论文部分内容阅读
车牌是车辆的唯一标识,其特殊性及重要性决定了车牌识别系统成为智能交通管理系统中不可或缺的重要组成部分。然而,由于场景的复杂化以及对光照适应性要求变高,车牌识别技术还面临着诸多难题亟待解决。本文应用OpenCV开源计算机视觉库,针对复杂场景下的车牌识别展开研究,具体工作如下:(1)常用车牌定位与分割算法。研究了基于色彩与边缘检测两种定位方法,用于对照基于MSER的车牌定位方法。基于色彩的定位先将样本图像由RGB色彩空间转换到HSV空间,然后通过色彩分量筛选车牌区域并使用Otsu算法二值化。基于边缘检测定位先将样本图像进行高斯去噪,然后使用Sobel边缘检测算法与Otsu算法二值化。对两种定位方法获得的二值化图像进行形态学处理、轮廓检测、矩形查找、尺寸筛选获得粗定位的车牌区域,接着用SVM分类器将伪车牌区域去除。最后对获得的车牌区域通过轮廓法分割成单个车牌字符。(2)复杂场景下车牌的定位与分割算法。本文设计了使用MSER算法进行车牌区域的粗定位,SVM分类器进行精确定位的车牌定位算法。粗定位算法步骤主要分为三步,MSER区域提取;MSER区域筛选;MSER区域合并。接着对合并后的区域通过SVM分类器进行精确定位,将伪车牌区域去除。最后对获得的车牌区域通过改进的轮廓法分割成单个车牌字符。通过与色彩定位算法、边缘检测定位算法对比,本文定位算法表现出极强的鲁棒性。(3)车牌字符的识别。本文构建了基于弹性BP神经网络的车牌识别算法,首先通过粗网格法与HOG特征法提取车牌字符特征,然后将特征向量通过弹性BP神经网络进行模型训练,本文共设计了四类识别模型,分别是汉字模型、英文字符模型、英文字符与阿拉伯数字混合模型、易混字符模型。最后使用训练得到的四种模型测试车牌字符识别准确度。