文档介绍：捅矍割和字符识别三部分,其中字符识别是该系统的关键技术。神经网络模式识别是近年来兴起的模式识别领域的一个重要研究方向。它所具本论文选择基于神经网络的模式识别技术作为识别的方法,选取基于灰度图像的浠惶卣鳌⒒、卣鞯燃钢不同的字符特征分别作为神经网络的输入,进行神经网络训练,实现车牌字符识在智能交通系统校嗣嵌猿蹬剖侗鹣低车淖既沸圆欢咸岢鲂碌囊G螅车辆牌照识别技术是智能交通系统暮诵募际踔唬饕0ǔ蹬贫ㄎ弧⒆址有的高度非线性和自学习、自组织能力使它具有独特的优势。别分别统计几种方法的识别准确率和识别时间,比较其优缺点;并提出修正识别结果的改进方法。因此把神经网络理论应用到车牌识别中,具有很好的理论意义和实践价值。关键词:车牌识别神经网络字符识别特征提取摘要
.,琣舔篶,,,.琍:
第一章绪论课题的研究背景限制,以及资金和环境方面的压力,建设更多的道路基础设施将受到很大限制,智能交通系统擅拦兰甏岢觯侵附冉男畔⒓术、电子通讯技术、自动控制技术、计算机技术以及网络技术等综合运用于整个从而实现运输方式和交通管理的现代化。际醯牟堑缆方ㄉ与运输领域里的一场革命。它对道路建设提出了更新、更高的要求:给运输带来了从形式到观念到效果的根本变化;它将促进交通运输的安全、环保和高效。虺芁技术是计算机智能应照识别技术且桓鲆蕴囟勘晡6韵蟮淖ㄓ眉扑慊泳跸低常孟低衬艽一幅图像中自动提取车牌图像,自动分割字符,进而对字符进行识别,它运用模结果,使车辆的电脑化监控和管理成为现实。车牌自动识别系统已经成为现代智能交通系统中的重要组成部分,已广泛应用于不停车收费、失窃车辆侦察、停车场管理、车辆进入许可等需要车牌认证的堵塞问题,可以解决因人为原因造成的路桥卡口、高速公路、停车场应收款项流要的作用,因此从事车辆牌照识别际醯难芯烤哂屑渲匾5南质狄庖搴车辆牌照识别低持械牧礁龉丶糠质浅蹬贫ㄎ幌低澈统蹬谱址侗系统。关于车牌定位算法的研究,国内外学者已经做了大量的工作,但是实际效果并不是很理想,比如车牌倾斜度较大、车牌表面的污染和磨损程度较重、光线过亮或过暗等干扰因素都是影响定位准确度的重要因素。近年来不少学者针对车牌本身的特点,车辆图像拍摄的不良现象和复杂的背景状况,先后提出了许多具近二、三十年以来,随着全球经济的不断发展,人民生活水平的不断提高,私人拥有机动车的数量迅速增加,车辆普及成为了必然的趋势。由于城市空间的因此,保持道路建设和现代化管理并重,在发展交通设施的同时,也要大力发展现代智能交通系统,简称。交通运输,车辆牌照识别用的一个分支,是计算机视觉与模式识别技术在智能交通领域重要应用。车辆牌式识别、人工智能技术,对采集到的汽车图像进行处理,实时准确地自动识别出车牌的数字、字母及汉字字符,并以计算机可直接处理的字符数据形式给出识别重要场合,可以解决车流高峰期因出入口车流瓶颈造成的路桥卡口、停车场交通失的问题,还可以以较简单的方式完成交通部门的车辆信息联网,解决数据统计自动化,模糊查询等问题。车辆牌照识别低吃谥悄芙煌ㄏ低持芯哂泻苤巨大的经济价值。
国内外研究现状有针对性的定位方法,使车牌定位效果有了很大的改善。然而现代化智能交通系统的不断发展将对车牌定位的准确率和实时性提出越来越高的要求。车牌字符识别就是对车牌上的数字、字母和汉字进行快速地、准确地确认过程。识别子系统是整个车辆牌照识别低车暮诵模喽杂谄渌枷袷侗鹣统来说,车牌自动识别系统的研究要困难得多。首先,受环境影响较大。识别系统往往会受到天气、光照等外界环境因素的影响,这就要求系统能够具有全天候稳定工作的性能,对系统的设计提出了较高的要求。其次,待识别车辆的车型复杂。不同车型的高低、颜色差别很大,车头细节也不尽相同,识别系统也会受到车身上的车标、字符等各种干扰影响,从而造成车牌错误定位和字符误识别。另外,车牌本身的污染、缺损也会影响识别率。因此,要提高识别系统的正确率将碰到很多困难,目前车牌自动识别技术还未达到非常完善的程度。字符识别中,汉字识别是一个难点,许多国外的车辆牌照识别低骋惨蛭N薹ㄊ侗鸷鹤而无法应用在中国市场。目前解决字符识别的方法有很多,但是效果都不是很理想,难以适应现代化智能交通系统高速度、高精度的要求,因此字符识别的研究车辆牌照识别低持饕J侗鸺际跤校和枷翊砑际酢淦凳侗技术、传统模式识别技术、人工神经网络技术等。从可实现性来看,基于图像处理技术的车辆牌照识别低尘哂谐杀窘系汀⑴涮咨枋┙霞虻サ扔诺悖瞧遍采用的识别技术。但图像处理技术也存在图像易受外界干扰因素影响的缺点。目前国内外采用主动红外照明摄像或使用特殊的传感器来提高图像的质量,进而提高识别率,但这样的系统投资成本过大,不适合做市场推广。国外对汽车牌照自动识别的研究已经有将近二十年的时间。日本、加拿大、德国、意大利、英国、新加坡等国家