耿庆田[1]2016年在《基于图像识别理论的智能交通系统关键技术研究》文中提出随着全球汽车数量的增加,智能交通系统(ITS)越来越成为解决现代交通问题的重要手段。智能交通系统涉及图像处理、智能识别、机器视觉等多学科交叉,其中以图像识别理论为基础的智能泊车技术、车牌识别技术以及车辆识别技术是智能交通系统中应用较广泛的关键技术。本文以图像识别技术在这叁个领域的应用为前提展开研究:1.提出了基于摄像机标定模型的智能泊车系统算法。该算法利用摄像机标定技术中小孔成像原理与泊车运动学模型相结合的图像实时处理方法,解决了智能泊车转向角度取值和智能泊车轨迹的计算问题。为提高泊车预测轨迹计算的精度,本文分别对泊车轨迹构成曲线的规划及摄像机标定模型进行深入研究。首先分析轨迹约束算法中涉及的变量及空间碰撞点,建立了智能泊车约束方程组,提出了多阶段弧线进退泊车轨迹算法;然后在充分研究张正友二维平面标定方法基础之上,在原有畸变模型中引入切向畸变系数,并给出初值优化算法,简化了求解过程,使标定精度及鲁棒性得到提高。通过使用定制实验车从采集帧率、轨迹精度两个方面进行了大量实验,实验数据表明本算法获得的轨迹精准度较高,系统运行稳定,画面播放流畅,实时性好。2.提出了基于分形维数和隐马尔科夫特征的车牌识别系统改进算法。在算法中将车牌识别分为叁个步骤进行研究。(1)在车牌图像预处理及二值化过程中,提出一种改进的自适应多级中值滤波器算法对图像进行去噪处理;随后提出一种基于改进差分盒分形维数的灰度图像二值化方法进行图像二值化。(2)在车牌定位、字符分割校正过程中,首先通过在传统的Sobel图像边缘检测算法中增加两个方向的模板,并对权重做出重新分配的基础上,提出了基于Sobel算子的车牌精确定位改进算法;随后通过对Radon变换的平移和缩放性进行改进,提出了基于Radon变换的字符校正改进算法;最后通过对垂直投影算法加入适当的参数进行改进,提出了基于垂直投影算法的车牌单字符分割改进算法。经过上述算法的优化处理,提高了车牌图像检测的精准度,使边缘细节更细腻、连续,定位更准确,同时保持字符原有的拓扑结构,减少字符的失真。(3)在字符识别过程中,本文提出了基于改进隐马尔科夫特征的车牌字符识别算法。该算法使用离散余弦变换实现光强数据到频率数据转换,并从条件属性集和个体子集两个角度计算差异矩阵,获得最佳阈值,从而得到精确特征值作为字符特征提取依据,结合多重分类器最终完成车牌字符识别。实验结果表明本文的算法具有较高的识别率,能够满足实际应用的需要。3.提出了基于BP神经网络与HOG特征提取相结合的车辆识别改进算法。该算法首先对车标识别和车型识别分别进行研究,然后将二者识别结果综合起来作为车辆识别的依据。(1)在车标识别算法中,提出了基于改进SIFT算子与BP神经网络相融合的车标识别算法。该方法利用车牌和车标相对位置关联关系,对车标位置进行定位,并采用非固定环数及增加权重系数的方法解决了传统SIFT特征描述子因维数过高而产生计算量及时间复杂度过大的问题,最后融合BP神经网络算法对提取的车标SIFT特征描述子进行识别。(2)在车型识别算法中,提出了基于改进的HOG特征与SVM分类器相结合的车型识别算法,根据车型确定轮廓特征,提取改进的HOG特征,采用SVM分类器进行训练,实现高效准确地车型识别。实验结果表明改进后的识别算法具有较高识别率,并且对光线、部分遮挡、噪声有较强的鲁棒性。上述几种算法在ITS有着广泛的应用前景,其智能泊车技术应用智能车辆导航领域,能够给驾驶员在安全驾驶方面提出适当建议。车牌识别和车辆识别技术可应用在交通监控和交通管理领域,实现车辆检测、车辆跟踪、交通流参数检测、事故检测等交通大数据信息获取,对提高道路通行能力,减少交通事故,合理调节路网的交通流分配具有重要意义。
段红[2]2007年在《基于图像识别技术的智能交通监控系统研究》文中提出随着我国国民经济的高速发展,汽车数量大幅度的增加,国内高速公路、城市道路、停车场等设施越来越多,对交通控制、安全管理的要求也日益提高。在国内外,智能交通系统(ITS)已成为当前交通管理发展的主要方向,而图像识别技术作为智能交通系统的核心技术之一,是智能交通系统的重要前沿研究领域,起着举足轻重的作用,它的广泛应用必将有助于我国交通管理自动化的进程。论文致力于解决智能交通监控系统中因天气、光照、路况所造成的车牌模糊现象的车牌识别问题,以使得识别设备具备更强的环境适应性。车牌识别主要包括车牌图像的预处理、车牌区域的定位、车牌字符的分割和识别四大块内容。在图像预处理环节中,首先对图像进行增强,然后提出一种基于小波分析和遗传算法的去噪方法,对图像进行了去噪处理,取得了较好的效果,为进一步的处理作好了准备;在车牌定位环节中,提出了一种基于小波高频部分重构获取边缘信息,再根据投影特征进行定位的方法,取得了理想的定位效果;在车牌字符分割环节中,提出了一种基于改进的Snake模型的字符分割的方法,解决了粘连字符的分割问题;在字符识别环节中,为了提高识别率,分析车牌字符的分布规律将字符识别系统分为四个子系统,采用了一种基于模板匹配的改进AdaBoost算法的字符识别方法。它不仅继承了传统AdaBoost算法的识别率高、识别速度快等优点,针对AdaBoost算法的退化现象,根据样本在权重上的分布情况,对权重进行适当的调整,解决了经典AdaBoost算法中存在的退化现象。同时,为了实现系统的高度智能化和小型化,提高系统的性价比,论文采用高性能的DSP取代传统的PC作为核心处理器,设计了一种基于DSP的智能交通监控系统,并详细地对其硬件实现的各个环节做了介绍。在硬件开发平台上,对论文采用的算法从图像预处理到字符分割,进行了实验验证,取得了满意的效果。
孟涛[3]2006年在《车牌识别关键技术的研究与实现》文中认为车牌识别(license plate recognition简称LPR)是指通过计算机视觉、图像处理与模式识别等方法从车辆图像中提取车牌字符信息,从而确定车辆身份的技术。LPR是智能交通系统(ITS)中重要的研究课题,在公共安全、交通管理、流量观测、电子收费系统及有关军事部门有着重要的应用价值。车牌识别分为车牌定位、字符分割、字符识别叁大部分。车牌定位是一个难题:车牌区域在整幅图像中所占比例很小,车牌的颜色、大小、位置也不确定,并且定位算法要能够克服不同光照和复杂背景的影响,还要兼顾准确性和实时性,因此快速准确的定位车牌是比较困难的。文章研究了一种边缘检测与线扫描相结合定位车牌区域的新方法,较好的解决了这一难题。在获取车辆图像的过程中,由于摄像机和车牌之间角度的变化,经常使所拍摄的车辆图像发生倾斜,导致车牌扭曲和字符变形,给字符分割和字符识别带来极大影响。为此,文章研究了一种基于双线性插值的车牌倾斜校正新方法,该方法有校正时间短、校正效果好的优点。字符分割是LPR的关键步骤,是字符识别的基础。文章提出了一种垂直投影结合模板匹配的分割方法,有效的解决了以往分割算法中字符切割不全、切割移位、受字符磨损变形等因素影响大的问题。字符识别是整个车牌识别的核心。文章讨论了传统的模式识别方法和人工神经网络在车牌字符识别中的应用,并介绍了一种基于BP神经网络的车牌字符识别方法,实验证明该方法识别率较高。
彦楠[4]2008年在《车牌及车标识别若干技术研究》文中研究说明21世纪是智能化、信息化、计算化、网络化的世纪,在这个以数字计算为特征的世纪里,作为人工智能技术基础学科的模式识别技术,必将获得巨大的发展空间。车辆识别系统主要是由汽车牌照识别和汽车类型识别两大核心技术构成,它在智能交通领域中有着广泛的应用,同时也是计算机视觉、图像处理和模式识别等交叉学科研究的热门课题,因此对相关技术的研究正受到普遍关注。本文正是在这一背景下,对车辆识别技术进行了系统的研究。在车牌识别技术中,本文着重对车牌分类和字符切分等关键技术所涉及的难点进行了深入的研究。在车型识别技术中,与当前国内外学者侧重于研究车辆外形、大小的识别不同,本文主要侧重对汽车标志有效区域的精确定位进行研究。本文提出了一种根据车牌颜色区分民用车及特殊用途车辆的方法。本方法使用决策树C4.5算法和HSV空间色彩信息,利用车牌字符间隔的差异以及车牌颜色的不同等信息进行分类并实现基于颜色反馈的字符切分,达到在识别具体字符之前区分出民用车及特殊用途车辆并准确切分的目的,是车牌字符切分的关键环节及识别的良好辅助。在车牌识别的基础上,本文提出车标识别的解决方法,采用先粗后细的二次定位方法,减小了由于车灯、前排栅格等干扰带来的定位不准确因素,提高了车标的识别率。为了证明方法的有效性,在本文最后给出了实验结果。
周亮[5]2007年在《基于神经网络的车牌识别算法研究》文中认为随着城市交通管理现代化水平的提高，建立在车辆牌照识别基础上的交通信号自适应控制系统、智能交通监控系统、GPS车辆管理及导航系统、停车场自动收费系统、智能化交通管理系统应用而生。由于汽车牌照是机动车辆管理的主要标志符号之一，因此对车辆牌照识别系统的研究就尤为重要，该研究的核心是提高车牌识别率，这就需要识别算法能够对环境光照条件，拍摄位置和车辆行驶速度等因素的影响有较大的鲁棒性，并能够满足实时性的要求。本文设计的主要研究内容包括：运用仿真软件对后台图像进行高速，准确的处理。主要工作是对牌照的定位、分割和牌照的字符识别算法方面进行了深入地研究。在牌照的定位之前，本文首先运用不同于当下传统的方法，而是结合当前比较热门的神经网络来对图像进行预处理，得到了比较突出的牌照信息。然后结合牌照自身的一些固有特征，用形态学的方法进行了车牌区域的准确定位；对定位得到的车牌，再次结合牌照内部细节特征，对车牌进行投影，从而得到了车牌较为完整的分割；最后在车牌字符识别阶段，以现今比较流行的神经网络为理论基础，有效的设计出一个改进的神经网络识别算法。仿真结果表明采用本文提出的从车牌定位、分割到最后字符识别的算法能够有效地提高车牌识别率。本文研究内容的创新性体现在以下叁个方面：(1)车牌定位阶段，采用一个改进的自适应PCNN神经网络对图像进行预处理可以得到一个细节丰富，边缘完整的二值图像，随后基于牌照固有特征，结合一种新的形态学方法，可以得到多个车牌候选区域；(2)车牌字符分割阶段，为了满足算法实时性的要求，对畸变车牌进行预处理时，采用字符的行特征来描述本文的倾斜校正算法，之后，基于改进的投影特征图对字符图像分割；(3)字符识别阶段，为了提高算法的识别率，采用改进的BP神经网络。仿真结果表明，通过对算法进行一系列的创新和改进，可以使识别算法的速度加快，识别率得到提高，效果比较理想。
邵玉芹[6]2007年在《图像处理技术在车牌识别中的应用研究》文中进行了进一步梳理随着计算机技术的快速发展，基于计算机的图像处理和分析技术也获得了飞速的进步。图像处理技术已进入了各个不同的领域，得到更加深入和广泛的应用。但是在具体工程实践应用中，由于具体问题的不同，图像处理技术目前尚没有统一的算法来解决实际问题，所以其运用仍存在着一定的限制。因此对具体问题的研究和解决方案的提出仍然是一个及其具有挑战性的课题。目前，图像处理技术的应用研究已经成为科学界的一个重要研究领域。本文在分析图像处理技术理论的基础上，以车辆牌照为研究对象，主要研究如何通过图像的预处理、车牌的定位、车牌字符切分和字符识别等一系列过程，以完成汽车牌照的识别。本文的主要工作是分析了车辆图像处理的方法，对现有的各种牌照预处理算法和定位算法进行了深入的分析和比较，并在此基础上采用了一种根据字符竖向纹理特征的牌照定位算法，实现了牌照的准确、快速定位；研究了车牌图像二值化、图像的边缘检测、图像分割、图像平滑和图像增强标准化算法，对带有倾斜的牌照采用边缘检测和Hough变换相结合的方法有效的区分了不同种类的车辆牌照，并利用投影法结合牌照先验知识给各个字符区域进行了标号；引入字符窄区域概念，将字符区域进行分类处理，提高了分割的准确性；利用特征匹配法，通过分析字符的结构特征或各种统计特征，来设计各种分类器，对切割出的车牌字符进行识别。本文使用在各种实际交通环境下拍摄的车牌图片对上述算法进行了试验，试验结果表明本文设计的车牌处理算法一方面提高的车牌处理的正确性，另一方面在一定程度上减少了车牌处理时间，因此更加适合应用于实际的车牌识别系统中。
王晓健[7]2009年在《车牌定位与字符分割算法研究及实现》文中研究表明车牌识别LPR(License Plate Recognition)是指通过计算机视觉、图像处理与模式识别等技术从车辆图像中提取车牌字符信息,从而确定车辆身份的技术。车牌识别系统是智能交通系统ITS(IntelligentTransportation System)的一个重要组成部分,在公共安全、交通管理、流量观测及电子收费等方面有着重要的应用价值。车牌识别主要包括车牌定位、字符分割和字符识别叁大部分。本文就车牌定位和字符分割这两个问题进行了深入的研究。针对车牌定位问题,本文提出了一种基于窗口搜索的车牌定位算法。算法分为粗定位和细定位两个过程。粗定位利用了车牌区域垂直方向的点密集分布的特征,基于垂直方向跳变点图统计固定大小窗口内的特征点数目,以此来确定初步的车牌候选区域。细定位利用了车牌字符的排列信息,采用行扫描算法来度量车牌外侧区域与车牌区域间的间隔,以此来扩展候选区域,精确定位车牌边界。对于倾斜的车牌图像,文章研究了一种基于旋转图像水平投影的车牌倾斜检测方法,该方法具有检测角度准确、校正时间短的优点。字符分割是车牌识别的关键步骤,是字符识别的基础。本文根据车牌字符的先验几何知识以及排列规则,基于垂直投影进行字符分割,有效地提取出车牌字符的单个图像。同时,文章提出了一种基于类Haar特征的伪区域去除算法,能够有效地去除伪区域的干扰。本文算法对车牌在图像中的位置及车牌大小没有限制,对牌照的倾斜、变形,字符的污染、模糊有较强的抗干扰能力,能达到较好的车牌定位与字符分割效果,具有一定的鲁棒性和实时性。
解家祥[8]2008年在《低质量车牌识别中关键技术的研究》文中研究指明随着信息技术和智能技术的发展,交通管理系统的信息化、智能化是大势所趋。车牌识别系统(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占有举足轻重的地位。本文对车牌识别系统中的车牌定位、字符分割和字符识别叁个模块进行了比较全面的分析,特别对低质量车牌识别中涉及到的关键技术进行了深入的研究。在车牌定位模块中,本文提出了一种基于先验知识的车牌定位方法,主要针对各种恶劣条件下的低质量车牌的定位进行了算法研究,充分利用了车牌的尺寸、字符宽度、字符高度、字符间隔、笔画宽度等先验知识。利用离散二维小波变换的方法提取字符笔画的边缘,通过形态学结合几何特征分析的方法进行粗定位,获得候选区,最终通过笔画和字符分布特征等先验知识精确定位车牌。在字符分割模块中,本文提出了一种基于先验知识的质量退化车牌分割方法,归纳总结了车牌分割中可以利用的先验知识,使用Radon变换的方法进行倾斜矫正,利用垂直投影法进行粗分割,最终结合先验知识进行精确分割。在字符识别模块中,本文提出了一种基于SVM的车牌字符识别方法,采用“一对多”的分类方式,将多类分类问题转化为两类分类问题,同时对不同种类的字符建立不同的分类器。该方法支持小样本集,具有较快的训练识别速度和较高的识别率。实验结果表明,本文所采用的方法在车牌质量退化的情况下能达到较好的定位、分割和识别效果,具有一定的鲁棒性和实用性。
张元海[9]2007年在《复杂环境下车牌定位于字符分割方法的研究与实现》文中研究指明随着我国公路交通事业的迅速发展,智能交通管理系统已成为了人们关注的焦点问题。车辆牌照识别系统作为智能交通管理系统的一部分在桥梁路口自动收费、停车场自动管理及违章车辆自动记录等领域都有着广泛的应用。车辆牌照识别系统作为一个综合的实时计算机视觉系统主要包括车牌照定位分割和车牌照字符识别两个部分。它的研究主要涉及模式识别、人工智能、计算机视觉、数字图像处理等众多学科领域。车牌照的定位与分割是该系统的关键步骤之一,由于图像场景的复杂性以及车牌位置和图像质量的不可预知性,牌照定位分割系统一直都未能做到令人满意的程度,所以车牌照的定位分割算法一直是该领域的研究热点。本文主要对车辆牌照识别系统中的车牌定位与字符分割技术进行研究。在讨论了国内外研究现状的基础上,本文主要完成了以下四方面的工作:1.提出了一种车流图像预处理方法。该方法首先利用彩色边缘算子ColorPrewitt提取了图像的水平边缘,然后利用全局阈值法对梯度图像进行二值化,最后对二值梯度图像进行形态学水平膨胀。通过上述操作,车牌区域得到很好的突出。2.在车牌定位阶段,本文提出了基于连通区域水平聚类的车牌粗定位方法。该方法充分考虑了梯度图像中车牌字符的水平相关特征,实验中得到了很高的车牌召回率。此外,本文还利用了车牌区域的梯度形态特征和配色特征完成了车牌精确定位,得到了满意的定位结果。3.在车牌字符分割阶段,本文采用一种基于多尺度模板匹配的车牌字符分割方法。该方法充分考虑了我国车牌的结构特征,具有鲁棒性强、切分准确率高的特点,其对于模糊车牌的切分也取得了很好的效果。此外,本文还提出了基于最大连通域的字符图像去噪方法。4.在实验数据的分析阶段,本文对不同环境下所拍摄的车辆图片和视频等大量实验数据进行了反复测试,统计出不同测试样本的识别率,并系统地分析了车牌的不同特征对车牌定位的影响。实验表明,本文提出的车牌定位与字符分割算法对于背景和光照的限制较少,牌照区域的定位与切分准确、快速,能够满足实际应用的需要。
霍祥湖[10]2017年在《基于卷积神经网络的车牌识别技术研究》文中研究指明卷积神经网络是可以模拟人的大脑功能并能够应用到更多领域的一种特殊神经网络,它是近年发展起来,相比于其他同类方法,卷积神经网络具有理论完备、泛化性能好、全局性能优化、适应性强等优点。卷积神经网络是目前机器学习领域的研究热点。作为一种新兴技术,卷积神经网络在很多应用领域的研究还不成熟,有待进一步的探索和完善。现如今,利用高新技术,智能交通系统对传统的交通系统进行的改造,发挥着巨大的效能也获得了深厚的社会经济效益。随着计算机网络技术和通信技术的逐步发展,车辆牌照识别系统在越来越多的国家扮演着举足轻重的角色。在现实生活中传统的车牌识别系统,早期阶段的预处理可能导致车牌字符分割和定位不清的错误和缺点,这将影响到车牌识别的效果,减少实际的识别率。并且,传统车牌识别方法的图像预处理过程耗时,无法应对实际应用中的实时性要求,并且容易受到噪声影响,难以充分保留原始信号,会进一步降低识别效果。本文在研究分析卷积神经网络工作机理的基础之上,将局部权值共享的卷积神经网络方法引入智能交通系统这一具体的应用领域,通过多维网络输入向量图像可以直接输入这一特性,能够在图像识别和处理方面有较好的效果,避免了在特征提取的过程中的复杂度。本文针对基于卷积神经网络下的车辆牌照识别研究课题,整理归纳了国内外学术界的研究现状和成果,介绍了利用卷积神经网络进行图像识别的原理。在对经典神经网络结构LeNet-5的分析研究基础上加以完善,将完善后的卷积神经网络ILeNeT-5应用于车牌识别问题中,并基于MATLAB平台,完成应用程序的开发,最终完成基于卷积神经网络下的车辆牌照识别的研究工作。本文所研究的基于卷积神经网络下的车牌识别,是在神经网络的优势下,使用一种改进的ILeNeT-5神经网络对车牌的识别,它优化了网络中卷积层和采样层的参数,在特殊情境下也提高了车牌的识别率,能有效的提高车牌识别度,对于智能交通系统的建设具有重大的社会意义。
参考文献：
[1]. 基于图像识别理论的智能交通系统关键技术研究[D]. 耿庆田. 吉林大学. 2016
[2]. 基于图像识别技术的智能交通监控系统研究[D]. 段红. 安徽理工大学. 2007
[3]. 车牌识别关键技术的研究与实现[D]. 孟涛. 华中科技大学. 2006
[4]. 车牌及车标识别若干技术研究[D]. 彦楠. 北京邮电大学. 2008
[5]. 基于神经网络的车牌识别算法研究[D]. 周亮. 青岛科技大学. 2007
[6]. 图像处理技术在车牌识别中的应用研究[D]. 邵玉芹. 合肥工业大学. 2007
[7]. 车牌定位与字符分割算法研究及实现[D]. 王晓健. 北京邮电大学. 2009
[8]. 低质量车牌识别中关键技术的研究[D]. 解家祥. 大连海事大学. 2008
[9]. 复杂环境下车牌定位于字符分割方法的研究与实现[D]. 张元海. 上海师范大学. 2007
[10]. 基于卷积神经网络的车牌识别技术研究[D]. 霍祥湖. 电子科技大学. 2017
标签：计算机软件及计算机应用论文; 智能交通系统论文; 车牌识别系统论文; 神经网络算法论文; 图像分割论文; 图像融合论文; 字符论文; 人工智能论文; 算法论文;