自然場景下車牌字符識別方法的研究.pdf

1、隨著現(xiàn)代社會和經濟的高速發(fā)展，車輛也越來越多，如何能夠對車輛進行有效管理，是交管部門亟待解決的問題。智能交通系統(tǒng)利用先進的信息技術、通信技術、傳感器技術等，提高了交通運輸效率。而作為智能交通系統(tǒng)的重要組成部分，車牌識別系統(tǒng)的應用范圍非常廣泛，如：停車場自動收費、道路按次計費使用、交通執(zhí)法等等。當前，大部分車牌識別系統(tǒng)應用場景非常單一，而系統(tǒng)獲取的圖像往往是自然場景下的，受環(huán)境影響較大，如對比度低、傾斜、光照不均勻、強光照、運動模糊等。應

2、用場景單一的車牌識別系統(tǒng)對自然場景下獲取的車牌具有較低的魯棒性。一個完整的車牌識別系統(tǒng)主要包括：車牌檢測；車牌字符分割；識別中分割出的字符。
　　本文主要研究字符分割與字符識別的方法。車牌的字符分割將直接影響到最終的整牌識別率，而自然場景下的車牌面臨著光照不均勻、角度傾斜、運動模糊等影響，在分割時極易出現(xiàn)字符斷裂及粘連情況。針對以上情況，首先對車牌進行旋轉校正及二值化處理，本文提出一種基于垂直投影二分法與模板校正法相結合的方法，通

3、過多次尋找最優(yōu)分割閾值的二分法對車牌進行分割，然后通過模板進行校準尋找最優(yōu)分割點。實驗結果表明，無論光照條件良好還是較弱或不均勻，都能對車牌進行準確分割，有效克服字符粘連及斷裂的情況，在自然場景下魯棒性良好。在字符識別階段，根據(jù)我國的車牌特點，主要分為漢字分類器、英文字母分類器、數(shù)字分類器以及能夠有效區(qū)分字母及數(shù)字的分類器。車牌漢字識別是字符識別階段的難點，本文提出一種基于灰度圖的漢字識別方法，利用Haar型局部二值模式算子( Haar

4、 Local Binary Patterns)對灰度圖運算形成HLBP特征圖，運用窗口分塊法對HLBP特征圖進行直方圖統(tǒng)計并形成直方圖特征向量，使用改進后的KNN算法(k-Nearest Neighbor)對特征向量進行識別。對于字母分類及數(shù)字分類，提出一種基于Adaboost集成多個多尺度卷積神經網(wǎng)絡的分類器，通過基于樣本權值大小的抽樣方法，使訓練過程中更加關注那些分類錯誤的樣本；多尺度卷積神經網(wǎng)絡通過組合前一階段提取的低層特征以及后