深度學(xué)習(xí)算法在車(chē)牌識(shí)別系統(tǒng)中的應(yīng)用.pdf

1、車(chē)牌識(shí)別系統(tǒng)被廣泛應(yīng)用于現(xiàn)實(shí)生活中，如收費(fèi)站、停車(chē)場(chǎng)、十字路口等，這些具體的應(yīng)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(jìn)管理模式的作用，同時(shí)它也是智能交通系統(tǒng)的重要組成部分。深度學(xué)習(xí)算法是目前機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)，被廣泛應(yīng)用于圖像識(shí)別、語(yǔ)音識(shí)別、人臉識(shí)別、自然語(yǔ)言處理等領(lǐng)域。因此本文的研究具有一定的理論意義和實(shí)用價(jià)值。
　　本文系統(tǒng)由車(chē)牌定位、字符分割和字符識(shí)別三個(gè)模塊組成。作者在對(duì)各模塊的幾個(gè)常見(jiàn)算法進(jìn)行研究

2、的基礎(chǔ)上，提出應(yīng)用深度學(xué)習(xí)算法的改進(jìn)，最終實(shí)現(xiàn)算法的工程轉(zhuǎn)化和系統(tǒng)應(yīng)用。主要工作如下：
　　1.對(duì)比分析深度置信網(wǎng)絡(luò)、堆棧自編碼網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特點(diǎn)，指出它們?cè)趫D像領(lǐng)域應(yīng)用的優(yōu)勢(shì)或不足，確立卷積神經(jīng)網(wǎng)絡(luò)作為本文的應(yīng)用算法；
　　2.研究國(guó)內(nèi)車(chē)牌的規(guī)格和特點(diǎn)，在此基礎(chǔ)上分析幾種常見(jiàn)定位算法的優(yōu)缺點(diǎn)，根據(jù)本文定位算法的設(shè)計(jì)原則提出改進(jìn)方法，即利用數(shù)字圖像技術(shù)實(shí)現(xiàn)對(duì)圖像中疑似車(chē)牌區(qū)域的快速提取工作，避免深度學(xué)習(xí)算法的全圖掃

3、描花費(fèi)。其中，候選區(qū)域的提取依據(jù)是車(chē)牌的兩個(gè)顯著特征（邊緣和顏色），再結(jié)合矩形特性進(jìn)行粗篩選。對(duì)于得到的候選區(qū)域，算法利用分類(lèi)性能優(yōu)異的AlexNet模型進(jìn)行真?zhèn)闻袥Q；
　　3.由于深度學(xué)習(xí)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(chǔ)上，結(jié)合已收集的車(chē)牌數(shù)據(jù)，實(shí)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(shù)實(shí)現(xiàn)，即先后利用 Hough變換、OTSU閾值分割及Radon變換等預(yù)處理技術(shù)得到便于字符切分的情