
　　1.對比分析深度置信網(wǎng)絡、堆棧自編碼網(wǎng)絡和卷積神經(jīng)網(wǎng)絡的結構特點，指出它們在圖像領域應用的優(yōu)勢或不足，確立卷積神經(jīng)網(wǎng)絡作為本文的應用算法；
　　2.研究國內(nèi)車牌的規(guī)格和特點，在此基礎上分析幾種常見定位算法的優(yōu)缺點，根據(jù)本文定位算法的設計原則提出改進方法，即利用數(shù)字圖像技術實現(xiàn)對圖像中疑似車牌區(qū)域的快速提取工作，避免深度學習算法的全圖掃

3、描花費。其中，候選區(qū)域的提取依據(jù)是車牌的兩個顯著特征（邊緣和顏色），再結合矩形特性進行粗篩選。對于得到的候選區(qū)域，算法利用分類性能優(yōu)異的AlexNet模型進行真?zhèn)闻袥Q；
　　3.由于深度學習與字符分割算法的契合度不高，因此作者在參考現(xiàn)有幾種字符分割算法的基礎上，結合已收集的車牌數(shù)據(jù)，實現(xiàn)本文的字符分割算法。該算法采用常規(guī)的數(shù)字圖像技術實現(xiàn)，即先后利用 Hough變換、OTSU閾值分割及Radon變換等預處理技術得到便于字符切分的情