基于颜色划分的车牌识别研究的综述报告.docx

基于颜色划分的车牌识别研究的综述报告
车牌识别技术是交通安全管理和智能交通系统中至关重要的一环，它可以帮助警方查询车辆信息、维持道路交通秩序、实现自动化停车场管理等多个应用场景。而车牌颜色是车牌识别中的重要参数之一，因此基于颜色划分的车牌识别技术备受研究者关注。
首先，针对车牌颜色对车牌识别性能的影响，国内外的研究者们进行了不少研究。其中，基于常规颜色空间的方法是最为常见的。例如，[1]通过HSV颜色空间的阈值分割法实现车牌颜色分离和定位，再对车牌进行字符分割和识别；[2]则借助YCbCr和RGB颜色空间的转换和分割，实现了85%以上的车牌识别准确率。
同时，随着神经网络技术的发展，卷积神经网络(CNN)成为处理图像问题的主流方法。[3]通过使用CNN进行车牌识别，获得了16.25%的误识率，性能较好；[4]则通过引入自适应参数学习，实现了车牌颜色识别的强鲁棒性。
除了以上方法，近年来还出现了许多基于进化算法、模糊逻辑等新颖技术的车牌颜色划分和识别方法。例如[5]将遗传算法引入颜色特征提取过程，获得不错的识别表现；[6]则提出了一种基于模糊逻辑的车牌颜色分类方法，在复杂背景下取得了良好的效果。
综合以上研究成果，基于颜色划分的车牌识别具有成本低、易于部署等优点，而常规颜色空间的方法是最为常见的。但是，在实际应用中，受到天气、光照等因素的影响，车牌颜色的变化不可避免，因此仅从颜色角度考虑车牌识别仍然存在很大局限性。因此，未来的研究应该从多个因素入手，探索更加全面准确的车牌识别技术。
参考文献：
[1]郭浩,周家静,薛晓燕,等.基于颜色信息的车牌定位算法[J].计算机应用,2013,33(2):662-664.
[2]于洪志,周志权.基于改进轮廓分割的车牌识别[J].计算机与数字工程,2013,41(S1):110-113.
[3]ZhouL,LiX,LiC.Alicenseplaterecognitionalgorithmusingconvolutionalneuralnetworkandimageprocessing[J].InternationalJournalofControl,AutomationandSystems,2019,17(3):691-700.
[4]LiR,JiangL,ZengQ,etal.Adaptiveparameterlearningforvehiclelicenseplaterecognitionbasedonconvolutionalneuralnetwork[C]//20197thInternationalConferenceonWirelessNetworksandCommunication(ICWNC).IEEE,2019:1-8.
[5]YiX,ZhuX,ChenZ,etal.Improvedvehiclelicenseplaterecognitionalgorithmbasedongeneticalgorithmandadaptivethresholdsegmentation[C]//20172ndIEEEInternationalConferenceonCloudComputingandBigDataAnalysis(ICCCBDA).IEEE,2017:658-664.
[6]ChenXY,LiX.Applicationoffuzzylogicinlicenseplaterecognition[J].ComputerEra,2015(1):118-119.