基于BP神经网络算法的车牌字符识别---毕业论文.doc

1、 本 科 毕 业 论 文 基于 BP 神经网络算法的车牌字符识别 The license plate character recognition based on BP neural network algorithm 姓 名： 学 号： 学 院：软件学院 系：软件工程 专 业：软件工程 年 级： 校内指导教师： 年 月摘 要 车牌识别技术是 近几年发展起来的计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一 。该技 术已被广泛应用于路桥收费、港口和机场卡口监控、大型停车场管理等实际系统中。在今后的智能交通系统中也将会有着关键的应用。 本 系统在实现的过程当中，包含两大模块，即图像处

2、理模块和 字符 识别模块。 本文 笔者 主要实现 图像字符的分割、尺寸大小归一化、图像紧缩重排、特征提取、BP神经网络训练以及最后的字符识别。 BP 神经网络的流程为样本训练 -字符特征提取 -神 经网络识别结果。 在 研究 BP 神经网络 算法的过程中 ，首先简介神经网络识别技术，然后叙述 BP 神经网络的 研究 过程，最后 阐述本系统 BP 神经网络的实现及其程序运行 。 本文开发 的 基于 BP 神经网络的车牌 识别 系统，通过良好的程序构架 实现 了识别过程。 通过 程序测试表明：利用神经网络可有效识别车牌且速度快、识别率高、具有较高的使用价值。在本文的结尾部分 叙述了笔者对车牌系统发

3、展的看法和以后的可改进方向 ，着实而有力的表明了自己的观点。 关键字 ： 字符识别；神经网络； BP 算法 Abstract License plate recognition technology is developed in recent years, it is the application of computer vision and pattern recognition technology in the field of intelligent transportation. The technology has been widely used in road and br

4、idge fees, port and airport card monitor, the actual large-scale parking lots management system. In future intelligent transportation systems will also have a critical application. In the realization of the process, the system includes two main modules, namely image-processing module and character r

5、ecognition module. In this paper, the author mainly work on image-segmentation, size-normalization, image-contraction rearrangement, character feature extraction, BP neural network training, as well as the final step: the character recognition. The process of the BP neural network includes: training

6、 process for a sample - character feature extraction - the results of neural networks. In the study of BP neural network algorithm, the first step is a brief for the neural network technology, then described the BP neural network, and the last step is the BP neural network of the system and its prog

7、ram realization. In this paper, the author uses a nice framework of the program to achieve the development of the license plate character recognition based on BP neural network algorithm. Experiments show that through the process: the use of neural networks can effectively identify the license plate

8、 and speed, recognition rate is high, with a higher value. At the end of this article the author points out his view of the development of the license plate system in the future, and shows out his point of view obviously. Key Words: Character Recognition; neural network; BP algorithm 目录 第一章 绪论 . 1 1

9、.1 简述 . 1 1.2 项目背景及研究现状 . 2 1.3 本文的主要工作 . 5 1.4 本文结构 . 5 第二章 系统的总体设计 . 6 2.1 系系统的开发平台 . 6 2.1.1 系统的硬件平台 . 6 2.1.2 系统的软件平台 . 6 2.2 系统中用到的关键技术 . 6 2.3 系统实现 . 7 2.3.1 系统流程图 . 7 2.3.2 系统总体设计 . 7 第三章 系统的详细设计 . 10 3.1 字符的分割 . 10 3.2 图像尺寸归一化 . 11 3.3 字符的紧凑排列 . 12 3.4 特征提取 . 14 3.5 用 BP 神经网络进行字符识别 . 16 3.5.

10、1 神经网络简介 .16 3.5.2 本系统 BP神经网络实现及编程实现 .18 第四章 系统的实现结果 . 31 4.1 系统运行的主界面 . 31 4.2 系统测试运行结果： . 32 4.3 程序总结 . 32 4.3.1 BP 网络训练部分 .32 4.3.2 BP 网络识别部分 .33 4.4 对于该类系统的想法和今后的研究方向 . 33 4.4.1 关于车牌识别系统的发展趋势： . 33 4.4.2 BP 网络的优化及改进 .34 第五章 结束语 . 37 参考文献 . 38 致谢 . 39 Contents Chapter 1 Introduction . 1 1.1 summa

11、rize . 1 1.2 Project Background . 2 1.3 Mainly work . 5 1.4 FrameWork . 5 Chapter 2 General design. 6 2.1 System hardware and software platform . 6 2.1.1 System hardware platform. 6 2.1.2 System software platform. 6 2.2 Key Technologies. 6 2.3 System achievement. 7 2.3.1 System flow chart. 7 2.3.2 S

12、ystem overall design. 7 Chapter3 Detailed design.10 3.1 Character Segmentation .10 3.2 size normalization .11 3.3 character contraction rearrangement .12 3.4 character feature extraction .14 3.5 BP Neural network character recognition .16 3.5.1 About Neural Networks.16 3.5.2 Process of the BP Neural

13、 network system and code.18 Chapter4 System results .31 4.1 Main interface .31 4.2 System test results .32 4.3 Summary of the program .32 4.3.1 BP Training.32 4.3.2 BP character recognition.33 4.4 Ideas and research directions .33 4.4.1 Development trends.33 4.4.2 Optimization and improvement.34 Cha

14、ptrer5 Conclusions.37 References .38 Acknowledge .39 第一章 绪论 1 第一章 绪论 1.1 简述 随着计算机技术的快速发展，数字图像处理技术进入了各个不同的领域，得到更加深入和广泛的应用。但是在具体工程实践应用中，由于具体问题的不同，数字图像处理技术目前尚没有统一的算法来解决实际问题，所以其运用仍存在着一定的限制。因此对具体问题的研究和解决方案的提出仍然是一个 极其 具有挑战性的课题。 早期图像处理技术的应用范围受到图像处理设备价格昂贵以及处理速度缓慢的影响，运用受到了很大的限制。从 70 年代后至今，随着计算机技术的迅速发 展，图像处理的

15、应用范围得到了逐渐推广。将图像处理技术应用于交通领域 ，组建了智能交通系统（ ITS），近年来在我国已经有了相当程度的进步，其应用主要分 为 车辆检测、车辆识别、车辆跟踪三个部分，其中车辆识别又分为车型识别和车牌识别。本文主要研究车牌识别技术。我国机动车使用的牌照主要是根据公安部一九九二年颁布的中华人民共和国公共行业标准：中华人民共和国机动车牌 号 制作的。汽车牌照一般由下列基本元素组成： 汉字（牌照中包括的汉字大约 48 个） 英文字母（ A-Z） 数字（ 0-9） 颜色（蓝、黄、白、黑） 现在市场上流行的 车辆牌照识别系统的 特点 在于高速：一般系统能把时速不高于120KM 的汽车车牌号码

16、自动识别出来的时间 0.8 秒 ； 识别率高 :采用数字图像处理的算法，在各种条件下能有较高的识别率 ； 系统可靠性高，稳定性强，能长时间工作 ； 系统构成简单，安装维护方便。 当然系统要保持较高的识别率会受到很多技术难点的影响，这些 技术难点主要有 :受环境影响较大，车牌区域定位难 ； 车牌变形校正、旋转倾斜校正、污损修复比较难以实现 ； 对高速运行车辆，车辆高速运动中成像难 ， 系统要求全天候连续工作、系统无故障时间长，对系统软硬件鲁棒性要求高等。 第一章 绪论 2 1.2 项 目背景 及研究现状 近几年，我国道路交通迅猛发展，随之也带来了对交通管理自动化的迫切需求。车牌自动识别的研究与开

17、发一直是现代化交通发展中倍受关注的问题，也是制约交通系统智能化、现代化的重要因素。智能交通系统己成为当前交通管理发展的主要方向，而车牌识别技术作为智能交通系统的核心，起着举足轻重的作用。 车牌自动识别系统具有广泛的应用范围，主要应用于 :(1)高速公路收费、监控管理 ； (2)小区、停车场管理 ； (3)城市道路监控、违章管理 ； (4)车牌登录、验证 ；(5)车流统计、安全管理等。车牌自动识别系统应用于这 些系统，可以解决通缉车辆的自动稽查问题，可以解决车流高峰期因出入口车流瓶颈造成的路桥卡口、停车场交通堵塞问题，可以解决因工作人员作弊造成的路桥卡口、高速公路、停车场应收款流失的问题，还可以

18、以最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，模糊查询的问题。车牌自动识别系统可安装于公路收费站、停车场、十字路口等交通关卡处，其具体应用可概括为 : (l)交通监控利用车牌识别系统的摄像设备，可以直接监视相应路段的交通状况，获得车辆密度、队长、排队规模等交通信息，防范和观察交通事故。它还可以同雷达测 速器或其他的检测器配合使用，以检测违犯限速值的车辆。当发现车辆超速时，摄像机获取该车的图像，并得到该车的牌照号码，然后给该车超速的 警 告信号。 (2)交通流控制指标参量的测量，为达到交通流控制的目标，一些交通流指标的 测量 相当重要。该系统能够测量和统计很多交通流指标参数，如总

19、的服务流率，总行程时间，总的流入量流出量，车型及车流组成，日车流量，小时 /分钟车流量，车流高峰时间段，平均车速，车辆密度等。这也为交通诱导系统提供必要的交通流信息。 (3)高速公路上的事故自动测报这是由于该系统能够监视道路情 况和测量交通流量 指标，能及时发现超速、堵车、排队、事故等交通异常现象。 (4)对养路费交纳、安全检查、运营管理实行不停车检查根据识别出的车牌号码从数据库中调出该车档案材料，可发现没及时交纳养路费的车辆。另外，该系系统还可发现无车牌的车辆。若同车型检测器联用，可迅速发现所挂车牌与车型不符的车辆。 第一章 绪论 3 (5)车辆定位由于能自动识别车牌号码，因而极易发现被盗车

20、辆，以及定位出车辆在道路上的行驶位置。这为防范、发现和追踪涉及车辆的犯罪，保护重要车辆(如运钞车 )的安全有重大作用，从而对城市治安及交通安全有重 要的保障作用。 车牌自动识别系统拥有广阔的应用前景，但若在每个街口都装配一套全新的车辆探测器的硬件系统则投资巨大，所以急需一个纯软件实行的车牌自动识别系统来最大限度的减少费用，而纯软件的设计，不仅投资小而且灵活性高，适合我国的国情。 从 20世纪 90年代初，国外就已经开始了对汽车牌照自动识别的研究，其主要途径就是对车牌的图像进行分析，自动提取车牌信息，确定汽车牌号。在各种应用中，有使用模糊数学理论也有用神经元网络的算法来识别车牌中的字符，但由于外

21、界环境光线变化、光路中有灰尘、季节环境变化及车牌本身比较模糊 等条件的影响，给车牌的识别带来较大的困难。国外的相关研究有 :(1)J Barroso提出的基于扫描行高频分析的方法 ； (2) I.T. Lancaster提出的类字符分析方法等 .为了解决图像恶化的问题，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，继而提高识别率，但系统的投资成本过大，不适合普遍的推广 . 车牌识别系统中的两个关键子系统是车牌定位系统和车牌字符识别系统。 关于车牌定位系统的研究，国内外学者已经作了大量的工作，但实际效果并不是很理想，比如车牌图像的倾斜、车牌表 面的污秽和磨损、光线的干扰等都是

22、影响定位准确度的潜在因素。为此，近年来不少学者针对车牌本身的特点，车辆拍摄的不良现象及背景的复杂状况，先后提出了许多有针对性的定位方法，使车牌定位在技术和方法上都有了很大的改善 .然而现代化交通系统不断提高的快节奏，将对车牌定位的准确率和实时性提出更高的要求。因而进一步加深车牌定位的研究是非常必要的。 车牌字符识别是在车牌准确定位的基础上，对车牌上的汉字、字母、数字进行有效确认的过程，其中汉字识别是一个难点，许多国外的 LPR系统也往往是因为汉字难以识别而无法打入中国市场 ，因而探寻好的方法解决字符的识别也是至关重要的 .目前己有的方法很多，但其效果与实际的要求相差很远，难以适应现代化交通系统

23、高速度、快节奏的要求。因而对字符识别的进一步研究也同样具有紧迫性和必要性。 第一章 绪论 4 从实用产品来看，如以色列的 Hi-Tech公司研制的多种 See/Car system，适应于几个不同国家的车牌识别，就针对中国格式车牌的 See/Car system而言，它不能识别汉字，且识别率有待提高。新加坡 Optasia公司的 VLPRS产品，适合于新加坡的车牌，另外日本、加拿大、德国、意大利、英国等西方发 达国家都有适合于本国车牌的识别系统。 我国的实际情况有所不同，国外的实际拍摄条件比较理想，车牌比较规范统一，而我国车牌规范不够，不同汽车类型有不同的规格、大小和颜色，所以车牌的颜色多，且

24、位数不统一，对处理造成了一定的困难。在待处理的车牌图像中就有小功率汽车使用的蓝底白字牌照，大功率汽车所用的黄底黑字牌照，军车和警车的白底黑字，红字牌照，还有国外驻华机构的黑底白字牌照等。就位数而言，有七位数字的，有武警车九位数字的，有军车、前两位字符上下排列的等，所以也造成了处理的难度。 国内做得较好的产品主 要是中科院自动化研究所汉王公司的“汉王眼”，此外国内的亚洲视觉科技有限公司、深圳市吉通电子有限公司、中智交通电子系统有限公司等都有自己的产品，另外西安交通大学的图像处理与识别研究室、上海交通大学的计算机科学与工程系、清华大学、浙江大学等都做过类似的研究。通常处理时为了提高系统的识别率，都

25、采用了一些硬件的探测器和其他的辅助设备如红外照明等，其中“汉王眼”就是采用主动红外照明和光学滤波器来减弱可见光的不可控制影响，减少恶劣气候和汽车大小灯光的影响，另外还要求在高速公路管理窗口到“汉王眼”识别点埋设两条线路管道， 一条管道铺设 220伏 50赫兹 1安培的交流供电线路 :另一条管道铺设触发信号线路和汉王眼与管理计算机的通讯线路，投资巨大，不适合于大面积的推广。 另外，还有两种专门的技术被用于车牌的识别中，条形码识别技术和无线射频技术。条形码识别要求预先在车身上印刷条形码，在系统的某一固定位置上安装扫描设备，通过扫描来读取条形码，以达到识别车辆的目的。无线射频技术要求在车内安装标示卡

26、，在系统某一位置安装收发器等装置，通过收发器来接受标示卡的信号，从而识别出经过的车辆。显然，这两种技术更难以推广。 从目前一些产品 的性能指标可以看出，车牌识别系统的识别率和识别速度有待提高。现代交通的飞速发展以及车牌识别系统应用范围的日益拓宽给车牌识别系统第一章 绪论 5 提出了更高的要求。因此，研究高速、准确的定位与识别算法是当前的主要任务，而图像处理技术的发展与摄像设备、计算机性能的提高都会促进车牌识别技术的发展，提高车牌识别系统的性能。 1.3 本文的主要工作： 本文基于数字图像处理技术，研究、开发了一套自动化的基于数字图像处理技术的车辆牌照识别系统。在论文中主要描述系统中的第二个模块

27、 字符识别模块的实现过程， 其中包括了字符的分割、尺 寸归一化处理、紧缩重排以及 使用 BP 神经网络算法 进行字符识别。在字符识别过程中， 首先简介 BP 神经网络识别算法，然后 详细研究 BP 神经网络算法的 过程，最后 描述本程序的设计方法及其实现 。在利用 BP 神经网络进行字符识别的过程主要包括 神经网络的 训练 （包括汉字、数字和字母的训练） 、 字符的特征提取、字符的识别及 结果的输出。在基于 BP 神经网络的该车牌识别系统 中 ， 笔者 运用了良好的程序构架 实现 了识别过程。 1.4 本文结构 全文分为五个章节： 第一章为“引言” ； 第二章介绍系统的总体设计 ； 第三章介绍系统的详细设计 ； 第四章给出系统的实 现（运行）结果 ； 第五章为“结束语”。最后是致谢、参考文献。