《神经网络车牌识别系统》由会员分享，可在线阅读，更多相关《神经网络车牌识别系统（37页珍藏版）》请在金锄头文库上搜索。
1、电气与自动化工程学院课程设计评分表课程名称： 智能控制 设计题目： 基于神经网络的车牌识别技术研究 班级：学号： 姓名： 项目评分比例得分课程设计平时表现30%课程设计报告40%课程设计答辩30%课程设计总成绩100%指导老师： 施健 常 熟 理 工 学 院电气与自动化工程学院智能控制智能控制实践项目设计实践项目设计题目：基于神经网络的车牌识别技术研究 姓 名： 学 号： 班 级： 指导教师： 施健 目 录1.引言12.设计概述12.1 车牌识别技术12.2 车牌识别技术的发展.22.3 车牌识别技术的研究现状.33.设计方案44.车牌识别系统的 matlab 实现.54.1 图像的读取.54
2、.2 图像预处理.74.2.1 灰度变换.74.2.2 图像校正84.3 牌照分割.94.3.1 图像边缘提取及二值化94.3.2 车牌定位114.3.3 神经网络124.4 车牌提取.135.设计结果及分析.145.1 程序运行结果145.2 程序结果分析146.总结体会.167.参考文献.17附录 1 .18附录 2 .3011.引言近年来，随着全球经济化形式的不断发展，人们的物质生活需要日益提高，私人拥有机动车辆的数量呈几何增长态势，车辆的普及成为了目前的必然趋势。在此情况下，仅仅依靠大力发展交通设施已不能解决现在已经存在的交通拥挤、环境污染加剧、交通事故频发等问题。汽车数量的增加日益成
3、为制约城市发展的重要因素之一，由于城市空间的严格限制、修建新道路所需的巨额资金以及环境的压力，相比于建设更多的道路基础设施，建立完善的道路网络缓解道路交通增长的需求，大力发展智能交通系统，才有可能真正解决日益严重的交通问题。车牌字符的识别过程实际上是在车牌准确定位的基础上，逐步去除非车牌字符区的干扰实现字符正确匹配的过程。由于车牌中的字符数目有限（汉字约 50 个，字母A-Z，数字 0-9），识别方法有其特殊性，它不需要大量的汉字库，但同时受现场环境的影响，分割出来的单个字符图像中往往存在噪声。本文深入研究了一种基于神经网络的车牌字符识别算法，大规模的并行处理和分布式信息存储，良好的自适应性、
4、自组织性，很强的学习功能、联想功能和容错功能，其识别率高，抗干扰能力强，灵活性大。虽然神经网络具有较高的识别率，但单个神经网络的可信度并不高。本文针对单个神经网络可信度不高的问题，提出了一种基于多个神经网络进行车牌字符识别的方法。22.设计概述2.1 车牌识别技术车牌识别技术随着模式识别技术的发展，车牌字符识别已成为智能交通系统的重要组成部分，它可以从复杂的背景中准确地提取、识别汽车牌照、车辆类型等信息，在交通控制和监视中占有很重要的地位，具有广泛的应用前景。所以，汽车牌照的识别问题已经成为现代交通工程领域中研究的重点和热点问题之一。由于受环境、待识别车辆的车型复杂和车牌位置不固定等的影响，给
5、车牌定位方法的选择带来一定的困难。车牌本身的污染、缺损也会影响识别率。一些车辆由于天气或是路况不好，使得车牌被灰尘、泥土沾染，另外还有一些车辆行驶时间较长，车牌上的字符已经部分缺损了，严重的时候，人眼也很难辨别车牌上的字符，这些情况都会影响系统的识别工作，导致误识别。可见，要提高车牌定位系统和字符分割系统的正确率将碰到很多困难。无疑，如果车牌字符识别系统有较高的自适应性和鲁棒性，即对有一定噪声或变形的字符图像仍能正确识别，则会极大的减轻车牌定位系统和字符分割系统的压力。因此，设计一个抗干扰性能良好的车牌字符识别系统对整个车牌自动识别系统都是有益的。同时，字符在某种程度上反映了图形的一般特点，是
6、一类特别的图形，其自动识别一直受到人们的极大关注，因为它的解决对于人们的生产和生活具有非常现实的意义。(1) 鲁棒性: 在任何情况下均能可靠正常地工作，且有较高的正确识别率。(2) 实时性:不论在汽车静止还是高速运行情况下，图像的采集识别系统必须在一定时间内识别出车牌全部字符，达到实时识别。本文先提出了一种基于颜色与数学形态学的定位方法对车牌进行定位，后采用基于模板匹配的方法对车牌的字符识别进行研究。2.2 车牌识别技术的发展车牌识别技术的发展3车牌识别技术产生于上世纪末开始的智能交通革命，智能交通系统经过近十多年的推广、试行和发展，目前已成功地应用于若干经济发达及较为发达国家的都市及城市高速
7、公路系统中。而车牌识别系统正是在这种应用背景下研制出来的，能够自动实时检测车辆经过和识别汽车牌照的智能交通管理系统。在经历了上个世纪末的起步阶段之后，车牌识别技术已日趋走向成熟，并开始在交通、公安、路政、停车场、安防、门禁、智能小区等许多领域得到了广泛的应用。车牌识别系统简单地说是一种以特定目标为对象的专用视觉系统，它能够从一幅图像中提取分割并识别出车辆牌照，运用先进的图像处理、模式识别和人工智能技术，通过对图像的采集和处理完成车辆牌照的自动识别，识别结果可按需求分别包括车牌的字符、数字、牌照图像，以至牌照颜色、坐标、字体颜色等。目前，车牌识别系统己经最广泛应用到包括智能交通违章监视管理(电子
8、普察)，高速公路不停车收费，车辆检测，停车场监控与管理等应用中，一方面，车牌识别系统本身是一个全数字化的智能系统，在它上面只要做不多的扩充，就可以衍生出一些其他功能。另一方面，即使是世界上很多研究机构和公司专门从事这方面的研发工作， 高可靠性，高性能和高识别率的车牌识别系统还待开发，LPR 系统发展迅速，出现了一些较为实用的产品。2.3 车牌识别技术的研究现状车牌识别技术的研究现状广泛的研究，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。这个阶段的研究并没有形成完整的系统体系，而是就车牌识别中的某一个具体问题进行讨论，并且通常是采用简单的图像处理技术来解决。识别过程是使用
9、工业电视摄像机拍下汽车的正前方图像，然后交给计算机进行简单处理，并且最终仍需要人工干预。进入 20 世纪90 年代后， 随着计算机视觉(ComputerVisionTchnology)的发展和计算机性能的提高，开始出现车牌识别的系统化研究。中国、美国、日本、法国等国家相继投入大量的人力、物力进行应用研究。近几年以来，计算机及其相关技术发达的一些国家开始探讨用人工神经网络技术和遗传算法解决车牌的自动识别问题。同时开始研究车牌识别的实时性要求，使得车牌识4别系统进入实用化阶段。汽车牌照识别技术(Lieense Plate Recognition，LRP)在国外起步较早，一些实用的 LRP 系统也开
10、始应用于车流监控，出入控制，电子收费等场合。ARGUS 英国 Alphatech 公司的图像部于 80 年代中期开始研制名为 RGUS 的车牌自动识别系统。可处理黑白或彩色图像，ARGUS 的车牌识别时约为 100 毫秒，通过 ARGUS 的车速可达每小时 100 英里；新加坡的Optasia 公司研制的 VLPRS 系统，适合于新加坡的车牌；香港的亚洲视觉公司的车牌识别产品 VECON 适用于香港制式的车牌。另外日本、加拿大、德国、意大利、英国等发达国家也都有适用本国车牌的车牌识别系统。从识别原理上有模板匹配，支持向量机的分类器，基于特征的分类器，人工神经网络分类器，粗糙集分类器，聚类分析等
11、方法。国内不少学者也在进行车牌识别方面的研究，实验室方面，西安交通大学的图像处理和识别研究室、上海交通大学的计算机科学和工程系、清华大学人工智能国家重点实验室、浙江大学的自动化系等在车牌识别方面有各自独立的研究，并取得了一定的成绩。中国科学院自动化所的刘智勇等发表文章，他们在一个3180 的样本集中，车牌定位准确率为 99.4%，切分准确率为 94.5%。北航的胡爱明等利用模板匹配技术开发了一种应用于收费站的车牌识别系统，其识别正确率能达到 97%以上。华南理工大学的骆雪超、刘桂雄等提出了一种基于车牌特征信息的二值化方法，该系统对效果较好的车牌的识别率能够达到 96 %。清华大学的冯文毅等利用
12、一种光电混合系统进行车牌识别，系统能够通过硬件来完成车牌识别的全过程。黄志斌等将基于串行分类器的字符识别应用于车牌识别系统中，对车牌识别系统中的分类器进行了详细的研究。53.设计方案本课题主要是就汽车牌照的自动识别进行一系列的研究，通过查阅相关资料，了解课题背景，熟悉 MATLAB 软件的基本操作，利用 MATLAB软件，根据提供的汽车车牌照片，采用图像分析和处理算法，有效识别汽车的车号等相关信息。主要的研究内容有： (1)在 MATLAB 基础上，实现车牌识别系统中车牌字符的识别及神经网络功能。 (2)对车牌图像预处理、字符切分、字符识别的算法进行研究。 (3)对实验结果进行分析。完整的车牌
13、识别系统应包图像采集、图像预处理、字符分割、神经网络等单元。当检测到图片时，系统采集当前的图像，牌照识别单元对图像进行处理， ，再将牌照中的字符分割出来进行识别，然后经过圣经网络将车牌照号码输出。（1）载入图片（2）图像预处理 （3）水平垂直校正 （5）二值化（6）神经网络 （7）图片输出车牌识别系统通过引入数字摄像技术和计算机信息管理技术，采用先进的图像处理、模式识别和人工智能技术，通过对图像的采集和处理，获得更多的信息，从而达到更高的智能化管理程度。在LPR 系统产品的性能指标中，识别率和识别速度难以同时提高其中原因既包括图像处理技术不够成熟，又受到摄像设备计算机等性能的限制。因此，研究高
14、速准确的定位与识别算法，是当前的主要任务。车辆牌照识别系统一般可按顺序分为车辆图像采集、图像预处理、车牌定位、字符分割与识别五大部分。如下图所示。图像采集图像预处理车牌定位字符分割字符识别6图图3.1 车辆牌照识别系统车辆牌照识别系统在第一部分图像采集中，主要通过CCD 摄像头与计算机的视频捕捉卡直接相连来完成图像采集，可以实时在监控图像中抓取到含有车辆的图像。该部分功能可简单调用计算机视频捕捉卡厂商提供的各种软件开发包工具即可实现。车牌识别系统的关键在于后四部分。首先要对采集到的图像进行预处理，而牌照定位又决定其后的车牌字符识别，因此牌照定位是车牌识别系统的关键的关键，牌照定位就是从包含整个
15、车辆的图像中找到牌照区域的位置。目前，已经提出了很多种方法，一个共同的出发点是：通过牌照区域的特征来判断牌照，利用的车牌特征主要包括：车牌区域内的边缘灰度直方图统计“特征”、车牌的几何特征、车牌区域的灰度分布特征、车牌区域水平或垂直投影特征、车牌形状特征和频谱特征。74.车牌识别系统的 matlab 实现4.1 图像的读取图像的读取MATLAB 中从图像中读取数据函数 imread()，这个函数的作用是将图像文件的数据读入矩阵中，此外还可以用 imfinfo()函数查看图像文件的信息。函数 imread 可以从任何 MATLAB 支持的图像文格式中读取一幅图像。大多数图像文件格式采用 8 为数
16、据存储像素值，将这些文件读入内存后，MATLAB 都将其存储为 unit8 类型。对支持 16 为数据的文件格式，如PNG 和 TIFE，MATLAB 则将这些图像存储为 unit16 类型。和其他MATLAB 生成的图像一样，一旦一幅图像被显示了，那么它将成为一个图形对象句柄。在读取图像之前，应该先清除 MATLAB 所有的工作平台变量，并关闭打开的图形窗口。为此，可使用以下命令：clear; close allFigure 对象是 MATLAB 系统中包括 GUI 设计编辑窗在内所有显示窗口。在系统运行极限条件下，用户可以创建任意多个 Figure 窗。所有Figure 对象的父对象都是 Root 对象，而其他所有 MATLAB 图形对象都是Figure 对象的子对象。如果当前没有创建任何 Figure 对象，MATLAB 在调用一个绘图函数（如 plot
