运动状态下车牌识别算法的研究
伴随着我国经济的飞速发展,国民生活水平不断提高,汽车越来越成为人们出行必备的交通工具之一,但这也就导致了交通问题逐渐突出,从而研究开发能够高效解决交通问题的智能交通系统成为了近些年的热点.因而车牌识别系统作为智能交通系统的重要组成部分,对它的研究具有非常重要的理论价值和实际意义.在详细学习研究具有代表性的车牌识别系统算法的基础上,采取先对视频中的车辆目标进行检测提取,再对提取到的车辆目标进行识别的思想.在运动目标检测这一环节中,采用了混合高斯背景建模方法建立可实时更新的背景模型,只对感兴趣的区域进行跟踪提取,从而提高了算法的运行速度.并采用混合高斯背景建模与帧间差分法相结合的背景模型更新算法,将图像发生变化的区域与不发生变化的区域采用不同的参数更新率,从而能够更快完成建模过程.在车牌定位环节,提出了一种基于边缘梯度筛选和灰度跳变法相结合的车牌定位算法,该方法对车辆图像进行图像增强去噪和二值化等预处理操作后,采用边缘算子对车辆图像进行边缘检测,根据车牌部分图像的边缘梯度特性对整个图像水平差分后的边缘梯度做高频保留,尽可能去除掉不属于车牌图像的干扰因素,获取车牌图像的候选区域.同时根据车牌图像的颜色信息和灰度跳变特征,采用多种判定机制的伪车牌区域剔除的算法,可以快速准确的从车牌候选区中定位车牌位置,达到车牌的精确定位.在车牌字符分割阶段,本文采用将限定阈值二值化算法和Otsu法结合的双阈值法对车牌图像进行二值化,即将灰度拉伸技术运用到限定阈值的二值化算法中,使得二值化所需要的阈值得到控制,然后利用Otsu法再获得一个二值化的最优阈值,使用这两种阈值按照一定的规则对车牌图像进行二值化.对二值化后的车牌图像采用改进的垂直投影法进行字符分割,利用车牌的长宽、字符的比例等对切分出的单个字符进行验证,确保字符分割的准确性.在字符识别阶段,本文采用模版匹配法与BP神经网络相结合的方法,首先对分割出来的字符运用基于过线数特征的模板匹配法进行特征提取和初步识别,然后采用带特征的BP神经网络字符识别方法,使用带冲量的学习训练方法修改权值,并且根据字符的分类,采用三个不同的子网进行识别,这种方法有效提高了BP网络的学习速度,通过实验验证其准确性较好.
- 作者:
- 雷杨
- 学位授予单位:
- 辽宁科技大学
- 专业名称:
- 控制科学与工程
- 授予学位:
- 硕士
- 学位年度:
- 2015年
- 导师姓名:
- 张颖
- 中图分类号:
- TP391.41
- 关键词:
- 车牌识别;车牌定位;字符分割;字符识别
- FLicense plate recognitionb; License plate locationb; Character segmentationbCharacter recognition