基于卷积神经网络的中国车牌自动识别方法设计与实现.docx

苏州大学本科生毕业设计（论文）目录摘要1Abstract2第一章绪论31.1研究意义31.2国内外研究现状31.2.1卷积神经网络研究现状31.2.2定位算法研究现状41.2.3识别算法研究现状41.3研究内容和结构安排41.4人工神经网络51.5卷积神经网络61.5.1卷积神经网络简介61.5.1卷积神经网络的优点71.6车牌识别系统7第二章定位算法92.1车牌的采集和预处理92.2车牌特征以及位置选定112.2.1Roberts算子边缘检测112.2.2定位车牌大致位置122.2.3精确定位车牌16第三章分割算法183.1预处理183.2固定分割183.3字符归一化19第四章基于卷积神经网络的车牌识别算法204.1卷积神经网络204.1.1卷积神经网络的前向传播204.1.2卷积神经网络的反向传播214.2网络训练与测试214.2.1网络结构214.2.2网络参数调整224.3车牌识别26第五章总结与期望28参考文献29致谢3033摘要本论文主要是基于卷积神经网络的中国车牌自动识别算法的设计与实现。构建卷积神经网络来进行识别是一种稳定可靠的方法，能够有很高的识别精准度，因此得到了较为广泛的应用。本论文用边缘检测的定位方法大致定位出车辆车牌的位置，再用蓝点扫描截取图像的方式定位出车牌，然后将车牌的固定位置分割，截取出车牌中的七个字符，最后将七个字符输入到训练好的卷积神经网络当中进行识别。本论文按照这样的方法，用了三个章节分别表达了定位、分割以及识别。在测试过程中，定位算法测试的100张车牌均能准确定位，识别算法在50张车牌测试中，350个字符能够准确识别302个字符。最后，本论文做出了一些总结和期望。关键词：中国车牌识别，卷积神经网络，图像定位与分割AbstractThisthesisisdesignedandachievedbasedonconvolutionalneuralnetworkinChina'slicenseplaterecognitionalgorithm.Convolutionalneuralnetworkforidentificationhasbeenwidelyappliedowingtoitsstable,reliableandhighrecognitionaccuracy.Inthisthesis,thelocationofvehiclelicenseplateisroughlylocatedusingthelocationmethodofedgedetectionfirstly.Secondly,thelicenseplateislocatedbyinterceptingtheimageusingbluepointscanning.Thirdly,thefixedpositionofthelicenseplateissegmentedandsevencharactersinthelicenseplateareintercepted.Finally,thesevencharactersareinputintothetrainedvolumeneuralnetworktorecognize.Accordingtothismethod,thisstudyusesthreechapterstodemonstratelocation,segmentationandrecognition,respectively.Intheprocessoftesting,the100licenseplatesinthelocationalgorithmcanbeaccuratelylocated.In50licenseplatetestsoftherecognitionalgorithm,350characterscanidentify302charactersaccurately.Attheendofthispaper,wemakeasummaryandprospect.Keywords:Chineselicenseplaterecognition，Convolutionalneuralnetwork，Imagepositioningandsegmentation绪论1.1研究意义伴随中国经济的飞速发展，人民的生活水平日益提高。现如今的城市机动车数量已经是一个非常庞大的数字，并且仍然在高速上涨。这样的情况也给城市机动车管理增加了不小的压力。不管是小区停车场还是车辆违章监控，其中所需要的处理事件规模已经远远大于人力负荷，所以，车辆智能管理系统的研究发展势在必行。车辆牌照作为每个车辆独一无二的“身份证”，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