基于易混淆字符集神經網絡的車牌識別算法研究.pdf

1、隨著21世紀智能交通和信息技術的發(fā)展，計算機輔助人們處理交通問題成為了科學家不斷研究的方向。我國交通流量隨著汽車銷量增長而日益增大，通過交警使用傳統方法處理道路事故和違章已經變得不切實際。智能交通技術通過引入先信息技術、控制技術和計算機技術，形成一套先進的智能交通系統。目前，諸如公交GPS控制系統、車輛追蹤系統、車輛信息管理系統、ETC不停車電子收費系統等等，都屬于當前智能交通子系統的應用。
　　而作為車輛信息管理系統中的關鍵一環(huán)

2、，為了有效、快速的判別車輛身份，車牌識別系統成為了研究者不斷改革創(chuàng)新的一個部分。車牌識別系統主要依靠計算機圖形處理技術、模式識別技術、智能計算技術，將車牌圖片從視頻流得到的圖片中提取出來，并依次進行字符的分割與識別。
　　車牌識別技術至今依然存在許多困難，如車牌抓取、車牌去噪、字符識別、系統性能要求等等困難。在一個標準4米高卡口上抓取的1080P圖片中，車牌部分僅僅占有約120*35像素大小。并且道路卡口照片中存在著大量自然背景和

3、多車輛等等干擾因素。車牌圖片噪聲很多，包括過曝光電、柳丁、車牌邊框、車牌污損等等噪聲影響。字符識別成功率更是由上面兩步成功率和預處理效果以及識別方法所決定，并且系統對實時性和準確性都有明確的要求。
　　本文主要通過對國內外最近方法研究，通過選取合適的車牌提取、字符分割、字符識別算法，在原始方法上加以改進，使得識別時間平均在300ms以內，數字及英文字符正確率在95％以上，車牌識別率在80％左右。
　　論文主要進行了以下方面的

4、研究與改進:
　　(1)車牌提取方面:在Sobel算子垂直方向邊緣檢測后運用縱向噪聲與橫向噪聲消除方法去除大部分車體噪聲和環(huán)境噪聲，運用改進型的二值圖像快速矩化算法將候選車牌位置標識出，運用車牌矩形特征和顏色特征得到正確的車牌位置。
　　(2)字符分割方面:在灰度拉伸、二值化得到較為清晰的車牌圖片后，運用字符高度逼近方法去除大部分車牌的上下邊框和柳丁，在運用簡化投影特征和車牌模板特征，以及采用一定容錯算法將字符正確分割。