車牌識別關鍵技術研究與應用.pdf

1、隨著經濟的迅猛發(fā)展和人民生活水平的提高,車輛的普及成為當今社會的一種必然趨勢,智能交通系統(tǒng)也應運而生,有效緩解了交通控制和車輛管理中的難題。車牌識別LPR(License Plate Recognition)集成了計算機視覺、圖像處理、模式識別等技術,是智能交通系統(tǒng)的重要組成部分,實現了全天性對道路上過往機動車的監(jiān)控。車牌識別主要由車牌定位、傾斜校正、字符分割及字符識別四部分組成。
　　本文在車牌定位環(huán)節(jié)結合車牌固有顏色特征,提出

2、在 HSV彩色模型空間中基于目標顏色對邊緣檢測及綜合特征的車牌定位方法,降低了工程應用中拍攝角度和復雜背景對車牌定位的不良影響,經驗證本文算法的定位率為93.1％。傾斜校正是提高車牌字符分割效果的有效途徑,為此,本文在旋轉投影的基礎上加以改進,得出了一種基于投影坐標方差最小的校正傾斜車牌的方法,并且在水平傾斜校正環(huán)節(jié),將邊緣檢測加入到該算法當中,在不降低校正精度的前提下提高了校正速率。為增加垂直傾斜校正的準確性,在完成水平校正后增加去除

3、車牌邊框干擾的環(huán)節(jié)。該方法的精確度和算法復雜性方面在工程應用中均具有較大的優(yōu)勢。接著利用車牌字符具有連通性和其垂直投影具有波峰、波谷交替出現的分布特點對字符進行粗分割和二次精細切分。字符識別部分,綜合分析了基于模板匹配、特征統(tǒng)計、神經網絡的字符識別算法,深入研究了 BP神經網絡分類器的特點,采用 BP神經網絡的多分類器來進行車牌字符的識別,漢字網絡、字母網絡、字母數字網絡的識別率分別為91.3%、94.6%和93.8%。應用上述算法對現