学士学位论文—-基于神经网络的车牌识别.doc

人工神经网络论文16车牌识别系统设计摘要：车牌识别系统（LicensePlateRecognition，简称LPR）是智能交通系统（ITS）的核心组成部分，在现代交通管理系统中发挥着举足轻重的作用。本文运用神经网络算法从车牌图像预处理、车牌定位、车牌字符分割和车牌字符识别这几个方面对车牌识别技术进行研究，运用MATLAB仿真，实现对车牌识别系统的设计。关键词：神经网络算法，图像预处理，车牌定位，车牌字符分割，车牌识别DesignofLicensePlateRecognitionSystemAbstract:LicensePlateRecognitionSystem(LPR)isthecorecomponentofIntelligentTransportationSystems(ITS).LPRplaysanimportantroleinamoderntrafficmanagementsystem.Thispaperappliedneuralnetworkalgorithmtothelicenseplateimagepre-processing,licenseplatelicenseplatecharactersegmentationandcharacterrecognitiontostudythelicenseplaterecognitiontechnology.TheseaspectsoflicenseplaterecognitiontechnologyarestudiedwithMATLABsimulationtoachievethedesignofthelicenseplaterecognitionsystem.Keywords：neuralnetworkalgorithms,imagepre-processing,licenseplatelocation,licenseplatecharactersegmentation,licenseplaterecognition一．引言随着我国经济的快速发展，人民生活水平的不断提高，私有车辆越来越多，对交通控制、安全管理的要求也日益提高，智能交通管理（IntelligenceTransportationSystem,简称ITS）已成为当前交通管理发展的主要方向，而车牌识别技术（LPR）作为智能交通系统的核心，起着举足轻重的作用，利用该技术可以实现对车辆的自动登记、验证、监视和报警，高速公路收费，对停车场进行管理，特殊场所车辆的出入许可等[1]。汽车牌照自动识别系统是应用图像处理技术、模式识别技术和神经网络技术,从复杂背景中准确提取、识别出汽车牌照。自动车牌识别技术是解决交通管理问题的重要手段,是计算机图像处理技术和模式识别技术在智能交通领域的典型应用。由于神经网络具有良好的自学习和自适应能力，同时有很强的分类能力、容错能力和鲁棒性，可以实现输入到输出的非线性映射，可在有干扰的情况下对字符实现分类识别，能够解决车牌字符速度和识别正确率等问题，故被广泛地用于汽车牌照识别[2]。本文设计使用BP神经网络运用MATLAB仿真，对车牌字符进行识别。二．系统总体设计车牌识别系统的构成如图1所示结果显示车牌图像采集车牌图像预处理车牌定位车牌字符分割车牌识别图1车牌识别系统的构成其中各个模块的研究内容包括：1.车牌图像采集：通过安装在过道路口或者车辆出入通道的摄像机实时捕捉车辆视屏图像，并传输到计算机上以便于实时的处理。2.车牌图像预处理：主要完成包括图像灰度变化，图像边缘检测、图像二值化等来突出车牌的特征，以便于更好的车牌定位。3.车牌定位：从摄入的汽车图像中找到车牌的位置，并把含有车牌图像的区域提取出来，以供后端的字符分割处理4.车牌字符分割：对搜索定位后的车牌区域进行字符分割,将车牌分为N个单一的字符5.车牌识别：对于提取出的单个字符，先进行归一化操作，再运用训练好的神经网络进行字符识别。6.结果显示：显示处理后的车牌并与原始车牌相比较三．各个模块设计3.1车牌图像采集当系统发现有车辆通过感应线圈或监视图像发生变化时，触发图像采集系统，通过CCD摄像机摄取采集出车牌图像，然后车牌自动识别模块对车牌图像进行预处理、车牌定位、字符分割、字符识别等一系列处理识别出车牌号码，识别结果和原始车牌图像通过网络传输至监控中心，留待以后车牌查询和交通流量统计[3]。本次设计主要是实现对已经采集到的车牌图像进行识别3.2车牌图像预处理汽车牌照中的字符主要由有限汉字、字母和数字组成,采用固定的印刷体格式。由于图像上字符光照不均、车牌本身污损、汽车行驶速度较快、牌照颜色类型较多、拍摄角度及地况等主客观原因会使车牌字符发生畸变,从而造成识别上的困难,因此,为提高牌照的字符识别率,必须进行预处理,以便得到较为清晰的