车辆牌照识别算法研究及其在GPU与CPU协同平台上的实现

论文摘要

随着我国车辆的增多,城市交通状况日渐恶化,如何有效地对车辆管理开始受到人们的重视。车辆牌照识别技术是智能交通中一种基于图像处理和模式识别的关键性技术。它可以广泛应用于道路收费,交通监管,非现场执法等领域,能够提高工作效率,节约人力成本,具有巨大的经济价值和现实意义。车辆牌照识别主要包含车牌定位,字符分割和字符识别三个部分。本文对这三个部分进行了算法研究,针对以往算法中的不足,提出了新的算法,并在GPU与CPU协同的平台上对算法进行了设计,最后设计出一套基于CPU和基于CPU与GPU的车辆牌照识别软件。(1)车牌定位部分,研究分析了基于垂直边缘的车牌定位算法、基于MSER的车牌定位算法。针对算法速度慢,准确度不高等缺点,提出一种基于三值图像和车牌字符特征的车牌定位算法。并在GPU与CPU协同平台上对算法进行了设计。经验证,该算法定位准确度高,定位速度快。(2)字符分割部分,研究分析了基于垂直投影的字符分割算法,针对分割准确率较低的缺点,提出了一种基于字符特征和字符识别的多决策的分割算法,并将算法在GPU与CPU协同平台上进行了设计。经验证,该算法能适合大多数单行车牌且算法分割准确度高。(3)字符识别部分,研究了模板匹配的方法,针对识别率较低的缺点,提出了一种多字符特征库的统计特征值的方法,经验证,该算法识别率较高且特征库训练速度快。(4)软件设计部分,使用纯C语言将上述算法设计出一套车辆牌照识别软件,并对软件进行了大量车牌的测试,经过上千副图像的测试,结果显示,车牌后六位识别率达到了99.2%,全牌识别率达到了97.4%。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题研究背景和意义
• 1.1.1 车辆牌照识别技术介绍
• 1.1.2 目前车辆牌照识别系统中所存在的不足和解决方案
• 1.2 国内外研究现状
• 1.2.1 车辆牌照识别研究现状
• 1.2.2 使用GPU进行计算的研究现状
• 1.3 CPU+GPU异构并行
• 1.4 本文主要研究任务
• 第二章 车辆牌照定位算法研究
• 2.1 车牌图像预处理
• 2.1.1 车牌图像的图像增强
• 2.1.2 车牌图像的滤波
• 2.2 基于垂直边缘的车辆牌照定位算法
• 2.2.1 垂直边缘的计算
• 2.2.2 车牌的定位
• 2.3 基于最大稳定极值区域的车辆牌照定位
• 2.3.1 算法思想
• 2.3.2 最大稳定极值区域方法的车牌定位
• 2.4 基于三值图像及字符特征的车辆牌照定位
• 2.4.1 车牌图像的拉普拉斯变换
• 2.4.2 三值化图像的创建
• 2.4.3 基于三值图像的候选字符区域的确定
• 2.4.4 基于字符的候选车牌区域的确定
• 2.5 CPU与GPU协同的车牌定位算法设计
• 2.5.1 车辆牌照定位算法流程
• 2.5.2 算法的并行性设计
• 2.5.3 使用CPU定位与使用GPU与CPU协同定位的比较
• 2.6 本章小结
• 第三章 字符分割算法研究
• 3.1 车牌图像的二值化
• 3.1.1 最大类间方差（OTSU）的二值化算法
• 3.1.2 基于车牌图像边缘的二值化算法
• 3.2 基于垂直投影的车牌字符定位方法
• 3.3 多决策车牌字符分割算法
• 3.4 CPU与GPU协同的车牌字符分割算法设计
• 3.5 本章小结
• 第四章 车牌字符识别算法研究
• 4.1 模板匹配字符识别
• 4.2 字符特征选取
• 4.2.1 字符归一化
• 4.2.2 字符特征要求
• 4.2.3 字符特征提取
• 4.3 字符分类器的建立
• 4.4 字符识别
• 4.5 CPU与GPU协同的字符识别算法
• 4.6 本章小结
• 第五章 基于C语言和CUDA的车牌识别软件设计
• 5.1 系统开发环境
• 5.1.1 硬件开发环境介绍
• 5.1.2 软件开发环境介绍
• 5.2 系统软件设计流程
• 5.2.1 软件的模块化设计
• 5.2.2 软件模块执行流程
• 5.3 最终软件及测试效果
• 5.3.1 软件运行界面
• 5.3.2 软件测试效果
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 本文主要工作
• 6.2 进一步研究的展望
• 参考文献
• 致谢