復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，以及國內汽車保有量數字的不斷上升，如何科學、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。作為機器視覺領域的一項應用，車牌識別系統(tǒng)可以應用在交通違章處理、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、本文通過對國內外已有的車牌識別算法進行了深入的研究和比較，發(fā)現國內對于多車牌識別系統(tǒng)的研究和實際應用還落后于國外，具有很大的研究價值和商業(yè)前景。考慮車牌在復雜背景下的旋轉、變形等干擾，本文設計了一種多車牌識別系統(tǒng)，具體的工作內容如下：
　?。?）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)融合構成新的特征向量，結合支持向量機（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。當車牌發(fā)生旋轉、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)現標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。
　?。?）通過實驗對比分析了標準BP神經網絡和改進的BP神經網絡算法，在字符識別過程中的性能表現，并且定量對比了隱含層包含不同數量神經元時的性能表現，以及自適應學習率BP算法采用不同學習率增長速率時的性能表現，確定了BP網絡的最優(yōu)結構，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)設計，并以 Vis

5、ual Studio2010作為開發(fā)平臺，采用MFC應用程序開發(fā)技術，選用MS Access作為后臺數據庫，搭建了基于 C/S的三層體系結構，完成了車牌識別系統(tǒng)軟件的整體開發(fā)，其中應用了大量的圖像處理知識，實現了多車牌的自動識別的功能。結果證明本文設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)圖像識別的基礎上，引申討論了基于視頻流數據的車牌識別方法。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