基于CNN的智能交通系統(tǒng)多車牌定位方法的研究.pdf

1、車牌識別技術是智能交通系統(tǒng)的重要組成部分之一，已有效的應用于很多方面。車牌定位是車牌識別技術的重要環(huán)節(jié)。但是，目前較為成熟的車牌定位方法，多是針對單一車牌圖像，對多目標、多類型的多車牌情況研究還不夠成熟。因此，研發(fā)多車牌定位識別系統(tǒng)具有重要意義及應用價值。
　　 針對這一研究背景，在廣泛閱讀國內外文獻，比較和借鑒現(xiàn)有車牌定位方法的基礎上，結合對海信網(wǎng)絡科技股份有限公司“電子警察”項目的實地調研，充分利用車牌的顏色、紋理等多重特征

2、，對多目標、多類型的多車牌定位進行了較深入的研究，提出一種基于細胞神經網(wǎng)絡(CNN)、融合彩色特征的多車牌定位新方法。
　　 首先，引入細胞神經網(wǎng)絡于圖像邊緣提取過程，構建了新的車牌識別的邊緣提取算法。實驗結果表明，利用CNN能夠提取各方向的邊緣，且在其它經典邊緣檢測算子失效時，CNN仍可成功奏效。CNN硬件電路結構簡單，運行速度比DSP芯片快103倍，比其它模擬軟件快106倍，且可實現(xiàn)圖像并行處理。CNN的加入可以大大提高多車

3、牌識別系統(tǒng)的實時性。
　　 其次，利用HSI顏色模型，通過顏色量化構造色碼模板，與通過數(shù)學形態(tài)學處理獲得的符合車牌長寬定比的蒙板聯(lián)合，最終確定真實車牌區(qū)域。與單一車牌長寬定比判斷法相比，可靠性和準確性得到很大提高。
　　 最后，在字符分割、識別過程中，利用雙線性插值法、投影和模板匹配相結合，進行字符分割、字符識別，進而完成整個車牌識別過程。
　　 通過對多種真實場景圖片進行大量實驗，如不同時間和光照下，含有不同類