Matlab环境下基于神经网络的车牌识别资料下载.pdf

Matlab环境下基于神经网络的车牌识别资料下载.pdf

《Matlab环境下基于神经网络的车牌识别资料下载.pdf》由会员分享，可在线阅读，更多相关《Matlab环境下基于神经网络的车牌识别资料下载.pdf（77页珍藏版）》请在冰点文库上搜索。

在智能交通管理系统中，人们对车牌识别系统的准确性不断提出新的要求，因此把神经网络理论应用到车牌识别中，具有很好的理论意义和实践价值。

本论文选择基于BP神经网络的模式识别技术作为识别的方法。

对传统的BP神经网络识别方法进行改进，从而进一步提高了网络的识别率。

关键词：

车牌识别神经网络字符识别特征提取AbstractWiththefantasticspurineconomyandrapiddevelopmentoftheowningamountofautomobile，thehighwaycommunicationbecomesoneofthemostimportantcommunicationsandtransportationwaysinourcountryAndnowitisinfrastructuresthatthecountrydevelopedenergeticallySoitisexactlyimportantthatthemodernizationandintelligenceofcommunicationmanagementIntelligentTransportationSystem（ITS）whichmakesuseofelectronicinformationtechnologytoraisemanagementefficiency,trafficefficiencyandtrafficsecurityhasbecomethethemeoftra伍cadministrationLicensePlateRecognition（LPR）isoneofthekeytechnologiesofthemodernizationandintelligenceofcommunicationmanagementComparedwithtraditionalvehiclesmanagingmethods，itimprovesmanagingefficiencyandlevel，andsavesmanpowerandmaterialresources，realizesscientificstandardmanagementandensurestrafficorderTherefore，ithascomprehensiveapplicationprospectTheneuralnetworkpatternrecognitionisoneoftheimportantresearchareasinthefieldofpatternrecognitionrecentlyTheneuralnetworkisacollateral，non-linearandredundancysystem，whichmakesitdifferentintheexpress，memoryandtreatofinformationfromtraditionalmethodThenonlinearandabilityofself-studyandself-organizationmakeithaveuniquepredominanceIntheintelligenttransportationmanagementanddetection，becausepeoplerequireamoreaccuratelicenseplaterecognitionsystem，itwillhavesomesignificanceontheoryandpracticethatcombinetheneuralnetworkwiththeLPRThepaperchoosetherecognitionmethodbasedonBackPrograms（BP）neuralnetworkThetraditionalalgorithmisimproved，andthustherecognitionrateWasimprovedKeywords：

LicensePlateRecognitionneuralnetworkopticalcharacterrecognitionfeatureextraction创新性声明本人声明所呈交的论文是我个人在导师的指导下进行的研究工作及取得的研究成果。

尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其它人已经发表或撰写过的研究成果；

也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。

与我一同工作的同志所做的任何贡献均已在论文中做了明确的说明并表示了谢意。

申请学位论文与资料若有不实之处，本人承担一切相关责任。

本人签名：

!

虱型垒整魄关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：

研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。

本人保证毕业离校后，发表论文或使用论文工作成果时署名单位仍然为西安电子科技大学。

学校有权保留送交论文的复印件，允许查阅和借阅论文；

学校可以公布论文的全部或部分内容，可以允许采用影印、缩印、或其它复制手段保存论文。

（保密的论文在解密后遵守此规定）本人签名：

型兰堑导师签名：

望瑟醴日期：

沙。

协9日期：

2-。

?

尹g第一章绪论第一章绪论11课题的研究背景近二、三十年以来，随着全球经济的不断发展，人民生活水平的不断提高，私人拥有机动车辆的数量迅速增加，车辆普及成为了必然的趋势。

在此情况下，仅仅依靠大力发展交通设施已不能解决现在已经存在的交通拥挤、交通事故频发、环境污染加剧等问题，尽管现在世界上的许多国家，依然主要依靠建设更多的道路基础设施，建立完善的道路网络缓解道路交通增长的需求，但是由于城市空间的严格限制，以及资金和环境方面的压力，建设更多的基础设施将受到限制。

因此，保持道路建设和现代化管理齐头并进，在发展交通设施的同时，大力发展现代智能交通系统（IntelligentTransportationSystem，简称ITS）

【1】，已成为亟待解决的严重问题。

车辆牌照识别（LicencePlateRecognition，简称LPR）

【2】技术的主要任务是分析处理汽车图像，自动识别汽车牌照号码，它一直是现代化交通发展中倍受关注的问题，也是制约交通系统智能化、现代化的重要因素【3】。

一个合格的LPR系统，应该能够从一幅图像中自动提取车牌图像，自动分割字符图像，进而对字符进行正确识别。

随着计算机视频技术和模式识别技术的发展，车牌自动识别系统已经成为现代智能交通系统中的重要组成部分，已广泛应用于不停车收费、失窃车辆侦察、停车场管理、车辆进入许可等需要车牌认证的重要场合，大大简化了人的劳动，消除了人为干扰，减少乃至杜绝出错的可能。

同时，由于LPR系统能对输入的汽车图像加以处理和识别，输出几个字符大小的字符串，无论在存储空间的占用上还是在与数据库的连接上都具有无可比拟的优越性，LPR系统具有不可替代的作用，因此从事LPR技术的研究具有极其重要的现实意义和巨大的经济价值。

LPR系统中的两个关键子系统是车牌定位系统和车牌字符识别系统。

关于车牌定位系统的研究，国内外学者已经做了大量的工作，但是实际效果并不是很理想，比如车牌图像的倾斜、车牌表面的污秽和磨损、光线的干扰等都是影响定位准确度的潜在因素。

为此，近年来不少学者针对车牌本身的特点，车辆拍摄的不良现象及背景复杂状况，先后提出了许多具有针对性的定位方法，使车牌定位在技术和方法上都有了很大的改善。

然而现代化智能交通系统不断发展将对车牌定位的准确率和实时性提出越来越高的要求。

车牌字符识别实际上就是对车牌上的数字、字母和汉字进行有效而准确地确2Matlab环境下基于神经网络的车牌识别认过程。

识别子系统是整个系统的核心，相对于其他图像识别系统来说，车牌自动识别系统的研究要困难得多。

首先，受环境影响较大。

识别系统往往会受到天气、光照等外界环境的影响，这就要求系统能够具有全天候稳定工作的性能，对系统的设计提出了较高的要求。

另外识别系统也会受到车身上的车标、字符等各种标号的干扰影响，从而造成车牌错误定位和字符误识别的发生。

其次，待识别车辆的车型复杂。

不同车型的底盘高低差别很大，车头细节也不尽相同，这就给车牌定位方法的选择带来一定的困难。

再次，车牌位置不固定。

大多数情况下，车牌应该位于汽车保险杠的中间，但实际上很多车辆的车牌放在保险杠的上方或者两侧。

另外，车牌本身的污染、缺损也会影响识别率。

可见，要提高系统的正确率将碰到多少的困难，至今车牌自动识别技术尚未达到很完善的程度【41。

字符在一定程度上反映了图形的一般特点，是一类特别的图形，其自动识别一直受到人们的极大关注，它的解决对于人们的生活生产具有非常现实的意义。

字符识别中，汉字识别是一个难点，许多国外的LPR系统也往往因为汉字难识别而无法打入中国市场。

因此探寻好的方法解决字符的识别至关重要。

目前已有的方法很多，但是效果都不是很理想，难以适应现代化智能交通系统高速度、快节奏的要求。

因此字符识别的研究具有深刻的理论和实用价值。

12车牌识别的主要技术及发展针对目前日益沉重的公路交通负担问题，人们运用先进的科学技术，相继研制开发出了各种交通道路监视、管理系统，这些系统一般都包括车辆检测装置，通过这些装置对过往车辆实施检测，提取有关交通数据，以达到监控、管理和指挥交通的目的。

汽车牌照识别技术是车辆检测系统中的一个重要环节。

它目前有几种主要的应用技术。

121IC卡识别技术IC卡是一种集微电子技术、通讯技术和计算机技术于一体的高科技产品，利用IC卡技术进行汽车牌照的识别，主要是指在每辆汽车上安装一个微型的电子信号接收和发射装置即IC卡，卡内存储了该车的车牌号码以及其他一些信息，当汽车通过设有车辆检测装置的路口时，IC卡系统将与路口的计算机系统进行对话，使之辨识出该汽车的车牌号码和其他有关内容，从而可以实现监督和管理。

然而，尽管IC卡技术识别准确率高，运行可靠，可以全天候作业，但它整套装置价格昂贵，硬件设备十分复杂，不适用于异地作业，且需要制定出全国统一的标准。

另外，无法核对车、卡是否相符，也是IC卡技术存在的缺点。

第一章绪论3122条形码识别技术条形码技术【5】由于识别速度快、可靠性高、采集信息量大，灵活应用以及成本较低等优点，目前已广泛应用在商品销售、图书借阅管理、仓库进出货管理、邮政管理等众多领域。

而条形码用于汽车牌照的识别方面也是一种新方法【6】，它可以通过在车辆的侧面印刷条形码（包括地区、车型、车牌号码等基本信息），当条形码扫描器阅读出这些信息后，就可以完成识别的任务。

但是，条形码识别技术对于扫描器的要求很高，并且同IC卡技术一样，须在全国范围内有统一的标准，这给近期短时间内推广造成很大困难【7】o123图像处理技术运用图像处理技术解决汽车牌照识别的研究国内外都有，最早出现于80年代，这个阶段的研究并没有形成完整的系统体系，而是就车牌识别中的某一个具体问题进行讨论，并且通常是采用简单的图像处理技术来解决f8】。

识别过程是使用工业电视摄像机拍下汽车的正前方图像，然后交给计算机进行简单处理，并且最终仍需要人工干预。

例如车辆牌照中省份汉字的识别问题，1988年戴营等利用常见的图像处理技术方法提出汉字识别的分类是在抽取汉字特征的基础上进行的。

根据汉字的投影直方图，选取浮动阈值，抽取汉字在Y方向的峰值，利用树形查表法进行汉字的粗分类，然后根据汉字在X方向的投影直方图，选取适当阈值，进行量化处理后，形成一个变长链码，再用动态规划法，求出与标准模式链码的最小距离，实现细分类，完成汉字省名的自动识别。

124传统模式识别技术传统模式识别技术【9】一般包括模板匹配法，统计特征法等。

进入90年代，由于计算机视觉技术的发展，开始出现汽车牌照识别的系统化研究。

1990年ASJohnson等运用计算机视觉技术和图像处理技术实现了车辆牌照的自动识别系统。

该系统分为图像分割、特征提取和模板构造、字符识别等三个部分。

利用不同阈值对应的直方图不同，经过大量统计实验确定出车牌位置的图像直方图的阈值范围，从而根据特定阈值对应的直方图分割出车牌，再利用预先设置的标准字符模板匹配识别出字符。

1990年RALotufo等使用视觉字符识别技术分析所获取的图像，首先在二值化图像中找到车牌，然后用边界跟踪技术提取字符特征，利用统计最邻近分类器与字符库中的字符比较，得出一个或几个车牌号码，对这些号码做核实检查，看4Matlab环境下基于神经网络的车牌识别是否确实有该车牌号码，从而最终确定出一个实际存在的正确的号码。

总之，这个时期的应用在识别正确率方面有所突破，但还没有考虑到识别实时性的要求，识别的速度有待进一步提高。

125人工神经网络技术近几年来，计算机及其相关技术发达的一些国家开始探讨用人工神经网络技术解决车牌的自动识别问题。

例如1994年MMMFAHMY等就成功地运用了BAM（BidirectionalAssociativeMemories）神经网络方法对车牌上的字符进行自动识别，BAM神经网络是由相同神经元构成的双向联想式单层网络，每一个字符模板对应着唯一一个BAM矩阵，通过与车牌上的字符比较，识别出正确的车牌号码。

这种采用BAM神经网络方法的缺点是无法解决识别系统存储容量和处理速度相矛盾的问题。

由于人工神经网络技术flo】抛开了传统的计算结构和相应的算法，采用了生物神经网络的模型，因此它能较好地实现人类存储知识及处理信息的机能，使系统可以模拟人类思维，对需要处理和解决的问题进行记忆、联想、推理，从而较好地解决了车牌识别中所提出的因字符残缺不完整而无法识别的问题。

另外，人工神经网络技术应用于车牌识别领域与传统方法相比，还可以避免繁重的数据分析和数学建模工作，可以将信息存储与处理并行起来，大大提高了运行速度，因此越来越受到人们的广泛关注。

13国内外研究现状国外开始对汽车牌照自动识别的研究已经有将近二十年的时间了。

其主要用途就是对车牌的图像进行分析，自动提出车牌信息，确定汽车牌照号码。

在各种应用中，有使用模糊数学理论，也有神经元网络的算法来识别车牌中的字符。

但由于外界环境光线变化、摄像光路中有灰尘、季节环境变化及车牌本身比较模糊等条件的影响，给车牌的识别带来较大的困难。

国外的相关研究有基于扫描行高频分析的方法，以及类字符分析方法等。

为了解决图像恶化的问题，目前国内外采用主动红外照明摄像或使用特殊的传感器来提高图像的质量，继而提高识别率，但系统的投资成本过大，不适合普遍的推广。

一些实用的LPR技术已经开始用于车辆监控、出入控制、电子收费等场合。

如以色列的HiTech公司、新加坡的Optasia公司、Zamir公司分别研制了名为SeeCarsystem、VLPRS、Insignia的LPR系统，这三种产品所能识别的汽车图像均为单车牌灰度图像，即每一幅灰度图像只含有一个车牌的灰度图像。

SeeCar系第一章绪论5统只能识别字母和数字，不能识别汉字。

Insignia是针对欧洲和远东地区实际的车牌识别系统。

香港的AsiaVisionTechnology公司（亚洲视觉科技有限公司）的慧光车牌号码自动识别系统，能自动侦测、识别及验证行驶或停泊中车辆的车牌号码，并能辨认以文字及数字排列的车牌号码，如含有中、英及韩文的车牌，但要使准确率达到95，识别时间小于1秒，要求车牌的宽度至少占整个图像宽度的15。

另外，日本、加拿大、德国、意大利、英国等西方发达国家都有适合于自己本国车牌的识别系统。

虽然，国外车牌识别系统研究工作已有一定进展，但并不符合我国的国情，主要有以下几个原因：

（1）我国标准车牌是由汉字、英文字母和阿拉伯数字组成，汉字识别与字母、数字识别有很大不同，从而增加了识别难度。

因此，针对我国车牌，采用任何一种单一识别技术均难以奏效。

（2）国外的车牌底色和字符颜色通常只有对比度较强的两种颜色，如韩国，其车牌底色为红色，字符为白色；

而我国车牌仅底色就有蓝、黄、黑、白等多种颜色，字符颜色也有黑、红、白等好几种颜色。

（3）其他国家的车牌格式（如车牌尺寸大小、牌照上字符排列等）通常只有一种，而我国则根据不同车辆、车型、用途，规定了多种牌照格式（例如分为军车、警车、普通车等）。

（4）我国车牌悬挂位置不唯一。

（5）由于环境、道路或者人为因素的影响，车牌信息可能被严重污染，这种情况下，在国外发达国家不允许上路，而在我国仍可上路行驶。

国内也有许多车牌自动识别的文章发表，西安交通大学、上海交通大学、南京理工大学、昆明理工大学等高校都在这方面进行了研究，但是大都因条件各异而适用范围有限。

从投入使用的效果和产品的性能指标来看，国内目前还没有真正满足实际需求且价格符合国情的产品。

许多新方法仅仅还停留在理论和文章上或者限定在比较狭窄的约束范围内，并不能以产品的形式大范围投入使用。

车辆识别系统的识别率和识别速度都有待提高。

现代智能交通行业的飞速发展以及车牌识别系统应用范围的日益拓宽给车牌识别系统提出了更高的要求。

因此，图像处理技术的发展与摄像设备、计算机性能的提高都会促进车牌识别技术的发展，提高车牌识别系统的性能。

6Matlab环境下基于神经网络的车牌识别表11我国部分使用车牌自动识别系统的省市及应用的工程项目编号省市应用的工程项目1浙江杭金衢高速公路、沪宁杭高速公路2广东汕汾高速（广东第一条上车牌识别系统的高速公路）、普惠高速3江西九景高速（江西第一条上车牌识别系统的高速公路）、昌樟高速、昌泰高速等4云南昆玉高速（国内首条通过招标上车牌识别系统的高速公路）、楚大高速、大宝高速等5吉林长平高速（东三省第一条上车牌识别系统的高速公路）6福建漳沼高速（福建第一条上车牌识别系统的高速公路）、福泉高速、罗宁高速、漳龙高速、罗长高速等7安徽界蚌埠高速公路8广西南宁环城高速（广西第一条上车牌识别系统的高速公路）9江苏苏北高速公路网14论文的主要工作本论文应用字符特征提取方法、神经网络字符识别技等技术来解决车牌自动识别问题。

在整个车牌自动识别系统中实现高识别率主要有三个部分起着关键的作用：

在汽车图像中车牌部分的定位、定位后车牌字符的分割、车牌字符的识别。

车牌定位和字符分割是为字符的识别作准备，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结果，三者是相辅相成的。

本文的研究是建立在车牌定位、图像预处理和字符分割已经实现的基础上进行对车牌中的字符识别。

本文的结构如下：

第一章绪论。

介绍车牌自动识别系统的研究背景，车牌识别的主要技术及其发展，以及国内外的研究现状。

第二章简要介绍了车牌图像的前期预处理过程。

包括了图像预处理过程中格式与尺寸转换、灰度化、图像增强、二值化、背景色统一、几何校正、上下边框和铆钉的去除、车牌字符分割等技术原理和实现。

第三章基于BP神经网络的二值化车牌字符识别。

首先简要介绍字符识别的主要技术，然后经过字符图像的标准化后，利用KL变换矩阵提取字符图像的特征。

然后介绍了分类器的选择和设计，接下去介绍了神经网络理论、BP神经网络的基本结构以及标准的BP算法。

然后重点论述了BP网络的训练、参数选择以及第一章绪论7缺点和改进方法。

进而设计本课题中应用的BP神经网络。

最后把基