车牌定位与车牌字符识别技术研究

论文摘要

随着国民经济的日益发展,各种车辆迅速增加,在改变人们生活便利的同时,也引发了许多问题。采用智能交通管理系统（ITS）己成为当前公路交通、城市交通管理的主要手段和发展方向,而车牌自动识别技术又是智能交通管理系统中的核心部分。一个典型的车牌识别系统由三部分组成：车牌定位,车牌字符分割,车牌字符识别。本文的研究重点主要集中在车牌定位及车牌字符识别这两个部分：1、车牌定位。针对成像过程的光照影响以及车牌污损等对车牌检测干扰较大等情况,提出了一种基于机器学习的车牌定位方法。该算法首先将车牌彩色图像转换为灰度图像并进行增强和去噪处理,然后用基于Harr-Like特征的Adaboost级联分类器得到候选车牌区域,最后用带后验概率输出的支持向量机对候选区域进行校验,得到最终定位结果。实验结果表明,本文算法对于含车牌的图像和不含车牌的图像均能获得较好的检测定位效果,具有较强的鲁棒性和较好的实用性。2、车牌字符识别。提出了一种针对灰度车牌字符图像的识别方法。该方法首先用本文提出的四种车牌字符LBP算子,计算笔画方向纹理,得到四个方向的LBP纹理图；然后采用两级分块方式,对各种纹理模式进行直方图统计,得到特征向量,用于构造SVM分类器分类识别；最后,通过分析支持向量机后验概率输出,得到识别结果的置信度。实验结果表明,该算法对于车牌灰度字符图像识别具有较强的鲁棒性和较好的实用性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题的研究背景和意义
• 1.2 课题研究的主要内容
• 1.3 车牌识别技术研究发展现状
• 1.3.1 车牌定位技术研究现状
• 1.3.2 车牌字符识别技术研究现状
• 1.4 论文结构及章节安排
• 第二章 基本概念与理论
• 2.1 我国车牌规格简介
• 2.2 车牌区域特征与车牌定位
• 2.3 车牌字符特征与车牌字符识别
• 2.4 应用于车牌定位的Adaboost算法
• 2.5 带后验概率的支持向量机
• 2.6 本章小结
• 第三章 一种基于机器学习的车牌定位方法
• 3.1 车牌定位算法流程
• 3.2 基于级联Adaboost的车牌初定位
• 3.2.1 待检测子窗口提取
• 3.2.2 级联分类器构造
• 3.2.3 候选车牌区域获取
• 3.3 基于支持向量机的车牌校验
• 3.3.1 边缘特征提取
• 3.3.2 精确车牌获取
• 3.3.3 SVM训练模型的动态更新
• 3.4. 实验结果与讨论
• 3.5. 本章小结
• 第四章 基于LBP特征和支持向量机的车牌字符识别
• 4.1 字符识别模块概述
• 4.2 字符图像LBP特征提取和编码
• 4.2.1 字符图像预处理
• 4.2.2 车牌字符LBP算子
• 4.2.3 直方图序列特征编码
• 4.3 构造车牌字符分类器
• 4.3.1 建立训练样本集
• 4.3.2 构造字符识别分类器
• 4.3.3 基于SVM后验概率的置信度分析
• 4.4 实验结果与讨论
• 4.5 本章小结
• 第五章 总结与展望
• 5.1 本文工作总结
• 5.2 下一步工作展望
• 参考文献
• 致谢
• 攻读学位期间主要的研究成果