登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 开题报告 > 理工学类 > 自动化 > 正文

基于卷积神经网络的车牌识别开题报告

 2020-04-25 08:04  

1. 研究目的与意义(文献综述)

随着经济的快速发展,用车用户的人群加多。限号等措施虽然可以有效的缓解城市交通压力,但是各国对于交通运输需求的不断增长,频繁发生的交通事故,交通堵塞,车辆的失窃等城市问题,都迫切需要更智能化的交通管理系统。车牌作为汽车的唯一标识就奠定了车牌识别系统在智能交通管理系统中的重要性。
车牌识别广泛应用于停车场收费管理,交通流量控制指标测量,车辆定位,汽车防盗,高速公路超速自动化监管、闯红灯电子警察、公路收费站等。主要由车牌定位、字符分割与字符识别组成。字符识别中最重要的就是特征提取,它是直接影响系统性能的关键。相比于传统的字符识别方法,近年来卷积神经网络在车牌字符的识别上有更好的效果。对于它的研究也越来越多。
卷积神经网络是深度学习的一种,它可以将采集到的原始图像不进行灰度处理,直接作为卷积神经网络的输入进行检测,大大减少了预处理工作。
我国的车牌识别技术存在车牌识别方面许多方面的难题,车牌既有汉字,又有数字和字母;个别车牌字符相似度较大,在模糊不清的状况下很容易被误读等问题。所以采用基于卷积神经网络的车牌系统识别能够有效的克服由于图片位置、角度、形状等不同以及字符模糊带来的难度。

车牌识别技术兴起于国外,最早可追溯到二十世纪八十年代,当时对于这个并没有形成完整的体系结构,一些学者针对于某一具体问题进行研究,提出了将图像处理应用到车辆拍照的识别中去。在这个研究阶段,加上人工干预也只能识别出一些简单的车牌照,对于一些复杂情况下的车辆牌照没法达到识别要求。随着模式识别等技术的发展和计算机性能的不断完善提高,车牌识别的准确率越来越高,识别速度越来越快。目前国外已经有比较成熟的车牌识别系统,如以色列的scc-car systcm :新加坡的vlprs识别系统。但是由于我国的车牌组成复杂,既有汉字又有数字和字母,车牌颜色也多样化,国外的车牌识别系统大部分只能针对本国的车辆。我国虽然起步较晚,但是借鉴国外对于车牌上英文和数字的识别,也迅速的发展了起来。目前比较典型的有“汉王眼”、慧光识别系统等。从它们的应用来看,识别率都较高。在一些复杂的情况9下,目前的识别系统准确率会大大降低,国内外对于更高精度识别系统的研究还任重道远。

卷积神经网络在国外的研究较多,在国内对于它的研究以及应用才刚刚开始。在生物自然视觉认知机制启发下,最早由加拿大的一名教授locun提出,经过不断的完善和发展,一种多层的lcnet-5被设计出来,它可以对手写的数字进行分类,应用到图像识别领域取得了很好的效果。但是传统的lcnet-5只能应用到小范围的一些问题上,对于那些像素很大的自然图像的理解应用并没有取得很好的结果。目前在字符识别方面对于卷积神经网络的研究越来越多,如赵志宏对它的输出单元以及c5层结构进行了改进,于我国的车辆牌照识别上取得了很好的效果。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容与方案

随着现代交通的迅猛发展,车牌自动识别技术在现实生活中逐渐得以广泛应用,成为计算机视觉与模式识别技术在智能交通领域应用的重要课题之一。卷积神经网络近几年在计算机视觉、图像处理等领域取得了许多突破性的成果,极大提高了物体检测和图像识别领域当前最好的水平。在本毕业论文中,首先需要了解图像识别的概念和流程,学习卷积神经网络的结构,并利用卷积神经网络对车牌数据进行识别。在深度学习框架(如keras)上搭建网络来实现对车牌字符的识别,从而初步具备应用深度学习算法来解决实际问题的能力。

本文以理论为基础,以议论文形式作综述。在确定论文题目后,阅读大量的专著、期刊文献,并利用互联网查阅各种数据库(如知网、万方等)、学术论文、专业期刊等,全面的了解和掌握研究课题的国内外现状,以及当前研究的前沿和热点问题。

3. 研究计划与安排

2017.12-2018.2 查阅卷积神经网络的相关资料、撰写开题报告、翻译英文资料。

2018.2-2018.4 学习车牌识别算法并开始在keras或其他工具上实现。

2018.4-2018.5 完成算法在keras或其他工具上的实现,然后分析、调试并完善实验结果。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献(12篇以上)

李彦冬, 郝宗波, 雷航. 卷积神经网络研究综述[j]. 计算机应用, 2016, 36(9):2508-2515.

赵志宏, 杨绍普, 马增强. 基于卷积神经网络lenet-5的车牌字符识别研究[j]. 系统仿真学报, 2010, 22(3):638-641.

lecuny, bottou l, bengio y, et al. gradient-based learning applied to documentrecognition[j]. proceedings of the ieee, 1998,86(11):2278-2324.

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

企业微信

Copyright © 2010-2022 毕业论文网 站点地图