1、北京理工大学 2014 届本科生毕业设计（论文）一、原始依据（包括设计或论文的工作基础、研究条件、应用环境、工作目的等。 ）工作基础：了解 C+的基本概念和语法，熟练使用 Visual C+软件。研究条件：依据 BP 神经网络的基本原理完成算法实现。应用环境：基于 BP 神经网络的图像文件中的车牌号码识别。工作目的：熟练掌握 Visual C+应用程序的开发。了解人工智能的基本概念以及神经网络的基本原理。熟练掌握 Visual C+中的图片处理的基本方法。二、参考文献1人工智能原理及其应用，王万森，电子工业出版社，2007.2VC+深入详解，孙鑫 ，电子工业出版社，2006.3人工神经网络原理
2、, 马锐，机械工业出版社，2010.4Visual C+数字图像处理典型案例详解，沈晶，机械工业出版社，2012.5Application of Image Processing to the Characterization of Nanostructures，Manuel F. M. Costa， Reviews on Advanced Materials Science,2004.三、设计（研究）内容和要求（包括设计或研究内容、主要指标与技术参数，并根据课题性质对学生提出具体要求。 ）1、掌握 C+的基本概念和语法。2、了解神经网络的基本原理。3、完成 Visual C+中对于图像的预处
3、理。4、完成基于样本的神经网络的训练以及图像中车牌信息的识别，并对其性能进行统计和总结。指导教师（签字）年 月 日审题小组组长（签字）年 月 日北京理工大学 2014 届本科生毕业设计（论文）天津大学仁爱学院本科生毕业设计（论文）开题报告课题名称 基于 BP 网络的车牌识别系统的设计系 名 信息工程系 专 业 自动化学生姓名 魏章波 指导教师 扈书亮北京理工大学 2014 届本科生毕业设计（论文）图像输入 灰度转化 边缘检测二值化 几何调整 牌照剪切图像去噪 字符分割 归一化处理输出结果 字符识别 神经网络设置图像预处理车牌定位字符分割字符识别一、课题来源及意义BP(Back Propagat
4、ion)神经网络是 1986 年由 Rumelhart 和 McClelland 为首的科学家小组提出, 是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一。BP 网络能学习和存贮大量的输入 -输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小。智能交通管理系统是 21 世纪道路交通管理的发展趋势。高速公路的不断发展和车辆管理体制的不断完善，为以图像识别为基础的智能交通管理系统进入实际应用领域提供了契机。基于 BP 网络的车牌识别系统正是在这种应用背景下研制出来的，它
5、能够自动、实时地识别车辆牌照，从而监控车辆的收费、闯关、欠费以及各种舞弊现象。车牌识别的实质是对车牌上的数字、字母和汉字进行快识别并以字符的形式输出识别结果，字符识别是整个车牌识别过程的关键所在。由于图像获取时的外界环境不同的影响，系统必须保证能够在任何天气情况下全天不间断的正常工作。因此，对于研究基于 BP 网络的车牌识别系统有重要的意义。二、国内外发展现状从上世纪 90 年代初，基于图像处理的车牌识别技术的研究在欧美发达国家已经兴起。比如在美国、意大利、德国、以色列、新加坡等国家，都已经有比较成熟的产品投入了应用，如以色列的 Hi-Tech 公司的 See/Car System 系列产品，
6、美国的（AUTOSCOF ）2003 系统，香港 Asia Vision Technology 公司的VECON产品，德国西门子公司的 ARTEM7S 系统，新加坡 Optasia 公司的 VLPRS 产品等，其中 VECON 和 VLPRS 产品主要适合于香港和新加坡的车牌，Hi-Tech 公司的 See/Car System 有多种变形产品来分别适应某一个国家的车牌，但因为我国车牌式样的多样性和颜色的多样性以及包含汉字等特点，这些车牌识别系统并不适合我国国情。我国的条件与国外不同，不仅车牌的种类多，而且车牌不够规范，分为很多种类型，并且车牌上还有汉字。按颜色分类，有蓝底白字、黄底黑字、白底
7、黑字和黑底白字之分，有些部队用车车牌字符还分为了两行，这些都决定了我国的车牌识别相对于国外较为困难。近几年，我国也有很多科研单位和公司进行车牌识别方面的研究，也取得了一些成绩。我国做的较好的产品有中科院自动化研究所汗土公司的“汗土眼” ，天勤科技公司的车牌识别系统，背景龙人计算机系统有限公司的停车场收费系统。但对环境要求比较高，在全天候的条件下，都存在着识别精度不高的问题，识别时间比较长的缺点。因此车牌识别系统有很大的发展空间。三、研究目标1、熟练掌握 Visual C+应用程序的开发。2、了解人工智能的基本概念以及神经网络的基本原理。3、熟练掌握 Visual C+中的图片处理的基本方法。四
8、、研究内容图 1 车牌识别系统流程图车牌识别系统主要包括图像预处理、车牌定位、字符分割、字符识别四个步骤，总体流程图如上图所示。1、图像预处理：该单元对拍摄的汽车图片进行灰度化边缘检测等处理。在外界光照不均匀，光照强度不稳定的情况下，通过摄像机采集到的车牌原始图像会模糊不清，因此需要对其进行图像增强的处理。2、车牌定位：对预处理过的汽车牌照图片进行处理，把车牌部分进行定位，删除无用区域，得到车牌图片。从原图像中提取出需要的部分舍弃不需要的部分，以便节省系统识别时间。3、字符分割：把车牌图像中的每个字符从整个图像中分割出来，使其成为单个字符。然后把字符归一化为系统可以识别的规格大小，输入到系统中
9、以待识别，确保字符的完整性。4、字符识别：将需要识别的样本输入系统，选择合适的模式识别的方法，输入正确的字符。五、研究方法与手段掌握 C+的基本概念和语法，熟练使用 Visual C+6.0 软件。依据 BP 神经网络的基本原理实现算法，完成 Visual C+对于图像的预处理及字符的识别和基于样本的神经网络的训练以及图像中车牌信息的识别，并对其性能进行统计和总结，确定最终的识别误差。应用程序平台完全采用 Visual C+开发，整个系统运用了大量的 Visual C+编程技术，如图像处理技术、动态链接库技术、数据库技术等，要有完备的程序以识别多组车牌。六、进度安排1、2014.12.1020
10、15.03.05 查找资料，通过书籍和视频学习 C+的基本概念和语法，练习使用 VC+6.0软件。了解 BP 神经网络的基本原理及人工智能的基本概念。完成开题报告。2、2015.03.062015.03.29 掌握 Visual C+6.0 中的图片处理的基本方法。3、2015.03.302015.05.20 编写程序，完成 Visual C+中对于车牌图像的预处理。4、2015.04.212015.05.25 完成车牌图像中字符的识别，并对其性 能进行测试和总结，确定最终识别误差。北京理工大学 2014 届本科生毕业设计（论文）5、2015.05.262015.06.05 撰写论文，准备答辩
11、。七、主要参考文献1史忠职. 神经网络M. 高等教育出版社， 2009.5.2孙鑫.VC+深入详解M. 电子工业出版社，2006.3王万森. 人工智能原理及其应用M. 电子工业出版社 ，2007.4董志鹏，侯艳书. Visual C+编程从基础到应用M. 清华大学出版社，2014.35沈晶. Visual C+数字图像处理典型案例详解M. 机械工业出版社，2012.6张世辉，孔令富.汉字识别及现状分析J. 燕山大学学报， 2003,04(3)80-85.7曾志军，孙国强. 基于改进的 BP 网络数字字符识别J.上海理工大学学报，2008, 32(1)51-53.8王旭,王宏,王文辉. 人工神经
12、元网络原理与应用M. 第二版 . 东北大学出版社, 2007 年. 9欧阳俊，刘平.基于 BP 神经网络的车牌字符识别算法研究J.光学与光电技术，2012，10（5）67-71.10张玲，张鸣明，何伟.基于 BP 神经网络算法的车牌字符识别系统设计J.视频应用与工程，2008,32（S1）140-142.11Application of Image Processing to the Characterization of Nanostructures，Manuel F. M. Costa，Reviews on Advanced Materials Science.12Bartlett P L
13、. Ada Boost is Consistent M. Department of statics and computer science of California.选题是否合适： 是 否课题能否实现： 能 不能指导教师（签字）年 月 日选题是否合适： 是 否课题能否实现： 能 不能审题小组组长（签字）年 月 日北京理工大学 2014 届本科生毕业设计（论文）摘 要基于 BP 网络的车牌识别是一门对车牌字符识别的技术，它的产生是为了完善智能交通系统，使得交通系统更具有信息时代的意义。本文利用 BP 神经网络与图像处理技术相结合的方法，将 BP 神经网络应用到车牌字符识别中。针对车牌图像的
14、处理的过程包括：车牌图像去噪、车牌图像灰度化、车牌图像二值化、车牌字符图像分割、车牌字符图像归一化、车牌字符图像特征值提取。前面五个过程是为了保证字符信息能更好的体现出来，有利于将特征值提取。BP 神经网络通过对组件的车牌字符库的学习后才会具有识别功能，然后将车牌字符图像提取到的特征值送入到 BP 神经网络中就能识别出来。通过实验证明了通过上述的过程是能够将车牌字符识别出来，在这个识别过程中对于 BP 网络训练的收敛性是十分重要的，证明了该方法的有效性。关键字：字符识别；BP 神经网络；特征值提取；车牌识别北京理工大学 2014 届本科生毕业设计（论文）ABSTRACTBP network b
15、ased license plate character recognition is one pair of license plate character recognition technology, which is produced in order to improve intelligent transportation system, making the transport system more meaningful information age.In this paper, BP neural network and image processing technolog
16、y, a combination of methods will be applied to the license plate BP neural network character recognition. For the license plate image processing process includes: license plate image denoising, gray plate image, license plate image binarization, license plate character segmentation, license plate ch
17、aracter image normallization, license plate character image feature extraction. During the previous five character information in order to ensure better reflected the benefit is worth the feature extraction,. Through the formation of BP neural network library for license plate character recognition
18、function after learning will have, and then extract the license plate character image characteristic value fed to BP neural network can be identified.The experimental results show the process by the above license plate character can be identified, in this process of identifying convergence BP networ
19、k training is very important and effectively identifythe plate proved that the method is effective.Key words: character recognition; BP neural network; feature extraction; license plates recognition北京理工大学 2014 届本科生毕业设计（论文）北京理工大学 2014 届本科生毕业设计（论文）0目 录第一章 绪论 .11.1 课题研究背景 .11.2 研究现状 .21.3 本文研究内容 .3第二章
20、字符识别方法 .42.1 图像预处理 .42.2 车牌定位 .62.3 字符分割 .9第三章 BP 神经网络 .133.1 人工神经网络 .133.2 BP 网络 .16第四章 基于 BP 网络的车牌识别系统 .224.1 字符特征提取 .224.2 系统识别模块 .224.3 程序运行 .23第五章 总结与展望 .275.1 总结 .275.2 展望 .27参考文献 .28外文资料北京理工大学 2014 届本科生毕业设计（论文）1中文译文致谢北京理工大学 2014 届本科生毕业设计（论文）0第一章 绪论1.1 课题研究背景近几年来，随着车辆在普通民众生活中的普及，城市交通的压力越来越成为影响
21、人们方便出行的一大障碍，同时越来越重的城市交通压力也使得原有的交通管理系统不再满足需求，于是人们利用各类先进的科学技术相继研制出各类交通道路、车辆的管理系统，逐步发展到如今较为全面的，包括交通管理多个方面的智能交通系统（Intelligent Transportation System，ITS） 。而在整个智能交通系统中，车牌识别（License Plates Recognition,LPR）更是其中的一项关键所在。车牌识别技术是融合了图像处理、计算机视觉、模式识别技术和人工智能等多学科知识在内的交通领域的重要研究课题之一，是实现交通管理能够智能化的重要环节和重要手段，其任务是分析、处理汽车图
22、像，主动识别汽车牌号，并进行相关智能化数据库管理。车牌识别系统可以广泛应用于电子收费、出入控制、公路流量监控、失窃车辆查询和停车场车辆管理等需要车牌认证的场合，尤其在高速公路收费系统中，实现不停车收费提高公路系统的运行效率，车牌识别系统更具有不可替代的作用。因而从事车牌识别系统的研究具有极其重要的显示意义和巨大的经济价值。在现代，神经网络算法得到广泛应用，这种算法是根据生物神经网络而建立起来的模型，能较好的实现人类存储知识和处理信息的技能，使得系统可以模拟人类思维。神经网络中 BP 网络是其中应用比较广泛且技术较为成熟的网络，BP 网络在如今已经被广泛地应用到各个行业领域，它优越性主要体现在四
23、个方面：函数逼近、模式识别、分类、数据压缩。由于在各个行业领域它已经得到了应用，所以 BP 网络也相对成熟，而且 BP 网络的变化形式也多种多样，采用 BP 网络作为车牌字符识别技术是一个相对合理的选择。如今，随着计算机技术、通信技术和计算机网络技术的发展，自动化的信息处理能力和水平不断提高，人们正在逐步进入信息时代。在此情况下，作为信息来源的自动检测、图像识别技术越来越受到人们的重视。汽车作为现代社会的主要交通工具之一，在人们的生产、生活的各个领域得到大量使用，对它的信息自动采集和智能化管理在公路收费站、停车场、十字路口等交通关卡处有十分重要的意义。而且汽车牌照自动识别系统本身是一个全数字化的智能系统，在它上面只要做一定的扩充就可以衍生出一些其他功能，能使收费的管理更严密、更科学。
