復(fù)雜背景下多車牌識別算法的研究與軟件系統(tǒng)實.pdf

1、近年來，伴隨著“智慧城市”概念的興起，以及國內(nèi)汽車保有量數(shù)字的不斷上升，如何科學(xué)、高效地收集和處理車輛信息，使其融入“智慧城市”的整個體系的運行中，一直是科研和商業(yè)領(lǐng)域的重要課題。其中車牌識別算法的研究以及軟件系統(tǒng)的開發(fā)，作為整個智慧體系的第一個環(huán)節(jié)，其重要性是不言而喻的。作為機器視覺領(lǐng)域的一項應(yīng)用，車牌識別系統(tǒng)可以應(yīng)用在交通違章處理、涉案車輛追蹤、智能停車場等實際場景中。因而，該系統(tǒng)對城市管理者提高管理效率有很重要的意義。
　　

2、本文通過對國內(nèi)外已有的車牌識別算法進行了深入的研究和比較，發(fā)現(xiàn)國內(nèi)對于多車牌識別系統(tǒng)的研究和實際應(yīng)用還落后于國外，具有很大的研究價值和商業(yè)前景?？紤]車牌在復(fù)雜背景下的旋轉(zhuǎn)、變形等干擾，本文設(shè)計了一種多車牌識別系統(tǒng)，具體的工作內(nèi)容如下：
　?。?）通過受試者工作特征曲線（receiveroperatingcharacteristic curve，簡稱 ROC曲線），定量對比了四種區(qū)域矩描述符的性能，選出性能最優(yōu)的兩種區(qū)域矩描述符，使

3、用順序前進法(sequential forward selection，簡稱SFS)動態(tài)融合構(gòu)成新的特征向量，結(jié)合支持向量機（support vector machine，簡稱 SVM），提出了基于多區(qū)域矩融合的車牌定位方法。當(dāng)車牌發(fā)生旋轉(zhuǎn)、姿態(tài)變化甚至被遮擋時，對車牌檢測效率非常高。
　?。?）研究了基于圖像投影的車牌字符分割方法，發(fā)現(xiàn)標(biāo)準車牌圖像投影方法只能分割理想條件下的車牌圖像。針對含有粘連字符或者當(dāng)車牌字符被污染時的情況

4、，本文基于圖像投影法提出了一種動態(tài)峰谷法。該方法有效地解決了非理想條件下車牌字符分割的問題。
　　（3）通過實驗對比分析了標(biāo)準BP神經(jīng)網(wǎng)絡(luò)和改進的BP神經(jīng)網(wǎng)絡(luò)算法，在字符識別過程中的性能表現(xiàn)，并且定量對比了隱含層包含不同數(shù)量神經(jīng)元時的性能表現(xiàn)，以及自適應(yīng)學(xué)習(xí)率BP算法采用不同學(xué)習(xí)率增長速率時的性能表現(xiàn)，確定了BP網(wǎng)絡(luò)的最優(yōu)結(jié)構(gòu)，使字符識別的性能達到了最佳狀態(tài)。
　?。?）對多車牌識別系統(tǒng)進行了需求分析與系統(tǒng)設(shè)計，并以 Vis

5、ual Studio2010作為開發(fā)平臺，采用MFC應(yīng)用程序開發(fā)技術(shù)，選用MS Access作為后臺數(shù)據(jù)庫，搭建了基于 C/S的三層體系結(jié)構(gòu)，完成了車牌識別系統(tǒng)軟件的整體開發(fā)，其中應(yīng)用了大量的圖像處理知識，實現(xiàn)了多車牌的自動識別的功能。結(jié)果證明本文設(shè)計的改進的多車牌識別系統(tǒng)，具有較高的準確率和實用性。
　?。?）最后，在靜態(tài)圖像識別的基礎(chǔ)上，引申討論了基于視頻流數(shù)據(jù)的車牌識別方法。對單幀圖像的提取與優(yōu)化方法做了簡單的討論與實驗，實