论文部分内容阅读
随着智慧城市战略在国家重要城市快速的推进与发展,城市中各项运行的核心系统都将通过运用新一代的技术手段进行分析、整合、处理。公共交通信息,作为城市日常生活中必不可少的一员,在很大程度上需要快速高效的进行管理与运行。本文通过对一个公共交通信息管理系统拓展功能需求进行研究,利用机器学习中的技术对系统中包含车牌信息的图像进行处理,并在车牌智能识别方面上对于国内外识别算法文献进行了分析与讨论,综合考虑本系统特点,实现了本文车牌字符自动识别的过程。本文车牌自动识别算法研究的理念主要来源于开源系统EasyPR,在其基础上结合本系统需求进行分析与改进,本文车牌识别模块算法基于OpenCV(Open Source Computer Vi sion Library,即OpenCV)跨平台计算机视觉库,轻量、高效。车牌识别过程主要分为两大部分:1)车牌图块定位:通过对分析和处理一张包含车牌的图片,得到预选车牌图块,再对预选车牌图块进行判断,最终得到只包含车牌信息的图块。本阶段定位方法采用颜色空间HSV模型与边缘检测算法Sobel算子综合定位,车牌判断过程主要通过基于支持向量机(S upport Vector Machines,简称SVM)算法训练、学习,并判断得到的图块是否为真正的车牌。2)车牌字符识别:对通过定位得到的车牌图块进行字符分割、字符识别,然后顺序排列输出字符型车牌信息。本阶段字符分割主要根据边缘轮廓提取、外接矩形等方法,字符识别过程主要通过人工神经网络(Artificial Neural Network,即ANN)种两层神经网络模型进行学习和分类输出。本文车牌字符识别模块主要算法基于OpenCV开源视觉库,通过C++进行编写,采用VS2013进行运行与测试。本文采用的车牌自动识别算法在实验结果中显示具有一定的定位准确率与识别率,基本符合系统所需需求的多项条件。