基于神经网络的车牌识别研究
一、选题背景和意义
现代社会已进入信息时代,随着计算机技术、通讯技术和计算机网络技术的发展,自
动化的信息处理能力和水平不断提高,并在人们社会生活的各个领域中得到广泛应用,在
这种情况下,作为信息来源的自动检测、图像识别技术越来越受到人们的重视。而且随着
我国国民经济的高速发展,国内高速公路、城市道路、停车场建设越来越多,对交通控制
安全管理的要求也日益提高,智能交通管理已成为当前交通管理发展的主要方向,而车牌
识别技术作为智能交通系统的核心,起着举足轻重的作用,它在高速公路、城市道路和停
车场等项目管理中占有无可取代的重要地位。
近年来,许多学者将人工神经网络应用于车牌识别,为车牌识别研究提供了一种新手
段,它具有一些传统技术所没有的优点:良好的容错能力、分类能力强、并行处理能力和
自学习能力。因此,神经网络在车牌识别领域得到越来越多的应用。
车牌识别技术具有广泛的应用范围,主要应用于:(I)高速公路收费、监控管理;(2)小区、
停车场管理;(3)城市道路监控、违章管理;(4)车牌登录、验证;(5)车流统计、安全管理等。
车牌识别技术应用于这些系统,可以解决通缉车辆的自动稽查问题,可以解决车流高峰期
因出入口车流瓶颈造成的路桥卡口、停车场交通堵塞问题,可以解决因工作人员作弊造成
的路桥卡口、高速公路、停车场应收款流失的问题,还可以以最简单的方式完成交通部门
的车辆信息联网,解决数据统计自动化,模糊查询的问题。
二、国内外研究现状
从 20 世纪 90 年代,国外的研究人员就己经开始了对车牌识别的研究,其主要途径就
是对车牌的图像进行分析,自动提取车牌信息,确定汽车牌号。以色列 Hi-Tech 公司的
See/Car System 系列,新加坡 Optasia 公司的 VLPRS 系列都是比较成熟的产品。其中
VLPRS 产品主要适合新加坡的车牌,Hi-Tech 公司的 See/Car System 有多种变形的产品
来分别适应某一个国家的车牌。See/Car Chinese 系统可以对中国大陆的车牌进行识别,
但是都存在着局限性,不能识别车牌中的汉字,另外日本、加拿大、德国、意大利、英国
等各个西方发达国家都有适合本国车牌的识别系统。
国内在 90 年代也开始了车牌识别的研究。目前比较成熟的产品有中科院自动化所汉
王公司的“汉王眼”,亚洲视觉科技有限公司、深圳吉通电子有限公司、中国信息产业部下
属的中智交通电子有限公司等也有自己的产品,另外西安交通大学的图像处理和识别研究
室、上海交通大学的计算机科学和工程系、清华大学的人工智能国家重点实验室、浙江大
学的自动化系等也作过类似的研究。
车牌识别基本流程:车牌定位、字符分割和识别。车牌定位与字符分割是为字符的识
别做准备,是字符识别精确的前提保证,而字符的识别则是关系到最终输出的识别结果。
关于车牌定位的研究,国外目前比较好的定位方法有 ThanongsakSirthinaphong 和
Kosin Chammonthai[1]提出的基于 BP 神经网络的牌照定位方法;M.H.ter Brugge[2]
等人提出的利用 DTCNN 和模糊逻辑相结合的方法;R.Zunino 和 S.Rovetta[3]提出的基
于矢量量化的牌照定位方法等。国内比较好的定位算法有基于特征的车辆牌照定位算法
[4];基于变换函数提取车牌的算法[5];基于视觉的车辆牌照检测[6];基于局部阐值二值
化与自适应形态滤波算法[7];基于属性开运算的汽车牌照区域定位算法[8]。这些车牌定
位方法具有一定的实用性和参考价值。
字符分割的任务是把多行或多字符图像中的每个字符从整个图像中切割出来成为单个
评论0