有限范围的视频车辆识别算法的研究和实现【毕业设计】.doc

上传人:一*** 文档编号:55480 上传时间:2018-05-30 格式:DOC 页数:31 大小:237.21KB
下载 相关 举报
有限范围的视频车辆识别算法的研究和实现【毕业设计】.doc_第1页
第1页 / 共31页
有限范围的视频车辆识别算法的研究和实现【毕业设计】.doc_第2页
第2页 / 共31页
有限范围的视频车辆识别算法的研究和实现【毕业设计】.doc_第3页
第3页 / 共31页
有限范围的视频车辆识别算法的研究和实现【毕业设计】.doc_第4页
第4页 / 共31页
有限范围的视频车辆识别算法的研究和实现【毕业设计】.doc_第5页
第5页 / 共31页
点击查看更多>>
资源描述

1、 本科 毕业 设计 (论文 ) (二零 届) 有限范围的视频车辆识别算法的研究和实现 所在学院 专业班级 计算机科学与技术 学生姓名 学号 指导教师 职称 完成日期 年 月 2 摘要: 车牌识别系统( LPR 系统)是以汽车牌照为特定目标的专用识别系统,以其在现代化交通中所占的重要位置,已成为智能交通 领域研究的重点和热点之一。车牌识别系统涉及到数学图像处理、计算机视觉、模式识别、人工智能等多项技术。对车牌照的定位、分割和字符识别是最为关键的技术,对整个系统的性能起着决定性作用。 本系统主要由车牌图像采集和预处理、车牌区域的定位提取、车牌字符的分割和识别几部分组成。本文对系统中车牌定位、字符分

2、割和识别的算法做了一个比较全面的论述,分析了现有的理论算法,并分别提出具有实际应用意义的解决方案。主要解决了:一、在简单背景图像中准确定位分割车牌区域;二、对车牌字符的识别能力进行提高。 1. 在图像预处理模块对图像进行灰 度化、二值化和图像增强处理。 2. 在车牌定位模块概述了四种研究方法,提出利用边缘检测法对牌照区域进行定位。 3. 在车牌分割模块,在进行了车牌的倾斜校正和确定字符上下边界后,利用滑动窗口探测分割法实现字符分割。 4. 在车牌识别模块,在字符特征提取的基础上提出了 BP 神经网络识别方法。通过输入特征,训练样本的学习和实验,在识别上去的较好的效果。 在本文中,对车牌识别系统

3、进行一些研究工作,在实际中的应用效果还不是很令人满意,有待进一步的研究和完善。 关键词: 图像处理 车牌定位 字符分割 车牌识别 BP 神经网络 3 The Limited range of video vehicle detection algorithm and implementation Abstract: The License Plate Recognition System(LPRS) is the visual system whose goal is the License Plate, with its important position in occupied by t

4、he modern traffic. LPRS becomes one of the focus research in the intelligent transportation. LPRS involves techniques such as digital image processing, computer seeing, pattern recognition and artificial intelligence etc. Research on license positioning, segmentation and character recognition is the

5、 most critical technology. And it plays a crucial role in the performance of the whole system. This system is mainly made up of the vehicle license picture gathering and the pretreatment, the vehicle license region localization and extraction, the vehicle license character segmentation and the recog

6、nition. This article has made a quite comprehensive discussion about the algorithm of the vehicle license region localization, the vehicle license character segmentation and the recognition. This paper researches and analyzes the existing theories and algorithms, and puts forward a practical solutio

7、n scheme of application significance on every module. Mainly solved the following questions: Firstly, accurately locating and dividing vehicle license region in the ordinary background image; Secondly, enhancing the capability of vehicle license character recognition. 1. In image processing module,

8、we use the gray change, binary and image enhancement technology. 2. In license positioning module, outlined four methods, proposed the edge agglutination positioning to locate the license area. 3. In characters segmentation module, the license will carry on the tilt correction and to sure the upper

9、and lower boundary of the characters. Using the sliding window detection segmentation method to achieve the character segmentation. 4. In license recognition module, in character based on feature extraction, puts forward the BP(Back Propagation) neural network to identify method. After 4 an in-depth

10、 study in the inputs and the choice of training template, the thesis gives some better results. In this paper, some researches about the LRPS have been done. But in practical application it dont have very satisfactory results. We need to be further studied and improved in the future. Key words: Imag

11、e process, License position, Character segmentation, License recognition, BP neural network5 目 录 第一章 绪论 . 1 1.1 课题背景 . 1 1.2 课题的组成和工作原理 . 1 1.3 国内外的发展状况 . 2 1.4 课题技术难点和研究方法、内容 . 3 第二章 图像预处理 . 5 2.1 数字图像处理概述 . 5 2.2 灰度化 . 5 2.3 二值化 . 6 2.4 图像增强 . 7 2.4.1 灰度修正 . 8 2.4.2 中值滤波 . 8 2.5 归一化 . 9 2.6 边缘检测 .

12、 9 2.7 小结 . 11 第三章 车牌定位和分割 . 12 3.1 我国车牌的规格 . 13 3.2 定位方法综述 . 14 3.2.1 基于边缘检测的 方法 . 15 3.2.2 基于区域灰度垂直投影算法 . 16 3.2.3 基于模板匹配的定位算法 1015 . 16 3.3 车牌分割方 法分类与难点 . 17 3.4 车牌倾斜校正 . 17 3.4.1 Hough 变换 16 . 18 3.5 字符分割的实现 . 18 3.6 小结 . 19 第四章 字符识别 . 20 4.1 神经网络系统概述 . 20 4.2 字符特征提取 . 20 4.3 BP 神经网络 . 21 4.3.1

13、BP 网络设计需考虑的问题 . 22 4.3.2 BP 神经网络的训练 . 22 4.4 小结 . 23 第五章 总结 . 24 5.1 总结回顾 . 24 5.2 进一步工作展望 . 24 致 谢 . 错误 !未定义书签。 参考文献 . 26 1 第一章 绪论 1.1 课题背景 上世纪 90 年代,为了适应日益发展的经济需要,国家加大了公路基础设施的建设,大量的公路如雨后春笋般出现,伴随着高速公路建设热潮的兴起和人民生活水平的提高,机动车数量也是急剧增加。随着交通基础设施的提高,对交通控制和安全管理的要求也越来越高。现代社会已经进入信息时代了,随着计算机技术、通讯技术和计算机网络技术的发展,

14、自动化的信息处理能力和水平也在不断的提高。智能交通已经成为当前交通管理发展的主要方向了。牌照作为行驶车辆的唯一标识,在车辆管理和控制方面有着无可替代的作用,汽车牌照自动识别技术也已经越来越 受到人们的重视。 为了更好的解决车牌识别的技术问题,许多人都围绕着通讯技术、计算机技术、图像处理技术等各个方面展开研究。 本文提出的车牌自动识别系统是应用于智能小区管理、停车场管理等方面的实际应用方案,利用其能够不停车自动识别汽车牌照和车型的特点,在车辆经过卡口的一瞬间得到识别并且通过网络将识别的信息保存和出入口的信息传送到各个出口。既不需要值班员发放通行介质,又可以保证车辆信息准确无误的传送到出口,提高了

15、小区、停车场的质量管理。 1.2 课题的组成和工作原理 车牌识别系统属于计算机视觉研究领域,应用了图 像阈值、图像二值化、图像增强、图像去噪、图像分割以及图像直方图等各种图像处理技术,并且结合了神经网络识别的方法,因此,课题的研究对于计算机视觉领域方面的发展也具有一定的意义。 基于 PC的车牌上识别系统是通过某一时间点的汽车前视或者后视图像完成对车牌的自动定位和识别。基本组成图 1.1 如下: 图 1-1 车牌识别系统组成 车牌识别系统的工作原理:当车辆通过视频检测区域时,检测装置将车辆通过的信号传图像采集 图像预处理 车牌定位 字符分割 字符识别 2 送到图像采集设备,图像采集设备采集车辆图

16、像,并却将图像传送到计算机,计算机则对图像进行自动的定位识别并将识 别结果送至监控中心或者数据存储系统等。 车牌识别系统的核心部分:车辆检测、图像预处理、检测定位、字符分割和自动识别。 1. 车辆检测。对视频中的运动车辆进行检测,这部分的主要任务目标是判断是否有车辆过往,如果有,则采集该帧图片为后继的预处理和定位工作做准备;如果没有,则继续进行判断。 2. 图像预处理。将输入的彩色图像提取色彩信息,并且进行灰度化变成灰度图,在灰度图上进行滤波处理,将滤波后的图像转化为二值图像并且对二值图中的噪声进行消除。 3. 检测定位。在预处理后的图像中进行区域搜索,寻找出具有车牌特征的候选区域,根据实际

17、的车牌特征找出车牌的信息和字符的信息。 4. 字符分割。在得到车牌信息和字符信息后,对字符进行定位,根据灰度的相似性或者不连续性检测进行区域分割、边界分割。 5. 自动识别。对车牌中的字符分割信息进行特征提取,模板匹配等等,进而得到识别的字符。 1.3 国内外的发展状况 车牌识别技术在 20 世纪 90 年代初人们就开始对它进行了广泛的研究,主要途径就是对车牌的图像进行分析,自动提取车牌信息,确定车牌号码等信息。在研究的过程中也出现很多的技术方法,有模糊数学理论,也有用神经元算法来识别车牌字符,有基于水平线搜索的定位方法,也 有基于二值化算法及自适应边界搜索算法等等。很多国外的研究人员提出了牌

18、照识别系统里的关键技术:牌照定位和字符识别方面的很多有用的价值算法。牌照识别的方法主要是识别牌照区域的字符,对于中国的牌照主要包括几十个汉字、 26 个英文字母以及10 个阿拉伯数字的识别。基于汉字、数字以及字母的识别工作国外早已开始研究,目前很多方面的技术都已经比较成熟,相关产品也都已经问世。但是,牌照区域的字符识别不能简单的认为是印刷体字符的识别,在研究相关技术的时候要充分的考虑字符的排列和结构。很多国家都有适合自己本国车辆的牌照识别系统,例 如以色列 Hi-Tech 公司的 See/Car System系列,新加坡 Optasia 公司的 VLPRS 系列以及 Zamir 公司研制的 i

19、nSignia 系统都是较成熟的产品。 3 国内在 90 年代也开始了对车牌识别系统的相关研究,上海交大戚飞虎提出了基于彩色分割的牌照识别方法;华中科技大学黄心汉提出了基于模板匹配和神经网络的牌照识别方法;西安交通大学的郑南宁等人提出了多层次纹理分析的牌照识别方法。牌照识别技术的研究促进了适合我国车辆牌照识别产品的问世,很多产品相继投入使用。其中,亚洲视觉生产的 VECON-VIS 车牌识别系统 、程度稀土科技有限公司生产的 CIAS-T2003 车牌识别稽查系统、上海高德威公司的汽车牌照识别系统以及北京汉王公司研究的嵌入式一体化车牌识别仪,这些产品的识别率都达到了 95%以上,但是由于环境、

20、光线对于车牌识别的影响比较大,所以在不同的光效和光照背景下识别率会有所不同。 1.4 课题技术难点和研究方法、内容 车牌识别系统在实验室里已经取得了良好的效果,但是应用在实际中效果并不能达到最好,因为实验室中的环境是处于理想状态的,而在自然环境中,受到天气等因素的影响,识别率很难达到要求。并且由于我国的国情不同,造 成一些特殊状况增加了研究的难度。简单规划为以下几点: 1. 我国法定的 汽车牌照是由汉字、英文字母和阿拉伯数字组成的,汉字识别与字母和数字的识别有很大的不同。 2. 许多国家的车牌底色和字符颜色通常只有对比度比较强烈的两种颜色,而我国的车牌仅底色就有蓝、黄、黑多种颜色,字符也有黑、

21、红、白等颜色。 3. 其他国家的车牌格式通常只有一种,而我国根据不同的车型、用途等方面规定了多种牌照格式。 4. 我国汽车牌照的悬挂位置不唯一。 5. 因道路环境或者人为因素造成的汽车牌照大面积污损,在我国仍旧可以在路上行驶。 对于本课题的研究内容: 1. 掌握智能交 通系统的发展现状和发展方向; 2. 比较现有的车辆牌照识别算法的性能,在此基础上总结车牌照识别技术的优缺点。 3. 具体对车牌区域定位方法、车牌字符分割方法和车牌字符识别方法进行研究。 4. 对车牌牌照中字母和数字字符的识别算法进行深入的研究,对现有的技术进行改进,使对于数字字符的识别具有较好的识别效果。 4 对于本课题的研究方

22、法: 1. 查阅大量有关图片处理技术和人工神经网络的资料。 2. 参照现有的车牌识别技术进行技术比对优劣,寻找最合适的方法实现车牌识别系统。 3. 使用基于图像处理和边缘检测、模板匹配的方法对车牌现实精确定位和字符分割。 4. 使用基于 BP 神经网络的方法实现精确识别车牌字符。 5 第二章 图像预处理 主要讲述对采集到的图像采用数字图像的方法进行预处理。由于图像采集时因为牌照的整洁度、自然光照条件、大气流动、拍摄时摄像机对于车牌的角度和距离等等因素的影响,采集到的彩色车牌图像有可能出现的模糊、歪斜和缺损等严重的缺陷,所以必须要对图像进行预处理,减少对后期定位、分割和识别的影响。本章将对其中一

23、些基本方法予以简要的介绍。 2.1 数字图像处理概述 数字图像处理( Digital Image Processing)是指用计算机对图像信息进 行处理,因此也可以称为计算机图像处理。数字图像处理技术处理精度比较高,而且还可以通过改进处理软件来优化处理效果。数字图像处理包括以下内容: 1、 点运算 2、 几何处理 3、 图像增强 4、 图像复原 5、 图像形态学处理 6、 图像编码 7、 图像重建 8、 模式识别 在预处理阶段使用较多的技术是图像增强技术。 2.2 灰度化 灰度图( Grayscale)是指只含亮度信息的图像,就像我们平时看到亮度由暗到明的黑白照片,亮度变化是连续的。因此,要表示灰度图,就要把亮度值进行量化。通常划分为 0255共 256 个界别, 0 最暗(全黑), 255 最亮(全白)。 BMP 格式的文件中并没有灰度图这个概念,但是可以很容易地用 BMP 文件来表示灰度图。方法是用 256 色的调色板,只不过这个调色板有点特殊,每一项的 RGB 值都是相同的,

展开阅读全文
相关资源
相关搜索

当前位置:首页 > 学术论文资料库 > 毕业论文

Copyright © 2018-2021 Wenke99.com All rights reserved

工信部备案号浙ICP备20026746号-2  

公安局备案号:浙公网安备33038302330469号

本站为C2C交文档易平台,即用户上传的文档直接卖给下载用户,本站只是网络服务中间平台,所有原创文档下载所得归上传人所有,若您发现上传作品侵犯了您的权利,请立刻联系网站客服并提供证据,平台将在3个工作日内予以改正。