基于BP神经网络算法的车牌自动识别

 2022-01-17 11:01

论文总字数:18179字

目 录

1 引言 1

2 车牌识别与BP神经网络 1

2.1 车牌识别技术简介 1

2.2 BP神经网络 2

3 基于BP神经网络的车牌自动识别系统 3

3.1 系统总体设计方案 3

3.2 图像预处理 3

3.3 车牌定位和提取 8

3.4 字符分割 12

3.5 建立字符数据库 12

3.6 字符识别 13

4 实验 14

4.1 实验设置 14

4.2 实验结果及分析 16

5 结束语 18

参考文献 18

致谢 19

基于BP神经网络算法的车牌自动识别

成天昊

, China

Abstract:With the development of economy and society and the continuous improvement of social information level, intelligent traffic management has become modern trend. The automatic recognition of license plates is particularly important in intelligent traffic management. In this paper, I study the techniques of BP neural network based license plate recognition. I firstly analyze the principle and methods of image preprocessing techniques including gradation, binarization, filtering and edge extraction of images. The license plate images are preprocessed by gradation, enhancement, binarization and edge extraction. Then the license plate is located by using the close and open operations on the edge images, and the deviation correction is carried out by using some operations, such as tilt correction. The characters in the license plate are separated by the vertical projection method. Finally, the BP neural networks are built, trained and used to complete license plate character recognition. I use the Matlab software to realize system simulation, which can divide and identify the characters in the license plate. Experimental results show that this automatic license plate recognition system based on BP neural network can effectively recognize the characters in the license plate, which owns certain theoretical significance and practical value.

Keywords: BP neural network; Matlab; license plate recognition

1 引言

随着时代不断的发展,我国在交通方面有了很大的发展,几乎家家户户都有了汽车。车辆不断的增加对于交通方面的影响是非常大的,以前都是靠交警去查违规的车辆以及行人,但是现在车辆越来越多,各个路口的信号灯也是越来越多,光靠交警根本无法及时的对每个交通路口进行检查,更别说去检查每一辆违规的车辆,智能交通的发展已经迫在眉睫。现在,中国大多城市都在搞智能交通,在智能交通方面投入了很多的资金。

在当前智能交通不断发展的情况下,车牌自动识别技术的发展,我觉得是特别重要的。车牌相当于每辆汽车的身份证,通过车牌自动识别技术,可以及时地拍下违规车辆,对其进行处罚,这样一来就大大降低了违章事件的发生,同时也降低了人工成本。当然车牌自动识别技术不仅仅是在交通方面使用的比较广泛,在很多的小区,也都已经安装了车牌自动识别系统,小区门禁系统能自动识别出汽车的车牌号码,然后与数据库中的车牌号码进行对比,这样本小区的车辆就能立马进入,根本不需要保安人员来一个个的进行检查。另外,车牌自动识别技术在其他很多方面也被广泛使用。

本次设计研究基于BP神经网络的车牌自动识别技术,对车牌识别系统的算法部分进行了设计与实现,分别对车牌照片的预处理、图像的定位、字符的分割以及字符的识别等方面进行了系统研究,完成了图像预处理、车牌定位和提取、字符分割和字符识别整个流程,并通过Matlab软件进行系统仿真实验,能够有效识别车牌样本,具有较强的实用性和理论参考性。

2 车牌识别与BP神经网络

2.1 车牌识别技术简介

目前的车牌识别通常是用图像灰度化、图像二值化、图像增强、数学形态学等图像处理的方式对车牌进行一些预处理,然后再利用特征提取方面的操作对预处理后的车牌进行字符识别。例如,陈桂明等人[1]利用MATLAB将数字信号和图像进行了模拟,将抽象的数据以图形的形式展现出来;周妮娜等人[2]通过预处理算法对车牌的不同字符进行了模式识别,提出了一套针对车牌字符的预处理算法;叶晨洲等人[3]通过图像二值化方法,以及纹理的不同,通过区分这种不同之处来识别不同的拍照,同样是对于拍照的字符识别做了处理。其中,利用神经网络来识别车牌字符可以增加识别的效率和准确性,在这方面已经出现了不少研究。例如,杨万山等人[4]提出一种利用神经网络进行车牌识别的方法,该算法通过搭建一个简单的神经网络(未用BP)进行实验,效果是有但仍然存在准确率问题;崔江等人[5]引入了一种动量项至BP神经网络中,能够对车牌字符加以识别,提升了车牌的识别准确率;郁梅等人[6]通过将BP神经网络与模板匹配相结合的方式,提出了一种车牌识别的新思路;曾万里等人[7]将粒子群优化(PSO)算法引入到BP神经网络中来,降低了收敛所需的时间,优化了BP神经网络的权值和阈值,证明了PSO算法优化BP神经网络的可行性;范巍强[8]通过BP神经网络对于车牌字符识别的算法研究,提高管理效率和水平,加强对于车辆的管理。

虽然目前车牌识别技术已得到很大发展,但是仍然存在一些难点。这些难点集中体现在以下几个方面:

(1)由于光照、大雾、沙尘暴等天气影响,导致采集到的图像质较低,字符受到噪声干扰,造成部分目标图像被背景图像掩盖,降低车牌字符识别的准确率。

(2)我国车牌的特殊性:(a)我国车牌的字符包括汉字、数字和大写英文字母,由于汉字字符的笔画较为复杂,在对汉字字符进行二值化处理后,容易造成笔画模糊,从而导致错误的识别;同时在对车牌字符识别时,需要对英文字母和数字进行混合识别,受部分英文字母和数字字符相似的影响,会造成英文字母和数字的误识。(b)我国车牌识别颜色的多样性,比如蓝底白字、黄底黑字、黑底白字等,在利用车牌颜色的特征时需要考虑多种情况,增加了额外的工作量。

2.2 BP神经网络

BP神经网络通常是指按照误差逆向传播算法训练的多层前馈神经网络(前馈也就是我们通常所说的Back Propagation)。BP神经网络采用了S形函数(Sigmoid函数),这一点与可微函数、感知器和线性神经网络不同,可以实现任意输入和输出间的非线性映射,其输出量是0~1之间的连续量。目前,人工BP神经网络在的实际应用中,绝大部分是基于网络的各种变化来搭建神经网络模型,这些搭建方式也是前向网络的核心部分,对于人工神经网络来说体现了最精华的部分。在所有人工神经网络中有90%的神经网络应用是基于BP算法的。

BP神经网络由输入层、隐含层和输出层构成,同一层内的神经元之间无连接。相邻层之间的神经元全互连,如图2.1所示,通过拥有一个中间层(隐层)的三层结构来介绍BP神经网络。图2.1中,可以分为三层:输入层、中间层和输出层,其中输入为X0,Xl,…,Xn-1;网络实际输出为Y0,Yl,⋯,Ym-1;d0,dl,⋯,dm-1表示训练样本的期望输出。输入单元i到中间单元j的权值为Vij,中间单元j到输出单元k的权值为Wjk,用θk和ψj来分别表示输出单元和中间单元的阀值。

图2.1 具有一个隐层的三层BP神经网络

3 基于BP神经网络的车牌自动识别系统

3.1 系统总体设计方案

车牌识别系统流程如图3.1所示。

原始图像

图3.1 车牌识别流程

本设计是基于Matlab的车牌识别系统,首先定位到车牌的图像区域,获取车牌的原始图像,并且对原始图像进行预处理,将车牌的带字符图像提取出来;其次将车牌的图像分割成一个个字符,并且建立一个字符的数据库(存储所有可能涉及到的字符数据);最后将分割的字符与数据库中的字符相对比,识别出正确的车牌字符。

3.2 图像预处理

3.2.1 图像预处理技术简介

1、图像灰度化

剩余内容已隐藏,请支付后下载全文,论文总字数:18179字

相关图片展示:

您需要先支付 80元 才能查看全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找;