車牌識別關(guān)鍵技術(shù)研究與應(yīng)用.pdf

1、隨著經(jīng)濟(jì)的迅猛發(fā)展和人民生活水平的提高,車輛的普及成為當(dāng)今社會(huì)的一種必然趨勢,智能交通系統(tǒng)也應(yīng)運(yùn)而生,有效緩解了交通控制和車輛管理中的難題。車牌識別LPR(License Plate Recognition)集成了計(jì)算機(jī)視覺、圖像處理、模式識別等技術(shù),是智能交通系統(tǒng)的重要組成部分,實(shí)現(xiàn)了全天性對道路上過往機(jī)動(dòng)車的監(jiān)控。車牌識別主要由車牌定位、傾斜校正、字符分割及字符識別四部分組成。
　　本文在車牌定位環(huán)節(jié)結(jié)合車牌固有顏色特征,提出

2、在 HSV彩色模型空間中基于目標(biāo)顏色對邊緣檢測及綜合特征的車牌定位方法,降低了工程應(yīng)用中拍攝角度和復(fù)雜背景對車牌定位的不良影響,經(jīng)驗(yàn)證本文算法的定位率為93.1％。傾斜校正是提高車牌字符分割效果的有效途徑,為此,本文在旋轉(zhuǎn)投影的基礎(chǔ)上加以改進(jìn),得出了一種基于投影坐標(biāo)方差最小的校正傾斜車牌的方法,并且在水平傾斜校正環(huán)節(jié),將邊緣檢測加入到該算法當(dāng)中,在不降低校正精度的前提下提高了校正速率。為增加垂直傾斜校正的準(zhǔn)確性,在完成水平校正后增加去除

3、車牌邊框干擾的環(huán)節(jié)。該方法的精確度和算法復(fù)雜性方面在工程應(yīng)用中均具有較大的優(yōu)勢。接著利用車牌字符具有連通性和其垂直投影具有波峰、波谷交替出現(xiàn)的分布特點(diǎn)對字符進(jìn)行粗分割和二次精細(xì)切分。字符識別部分,綜合分析了基于模板匹配、特征統(tǒng)計(jì)、神經(jīng)網(wǎng)絡(luò)的字符識別算法,深入研究了 BP神經(jīng)網(wǎng)絡(luò)分類器的特點(diǎn),采用 BP神經(jīng)網(wǎng)絡(luò)的多分類器來進(jìn)行車牌字符的識別,漢字網(wǎng)絡(luò)、字母網(wǎng)絡(luò)、字母數(shù)字網(wǎng)絡(luò)的識別率分別為91.3%、94.6%和93.8%。應(yīng)用上述算法對現(xiàn)