《复杂场景下的车牌检测算法研究及其工程实现》由会员分享，可在线阅读，更多相关《复杂场景下的车牌检测算法研究及其工程实现（74页珍藏版）》请在金锄头文库上搜索。
1、南京理工大学硕士学位论文复杂场景下的车牌检测算法研究及其工程实现姓名：刘攀桂申请学位级别：硕士专业：系统工程指导教师：茅耀斌20080601硕士论文复杂场景下的车牌检测算法研究及其工程实现摘要车牌识别系统( L P R ) 是智能交通的重要组成部分，在现代交通管理、社会治安等方面发挥着重要作用，有着广泛的应用前景。车牌检测是车牌识别系统的关键技术之一。随着车牌识别系统的广泛使用，过去在受控环境和简单场景下的车牌检测算法已经不能满足当前的需要。因此，在复杂场景和成像条件情况下的车牌检测逐渐成为当前研究的热点。本文对复杂场景和成像条件下的车牌检测算法进行了研究，主要完成了以下工作。首先，本文实现并
2、改进了一种启发式的车牌检测算法。该算法根据车牌区域垂直边缘丰富的特点，提取图像中的垂直边缘，并通过连接边缘，获得车牌候选区域。最后根据车牌的几何、边缘分布以及颜色等特征对候选区域进行筛选得到车牌区域。其次，本文实现了一种基于A d a b o o s t 机器学习算法的车牌检测算法。在该算法中，定义了一种表征局部灰度与全局灰度比例的矩形特征，使用C S - A d a b o o s t 算法训练了一个由8 5 个特征组成的级联分类器，并由此实现了一种车牌检测算法。以上两种算法都在P C 平台上编程实现，并且在一个5 8 3 张图像组成的测试集上进行了实验，给出了结果和性能分析。此外，图像中的
3、倾斜车牌不利于后续的字符分割等操作。针对该问题，本文实现了一种基于“跨栏模型”和“窄孔透射模型”的倾斜车牌矫正算法，给出了实验结果。最后，本文将启发式车牌检测算法移植到了D S P 平台上，构建了一个车牌检测系统，可以在C I F 格式的图像上达到l O f t s 的检测速度。文中介绍了算法在D S P 平台上的移植和优化过程，并给出了实验结果。关键字：车牌检测，车牌定位，机器学习，C S A d a b o o s t ，D S PA b s t r a c t硕士论文A b s t r a c tL i c e n s eP l a t eR e c o g n i t i o n (
4、L P R ) s y s t e mi sa ni m p o r t a n tp a r to ft h eI n t e l l i g e n tT r a n s p o r t a t i o nS y S t e m ( I T S ) ，a n dp l a y sa ni m p o r t a n tr o l ei nm o d e mt r a f f i cm a n a g e m e n ta n ds o c i a ls e c u r i t y L i c e n s eP l a t eD e t e c t i o ni so n eo ft h e
5、k e yt e c h n o l o g i e si nL P Rs y s t e m s W i mt h ee x t e n s i v ea p p l i c a t i o no fL P Rs y s t e m s ，t h ea l g o r i t h m su s e dt ow o r ku n d e rc o n t r o l l e dc o n d i t i o n sa n ds i m p l es c e n e si su n a b l et of u l f i l lt h er e q u i r e m e n t T h e r
6、 e f o r e ，l i c e n s ep l a t ed e t e c t i o nu n d e rc o m p l e xs c e n e sa n di m a g i n gc o n d i t i o n sb e c o m i n gar e s e a r c hf o c u s I nt h i st h e s i s ，l i c e n s ep l a t ed e t e c t i o nu n d e rc o m p l e xs c e n e sa n di m a g i n gc o n d i t i o n si si n
7、 v e s t i g a t e d ，c o n t r i b u t i o n sa r el i s t e db e l o w F i r s t ，a ni m p r o v e dh e u r i s t i cl i c e n s ep l a t ed e t e c t i o na l g o r i t h mh a sb e e nr e a l i z e d I nt h i sa l g o r i t h m ，e d g ee x t r a c t i o ni sp e r f o r m e df i r s ta c c o r d i
8、 n gt ot h ec h a r a c t e r i s t i c so fr e g i o n sc o n t a i nl i c e n s ep l a t et h a tt h e yh a v eah i g hd e n s i t yo fe d g ei n f o r m a t i o n B yc o n n e c t i n gt h ee d g e s ，s e v e r a lc a n d i d a t e sa r eg e n e r a t e d T h el i c e n s ep l a t eW a so b t a i
9、 n e db yf i l t e r i n gt h e s ec a n d i d a t e s 谢t 1 1g e o m e t r yf e a t u r e s ，e d g ed i s t r i b u t i o na n dc o l o r S e c o n d ，a l la l g o r i t h mb a s e do nA d a b o o s th a sb e e ni m p l e m e n t e d Ak i n d o fr e c t a n g l ef e a t u r ei ss e l e c t e d ，w h
10、i c hi n d i c a t e st h ep e r c e n t a g eo ft h es u mo fal o c a la r e ai nt h ew h o l er e g i o n Ac a s c a d ec l a s s i f i e rw i t h8 5f e a t u r e sW a st r a i n e db yC S A d a b o o s ta l g o r i t h m ，a n dt h e nal i c e n s ep l a t ed e t e c t i o na l g o r i t h mw a si
11、 m p l e m e n t e d A ne x p e r i m e n to nat e s ts e tc o n t a i n s58 3i m a g e si sc a r r i e do u t ，t h er e s u l ta n dp e r f o r m a n c ea n a l y s i sw a sp r e s e n t e d S i n c et h es l a n to ft h el i c e n s ep l a t ew o u l da f f e c tt h ec h a r a c t e rs e g m e n t
12、 a t i o na n do t h e rs u b s e q u e n to p e r a t i o n , as l a n tc o r r e c t i o na l g o r i t h mW a si m p l e m e n t e db a s e do nt h eh u r d l em o d e la n dt u b i f o r mi n t e r s p a c ep r o j e c t i o nm o d e l T h er e s u l to fe x p e r i m e n tw a sp r e s e n t e d
13、 F i n a l l y , al i c e n s ep l a t ed e t e c t i o ns y s t e mW a si m p l e m e n t e db yt r a n s p l a n tt h eh e u r i s t i ca l g o r i t h mt oD S Pp l a t f o r m T h i ss y s t e mC a np e r f o r ml i c e n s ep l a t ed e t e c t i o no nC I Fi m a g e sa tt h es p e e do f10f s T
14、 h er e s u l to fe x p e r i m e n tW a sr e p o r t e d K e yw o r d ：L i c e n s eP l a t eD e t e c t i o n , L i c e n s eP l a t eL o c a t i o n , M a c h i n eL e a r n i n g ，C S - A d a b o o s t ，D S P声明本学位论文是我在导师的指导下取得的研究成果，尽我所知，在本学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发表或公布过的研究成果，也不包含我为获得任何教育机构的学位
15、或学历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均已在论文中作了明确的说明。研究生签名：社2 卯暂年7 月日学位论文使用授权声明南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅或上网公布本学位论文的全部或部分内容，可以向有关部门或机构送交并授权其保存、借阅或上网公布本学位论文的全部或部分内容。对于保密论文，按保密的有关规定和程序处理。研究生签名：缉率选渺矽年7 月1 日硕士论文复杂场景下的车牌检测算法研究及其工程实现1 引论1 1 研究背景随着社会经济的快速持续发展，我国的车辆数目增长迅猛，道路交通流量激增。交通流量的急剧增大，使得交通拥堵和交通事故成为困扰我国道路交通尤
16、其是城市交通的突出难题。日益严重的交通状况引起了人们的高度重视，但由于资金和空间的限制，新建和拓宽道路等方式并不能有效的解决这些问题。近年来，随着计算机技术、通信技术和计算机网络技术的发展，自动化的信息处理技术水平不断提高。于是，人们把目光聚焦到了道路交通运输系统的管理和监控技术的开发上。因此，构建高效、安全、现代化的智能化交通管理系统已成为目前交通管理系统的迫切要求。智能交通系统( I n t e l l i g e n tT r a n s p o r t a t i o nS y s t e m 简称I T S ) 正是在这种条件下产生和发展起来的【l J 。在智能交通系统中，交通信息服务系统是重要的组成部分，也是整个智能交通系统顺利运作的关键和基础。其中交通信息的获取、采集、传输和处理，是一个关键的问题。要解决这一问题，首先必须把车辆的身份识别出来。在实际应用中，车牌作为汽车的标识具有唯一性。知道了车牌号，车辆的相关信息( 如车辆种类、车主等) 便一目了然，所以汽车牌照自动识别系统作为智能交通系统的重要组成部分，在交通、治安、管
