现如今国民经迅速发展，人们的生活水平得到不断的提升,各种车辆迅速增加，尤其是家有轿车的日益增加，在使人们生活便利的同时，也引发了新的问题，汽车闯红灯、超速、超载等违章现象以及汽车犯罪等事件急剧增加，伤亡事故不断发生。城市的交通管理面临着新的挑战。因此，对交通监控、安全管理的要求日益增高。另外随着对计算机学习的深入和发展，人们越来越希望能够用计算机代替人工进行智能控制和智能操作，进而实现系统自动化，减少人工参与。因此智能交通管理系统已成为当前公路交通、城市交通管理的主要手段和发展方向。 智能交通系统ITS(Intelligent Transportation System) 是一种将先进的信息技术、数据通讯传输技术、电子传感技术、电子控制技术及计算机处理技术等有效的融合起来，并运用于整个交通管理系统而建立起来的，具有信息化、集成化智能特征的，一种在大范围内，全方位发挥作用的实时、准确、高效的运输综合智能控制和管理系统。它起步于20世纪60至70年代的交通管理计算机化，在进入20世纪90年代以后，美国、日本、欧洲、韩国、新加坡等国家对ITS的研究给予了高度的重视，并投入了大量的人力和物力。正是因为智能交通系统的这些特点和优势，使其受到世界各国的重视，目前已成为世界交通的发展方向。 车牌识别系统LPR(License Plate Recognition)是计算机视觉和模式识别技术在智能交通领域的重要研究课题之一。若能用计算机实时地识别车牌就可以在无需为车辆加载其他特殊装置的情况下实现对车辆的自动监控，从而给交通系统的自动管理提供极大的方便，因此车牌识别系统是实现推动交通管理智能化的关键技术之一，是智能交通系统ITS的重要的组成部分。 车牌识别系统一般可顺序地分为车辆图像获取、车牌定位、车牌字符分割和车牌字符识别等4大部分。其流程图如下所示: 实时识别出行驶车辆的牌照号码并与车辆管理数据库相结合，就可以有针对性地实现车辆检查，自动化管理等工作，可以大大简化人工劳动，提高工作效率，是智能交通系统中的一个重要发展方向。 |
二、国内外同类研究或同类设计的概况综述(在充分收集研究主题相关资料的基础上，分析国内外研究现状，提出问题，到研究主题的切入点，附主要参考文献诺基亚9500) 从20世纪90幸福是什么教学设计年代初，国外的研究人员就已经开始了对车牌识别的相关研究，其中具有代表性的工作有：R.Mullot等开发的一种可以同时用于集装箱和普通车辆的车牌识别系统，该系统主要是利用文字的纹理在车辆图像中的共性进行定位与识别。Yuntao Cui提出了一种车牌识别系统，在车牌定位以后，利用马尔科夫场对车牌特征进行提取和二值化。R.Parisi利用DSP和神经网络技术开发出了一套车牌识别系统，他在字符识别中使用了一种非传统的DFT技术，实验证明效果不错。Tindail利用车牌反光的原理开发出一种车牌识别系统，该系统可识别全部五种英国格式的车牌。Young Sung Soh开发出一套实时车牌识别系统，据报道该系统的车牌定位正确率可以达到99.2%。 国内不少学者也在进行车牌识别方面的研究。产品方面比较成熟的有中科院自动化研究所汉王公司的“汉王眼”，深圳吉通电子有限公司以及信息产业部下属的中智交通电子有限公司也有自己的产品。实验室方面，西安交通大学的图像处理和识别研究室、清华大学人工智能国家重点实验室、浙江大学的自动化系等在车牌识别方面有各自独立的研究，并取得了一定的成绩。 （1）字符识别方法综述 字符识别研究一般分为两个部分：特征的提取和识别器的构造。从图像中提取有效的字符特征是完成字符识别的首要任务。近年来，随着模式识别技术的发展，出现了很多字符提取特征的新理论、方法和手段。 1.1基于特征匹配的字符识别方法 石元伍基于特征匹配的字符识别方法是基于待识样本与理想样本的特征空间距离最小的原则，根据提取特征的不同，可以分为模板匹配方法和结构匹配方法。模板匹配方法首先对待识别字符进行二值化，并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，最后选出最佳匹配作为结果。结构匹配方法是根据每个字符都有它独特的笔画特征，字符可以分解为具有横、竖、撇、捺、弓、洞中的一种或几种特征的集合，把输入字符分解为上述笔画的结构特征集合，然后与字符库中的结构特征集合进行匹配，结构特征最匹配的字符就是该输入字符的识别结果。 1.2基于规则匹配的字符识别方法 基于规则匹配的字符识别方法首先提取大量字符样本的特征，然后通过知识获取，发现其中蕴涵的分类规则，然后把输入字符的特征与则的前提进行匹配，若规则的前提被满足，则认为规则的结论即为输入字符的识别结果。 1.3基于神经网络的字符识别方法 基于神经网络的字符识别是神经网络模式识别的一种，字符的统计特征、结构特征等多种特征都可以用来构造神经网络分类器。构造神经网络分类器要选择适当的网络结构和学习算法，才会有很好的识别效果。在学习阶段，应该用大量的样本进行学习、训练，通过样本的学习对神经网络各层网络之间的连接权值进行修正，使其对样本有正确的识别结果。在字符识别阶段，只要将字符进行预处理，再对其进行特征提取，然后将特征提取后的特征向量作为神经网络分类器的输入，经过网络的计算，分类器的输出就是识别结果。目前已经有多种结构的神经网络用于车牌字符识别，如BP网络、SOFM玻璃工艺学网络、RBF网络等。 这些方法虽然在实际中使用的比较多，但是还存在许多不足。例如，统计方法通常需要样本的先验知识，并要求有足够多的样本数量，而这些要求往往很难满足，以致于这类方法在实际应用中的效果并不理想。人工神经网络虽然较好地解决了非线性问题，但是由于存在网络结构不易确定、过学习、欠学习和易于限于局部极小等固有缺陷，从而限制了其应用。另外，人工神经网络的学习算法仅仅试图使经验风险最小化，与传统的最小二乘法相比，在原理上面缺乏实质性的突破，这也是出现过拟合现象的根本原因，导致其推广能力的下降。与传统统计学相比，统计学习理论（SLT）是一种比较新的理论，建立在牢固的数学基础上。SLT从控制学习机器复杂度的思想出发，提出了结构风险最小化（SRM）原则。该原则使得学习机器在可容许的经验范围内，总是采用具有最低复杂度的函数集。支持向量机——SVM就是在SLT基础上发展出的一种性能优良的学习机器，已初步表现出很多优于已有方法的性能。一些学者认为，SLT和SVM正成为继神经网络研究之后新的研究热点，将推动机器学习理论和技术的重大发展。因此本文给出了支持向量机的车牌识别方法。 虽然车牌识别技术在近几年中取得了长足的进展，但在识别技术中仍然存在一些难点，主要概括为以下几点： 1、目标背景的复杂。在采集到的图像中在车身上有许多类似于车牌特征的长方形背景区域的存在，容易造成干扰，引起误判。 2、车牌本身的缺陷。由于车牌的污损及部分遮挡，造成字迹不清或不全。 3、环境光照的影响。由于环境光照的变化，使得采集到的图像过亮或者过暗，图像特征明显减弱。 4、牌照的样式多样。根据我国对机动的有关规定，车牌的规格、颜和适用范围各有不同。由于缺乏统一的标准，使得车牌识别过程中字符的分割难度较大，缺乏统一模式规则的指导作用。 总之，车牌识别系统的研究由于受到多方面的限制，其技术还存在着一些不足，但是现代智能交通的发展，使其具有巨大的应用潜力。 参考文献： [1] 边肇祺等，模式识别[J]. 北京:清华大学出版社, 1988. [2] Cortes C, Vapnik V.Support-vector networks.Machine Learning，1995. 20:273-297. [3] Vapnik V N. The Nature of Statistical Learning Theory，N Y: Springer-Verlag. 1995 [4] 杜选，基于支持向量机的车牌字符识别研究与应用[C]. 嘉兴学院， 2008.8 [5] 谢盛嘉 梁竞敏，车牌识别系统的设计与实现[C]. 广东女子职业技术学院. [6] 王刚, 冀小平，基于MATLAB的车牌识别系统的研究[C]. 电子设计工程，2009(11) [7] 吴进军，车牌识别技术的研究[C]. 浙江大学，2005.01.01 [8] 贺兴华, 周媛媛, 王继阳等，MATLAB图像处理[M]. 人民邮电出版社，2006. [9] 陶军，车牌识别技术研究与实现[C]. 南京理工大学，2004.07 [10] 李小平,任江兴, 杨德刚，车牌识别系统中若干问题[C]. 北京理工大学学报，2001(1) [11] 王家文，李仰军，MATLAB7.0图形图像处理. 国防工业出版社，2006.6 [12] 汪涛，汽车牌照识别技术的研究．西安电子科技大学硕士学位论文，2005 [13] 柳回春，马树元，支持向量机的研究现状[J].中国图象图形学报，2002，V61.7(A)，No.6，P618一623 [14] 黄志斌，陈锻生， 支持向量机在车牌字符识别中的应用. 计算机工程，2003.4 [15] 赵秀娟,等，基于支持向量机的车辆自动分类方法[J]. 公路交通科技，2003 (10): 108-110 |
三、研究方案(研究内容、目标、研究方法、技术路线、拟解决的问题、特或创新点等) 本文主要研究了车牌识别系统及其核心的字符识别部分。车牌识别系统主要包括车牌定位分割、字符切分和字符识别，其核心是字符识别。本文讨论了基于支持向量机的字符识别算法，并采取了one-vs-one训练测试法。详细研究和工作包括以下几个方面： 1）基于对车牌识别系统的研究，本文采用支持向量机作为车牌的模式识别算法，建立了车牌字符分类识别系统。 2）本文在对字符识别进行研究的同时，还对车牌的定位进行了研究和分析，并为国内统一规格的车牌制订了一套基于边缘检测的车牌定位方法，该方法能够准确的判断出车牌所在位置，并提取到完整的车牌。 3）在以Matlab6.5为开发工具，Windows为平台的基础上，实现了对车牌字符的识别，证实了新的算法能够迅速、较为准确的对汽车牌照进行识别。 本文的创新点在于基于我国车牌统一标准的设定，制订了一套适用于绝大多数中国车辆的车牌定位提取方法。 在车牌识别过程中对于车牌中的汉字未能做出识别，而对非理想状态下的车牌（如有倾斜的车牌）也不能做出较好的判断，还需改进和处理 |
四、进程计划(各研究环节的时间安排、实施进度、完成程度等) 3月18日-3月29日 查阅文献资料，熟悉任务计划 4月01日-4月15日 学习利用Matlab进行图像处理 4月16日-5史阜民月05日 开始利用Matlab进行车牌的预处理工作 5月06日-5月11日 进行车牌定位程序的调试工作 5月12日-5月24日 进行车牌字符识别程序的调试 市场经济的基本特征5月25日-5月28日 完成论文初稿 5月29日-6月07日 完成论文的第二稿 |
五、导师评语 年 月 日 |
本文发布于:2024-09-22 01:35:59，感谢您对本站的认可！
本文链接：https://www.17tex.com/xueshu/569958.html
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系，我们将在24小时内删除。
| 留言与评论（共有 0 条评论） |
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议