發(fā)布時間：2020-12-06 15:35

　　自動車牌識別技術可以從圖像中檢測車牌并進行字符識別,作為智能交通管理的重要手段之一,在生活中已經(jīng)得到廣泛的應用。傳統(tǒng)車牌識別技術依賴于人工設計特征,在光照條件不穩(wěn)定,車牌大小、傾角不確定的復雜場景下難以準確地對車牌進行檢測和分割,影響識別效果。目前,深度學習可以自適應地提取豐富的圖像特征,為研究復雜場景下的車牌識別提供了新的思路。為探索將深度學習應用于復雜場景下車牌識別任務的可行性與實用性,本文開展了以下研究工作。（1）針對目前沒有統(tǒng)一的用于復雜場景下車牌識別任務的數(shù)據(jù)集,本文首先采用人工拍攝的方式,在多個場景、多種角度和多種天氣下采集大量的車牌圖像;其次為了增加樣本的多樣性,對樣本集進行數(shù)據(jù)增強處理;最后對車牌圖像進行人工標注以制作實驗所用的數(shù)據(jù)集。（2）由于傳統(tǒng)車牌檢測技術無法有效地從復雜場景中檢測車牌,通過對多種目標檢測算法的研究,本文以YOLOv2為基礎設計了車牌檢測網(wǎng)絡LPD-net;通過聚類算法對數(shù)據(jù)集進行分析,優(yōu)化了先驗框的設計;引入多尺度檢測策略,增強網(wǎng)絡對于小目標的檢測性能;通過不同深度卷積層的融合,增強網(wǎng)絡的特征表達能力。實驗結果表明,相比于傳統(tǒng)方法,LPD-net... 

【文章來源】：西安電子科技大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【部分圖文】：

_12不同尺度輸入下的YOLOvZ參數(shù)李換

8烹度對比度調(diào)節(jié)對比圖

In于氣奪徐對比圖

【參考文獻】：
期刊論文
[1]第三季度全國機動車和駕駛人保持平穩(wěn)增長[J].   道路交通管理. 2018(11)
[2]基于最大穩(wěn)定極限區(qū)域的車牌定位[J]. 陳俊,何小海,滕奇志.  科學技術與工程. 2015(31)
[3]基于多特征組合的車牌識別算法[J]. 王洪元,劉忠杰,劉愛萍.  常州大學學報(自然科學版). 2010(04)
[4]基于邊緣檢測與垂直投影相結合的車牌定位方法[J]. 梅林,劉鋒.  甘肅科技. 2009(03)
[5]基于模板匹配的車牌字符識別算法實現(xiàn)[J]. 劉靜,周靜華,蘇俊連,付佳.  科技信息(科學教研). 2007(24)
[6]最大類間方差車牌字符分割的模板匹配算法[J]. 王興玲.  計算機工程. 2006(19)
[7]基于二值圖像的車牌精確定位方法[J]. 路小波,張光華.  東南大學學報(自然科學版). 2005(06)
[8]車牌自動識別方法中的關鍵技術研究[J]. 崔江,王友仁.  計算機測量與控制. 2003(04)
[9]車牌圖像的快速匹配識別方法[J]. 胡愛明,周孝寬.  計算機工程與應用. 2003(07)
[10]基于聚類分析的車牌字符分割方法[J]. 陳黎,黃心漢,王敏,李煒.  計算機工程與應用. 2002(06)



本文編號：2901617