当前位置：文档之家 › 基于支持向量机的车牌字符识别的研究

基于支持向量机的车牌字符识别的研究

  • 格式：pdf
  • 大小：102.44 KB
  • 文档页数：1
个实 空间内，把两个类别 的分类 问题转化为通 过一个线性 的超平面对样本进行 区分 。有 时样 本是线性不可分 的，可 以采用超 曲面 的方法 。 工 作原 理是输 入 空间或 样本 空 间的线 性分 类 器 ，优 点在 于通过 区分超平面 ，把样 本分到两 个空 间中，从而实现对 目标的分类判别 。 分割法和 自适应分割线聚类法。 作者单位 车牌 字符 在进 行识 别 前进 行 了定位、倾 １ ．中石化 管道储运 有 限公 司沧 州输 油处 河 斜校正、分割等处理 ，得到 的字符 图像大 小不 北省 沧州市 ０ ６ １ ０ ０ ０ 定但高宽 比一定 ，要做归一化处理 。 ２ ．河 北 工 业 大 学 信 息 工 程 学 院 天 津 市
图像与多媒体技术 ・ Ｉ ｍａ ｇ ｅ＆Ｍｕ ｌ ｔ ｉ ｍｅ ｄ ｉ ａ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ
基于支持 向量机 的车牌 字符识别 的研 究
文／ 刘 听 崔 瑁。 董 晓 博
介绍 了车牌 识别的发展趋 势， 回顾 了车 牌识 别技 术 的研 究历 史 和现 状 ，介 绍 了支持 向量机 的原 理 ，简要叙 述 了以支持 向 量机 为 基础 的车牌识别 系统的结构。
统 ， 车辆 出入 管 理 ，牌 照 号码 自动 登 记 ， 公 路 技术 的研究现状
２ ０世纪 ８ ０年代， 国内外就开始 了对车牌 参考文献 识别系统的研究，一般采用简单的图像处理来 域取得 了成功 。 【 １ ］ 李 占斌 ． 不停车收 费系统 中的车牌识别技 解 决 问题 ， 通 常 还 需 要 人 工 干 预 ，而 且 由于 光 基 于支 持 向量 机 的车 牌定 位，对 每幅 车 术研 究 ［ Ｊ Ｊ． ］ 计 算机应用技术 ， ２ ０ ０ ５ ． 线 、 灰 尘 、 污 损 等 ， 车 牌 识 别 系 统 没 有 很 好 的 牌 图 像 切 分 成 若 干 个 Ｎｘ Ｎ 大 小 的 子 块 ，把 每 【 ２ ］ 袁航松 ． 基于支持 向量机技 术的告诉公路 应用到实 际中。２ ０世纪 ９ ０年代后 ，国外车牌 个字块标注为车牌和非车牌 区域 ，然 后使用 提 车牌 识别 方法研 究 与仿 真 实现 ［ Ｄ 】 ．电子 照识别系统的研究工作 已经有 了一定 的进展 ， 取 图像 特 征 向量 的分 类 器 对 测 试 图像 中 的 各 个 科技大学 ， ２ ０ １ ０ ． 而我 国的汽车牌照因悬挂位置不统一 、车牌底 像素进行分类 ，通过后期 处理 结合车牌的先验 ［ ３ ］刘锤 ．车牌定位与 车辆字符识别技 术研 究 色不 同以及汉字字母数字相结合 的组成方式等 知识实现车牌 区域 的定位 。 ［ Ｄ 】 ．中南大学 ， ２ ０ １ １ ． 原 因 ，有 了一 定 的特 殊 性 。 目前 结 合 了计 算 机 在 对采集 到 的车 牌 图像进 行字符 分割 之 ［ ４ ］吕文 强 ． 基于 Ａ ｄ ａ ｂ ｏ ｏ ｓ ｔ 和Ｓ Ｖ Ｍ的车 牌 识 视觉技术 、人工智能技术和神经 网络技术等 ， 前 ，要对 车牌进 行校正处理。 由于车牌悬挂、 别方法研究 ［ Ｄ ］ ．南京理工大学 ， ２ ０ １ ３ ． 有 了 比较 好 的发 展 。 道路坡度和 摄像 机与车辆之间的角度等，得到 ［ ５ 】张 吉 斌 ． 基 于 图像 处 理 及 支 持 向 量 机 的车牌 图片倾斜 ，影响字符的分割和识别 ，通 的车 牌 识 别技 术 研 究 ［ Ｄ ］ ．兰 州 交 通 大 ３ 支 持 向量 机 过 图像旋转 可以得 到解 决。 学， ２ ０ １ ３ ． 车 牌 字符 分割 的准确 与 否，决 定 了整个 支持 向量机 ，又称 Ｓ Ｖ Ｍ，１ ９ ９ ５年首先提 ［ ６ 】卢吉 国 ． 车 牌识 别 系统研 究 【 Ｄ ］ ． 长 安 大 识 别系统性能的优劣。传统的字符分割算法可 出的，它在解决小样本 、非线性及高维模式识 学， ２ ０ １ ２ ． 别 中表现 出许 多特有 的优 势。核 心思想 是在 一 以归纳为三类：直接分割法、基于识别基础 的
分 重 要 的地 位 。
汽 车牌 照号 码是 车辆 唯一 准确、特 定 的 身份标识 ，车牌识 别技术 是指 能够检测 到受监 控路面 的车辆并 自动提取 车辆牌 照信 息进行 处 理 的技 术 。车 牌 识 别技 术 可 以在 汽 车 不 做任 何 改动 的情况 下实现汽车 “ 身份 ”的 自动 登记及 验证 ，应用在 以下一些领 域：公路收费管理系
车 牌 内 的 字 符 基 本 成 水 平 排 列 ， 字 符 和
策 函数，一 个支 持向量 机对 应一 个最 优超 平 面。构造 Ｓ ＶＭ 分类 器的核 心思想是找到 一条 能够将 两类 样本 完全 分开 并且使 得边 界距 离 Ｍａ ｒ ｇ ｉ ｎ 最大化的直线。 车牌字符的识别过程中，
定位 、字符分割和字 符识 别。当车辆通 过监测 车道 时，触 发信号，图像 采集设备开始采集图 像，再利用 车辆牌 照识别系统在计算机中对车 辆牌 照进行 定位 、分割和识别处理 。 ４ ． １车牌 定位技 术 目前我国车牌定位 主要有 以下几种方法 ： ４ ． １ ． １基于纹理信息的车牌定位 方法
【 关键 词】支持 向量机 分类 器 车牌识别
１前言
随着 经济 全球 化 的到来 ，社会 经济 快速 发展 ，机动车保有量迅速增长 ，城市交通 问题
突 出，城市交通智 能化管理 的要求越来越高 。 基于计算机 网络 的智能化 交通管理系统 能有效 提高对车辆 的管理 ，在城 市交通管理 中 占有十
对预处理后的图像特征提取和训练模型的建立 直接决定分类器的识别性能，判决方法的选取 也会影响到分类器 的性能。 用支 持 向量 机 的方法 实现 车牌字 符 识别
主要采用下面两种方法：一种是对字符 图像进 行预处理后提取车牌图像 的主要特征 ，送入支 持 向量机进行样本学习和样本训练。这种方法

合集下载

基于支持向量机的车牌定位方法

基于支持向量机的车牌定位方法

基于支持向量机的车牌定位方法
1 引言智能交通系统是一个热点研究领域，受到日益广泛的关注。

车牌识别系统(LPR)是计算机视觉、模式识别技术在智能交通领域的一个重要应用，包括车牌定位、车牌字符分割、字符识别三部分。

其中车牌定位是整个系
统中的关键步骤。

目前车牌定位方法主要有：
(1)基于Hough 变换的方法，分析车牌具有明显的矩形边框，利用Hough 变换检测区域边界实现定位。

(2)基于边缘检测的方法，利用了车牌字符边缘丰富的特征，结合数学形态学或区域生长方法实现牌照定位。

(3)基于神经网络的方法，利用图像的颜色或纹理特征训练神经网络，然后用训练好的分类器对图像各个像素进行分类，再对分类结果综合，得到牌照的准
确定位。

然而由于光照不均、污染等因素影响，可能使得牌照区域边界不明显
或存在多个干扰区域，从而增加了准确定位的难度。

要提高车牌定位的精度，应充分利用他自身提供的信息，突出车牌区域而
抑制非车牌区域。

车牌区域有着丰富的纹理，寻找一种良好性能的分类器，凸
现这种纹理特征，使他与其他区域区别开来。

支持向量机(Support Vector Machine，SVM)正是这样一种分类学习机制，建立在结构风险最小化(Structural Risk Minimization，SRM)准则之上，已经在文本识别，人脸识别，纹理分类等模式识别领域取得了成功。

本文使用SVM 机制自动定位车牌区域，首先对每幅训练图像切分成若干个N×N大小的图像子块，把每个字块分别标注为车牌和非车牌区域两类，提取子块图像的特征向量训练SVM 分类器；然后使用该分类器对测试图像中的各个。

基于最小二乘支持向量机车牌字符特征识别

基于最小二乘支持向量机车牌字符特征识别

基于最小二乘支持向量机车牌字符特征识别刘静【期刊名称】《计算机技术与发展》【年(卷),期】2013(23)5【摘要】车牌识别通常按照车牌图像预处理、定位与字符分割、特征提取、特征分类的步骤展开分析与研究，特征提取与分类识别是提高车牌识别率和识别速度的关键环节。

最小二乘支持向量机是一种新的有效的机器学习算法，文中提出利用最小二乘支持向量机识别车牌字符奇异值特征的方法。

该方法是在车牌图像预处理的基础上，提取分割后车牌字符的奇异值特征，压缩保留主要特征，利用最小二乘支持向量机分类器分类识别。

在自建车牌图像库上进行实验，结果证实，文中提出的方法是有效可行的。

%LP recognition is analyzed and researched in LP image preprocessing,location and character segmentation,feature extraction and feature classification. Among them,feature extraction and classification is the key link to reach more better recognition rate and speed. Least square support vector machine (LSSVM) is a kind of novel machine learning method. Propose a new method of license plate (LP) character recognition based on LSSVM and singular value decomposition (SVD). This method is based on preprocessing,extracts the singular value features of the LP character after segmentation,the main feature is compressed and contained,uses LSSVM to classify and identify. Experiment is based on LP image. The experimental results demonstrate the efficiency of the proposed approach.【总页数】4页(P195-198)【作者】刘静【作者单位】渭南师范学院统计科学与社会计算研究所，陕西渭南714000【正文语种】中文【中图分类】TP391【相关文献】1.基于字符特征与车牌结构的车牌字符分割算法 [J], 蒋肖2.一种有效的车牌字符分割方法——模板匹配-垂直投影结合的车牌字符分割方法[J], 严萍;曾金明3.基于最小二乘支持向量机车牌字符特征识别 [J], 刘永平;郭小波4.基于最小二乘支持向量机的车牌字符特征分类研究 [J], 刘静5.基于最小二乘支持向量机车牌字符特征识别 [J], 刘永平;郭小波因版权原因，仅展示原文概要，查看原文内容请购买。

一种基于GA和支持向量机的车牌字符识别方法

一种基于GA和支持向量机的车牌字符识别方法

Ｃｏｍｐｕｔｅｒ￡增船ｅ而皤ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ计算机工程与应用
２００８，４４（１７） ２３１
一种基于ＧＡ和支持向量机的车牌字符识别方法
王润民Ｌ２，钱盛友３，姚畅· ＷＡＮＧ Ｒｕｎ＿ｒａｉｎｔ，２，ＱＩＡＮ Ｓｈｅｎｇ－ｙｏｕ３，ＹＡＯ Ｃｈａｎ９４
１．湖南科技大学管理学院。湖南湘潭４１１２０１ ２．湖南科技大学信息与控制研究所，湖南湘潭４１ １２０１ ３溯南师范大学物理与信息科学学院，长沙４１００８１ ４．北京交通大学电子信息工程学院，北京１０００４４
基金项目：湖南省自然科学基金（ｔｈｅ Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｆｏｕｎｄａｔｉｏｎ ｏｆ Ｈｕｎａｎ Ｐｒｏｖｉｎｃｅ ｏｆ Ｃｈｉｎａ ｕｎｄｅｒ Ｇｒａｎｔ Ｎｏ．０２ＪＪＹ２０５９）。 作者简介：王润民（１９８０一），男，助教，研究方向为数字信号与信息处理。 收稿Ｈ期：２００７－０９—１７ 謦回日期：２００７—１２—１４
ｌ引言 汽车牌照识别技术广泛使用于路桥收费系统和交通管理
系统，具有重大的经济价值和现实意义。车牌识别系统主要分 为：车牌定位、字符分割和字符识别三部分【－Ｉ。目前已提出的车 牌字符识别算法主要有模板匹配ｉ去ｌ≈，神经网络方法１３等。模板 匹配是从字符的整体出发，通过汁算模板和待测图像的相关性 进行识别。该方法识别速度快，但当车牌字符存在严重变形和 旋转时，将对识别结果产生严重的影响。神经网络由于具有较 强的曲线拟合及模式分类能力，在字符识别中得到了广泛的应 用，但这类网络存在着学习速度慢、易陷入局部最小值等固有 缺陷。支持向量机是在统计学习理论基础上发展起来的新一代
于１９７５年提出的｜８Ｉ。是一种模拟达尔文遗传选择和自然淘汰的 生物进化论的汁算模型。ＧＡ是一种随机的全局多点搜索算法， 较以往传统搜索算法，它具有简单、鲁棒性强、适于并行分布式 处理等特点。ＧＡ包括三个基本操作：选择（ｓｅｌｅｃｔｉｏｎ）、交叉 ｃｒｏｓｓｏｖｅｒ）和变异（ｍｕｔａｔｉｏｎ）。
基于组合支持向量机的车牌字符识别

基于组合支持向量机的车牌字符识别

基于组合支持向量机的车牌字符识别施隆照;强书连【摘要】To overcome the problems such as complex structure,huge amount of training samples and more time-consumption appeared in the traditional support vector machine (SVM) used for character recognition of license plate,an multi-classification SVM structure,namely combination of multi-class support vector machine (CMM-SVM) was proposed,and it was applied to the character recognition of license plate.According to the features of the license plate,three types of one-class SVM based on hyper-sphere were designed to recognize Chinese characters,alphabetic characters and comprehensive characters,and each one of them was recognized depending on the minimum distance.Several standard SVMs were established based on the previous step to recognize some characters that could by easily confused to improve the rate.According to the test with a large number of samples,the proposed structure can recognize the characters accurately in complex environment,and has high recognition rate and recognition speed.%为克服传统支持向量机(SVM)算法应用在车牌字符识别问题上出现的结构复杂、训练样本庞大、识别速度慢的问题,提出一种多分类支持向量机结构,即组合多分类支持向量机(CMM-SVM),应用于车牌字符识别.根据车牌字符分布特点,设计3组基于超球面的一类支持向量机(OC-SVM),分别识别汉字字符、字母字符、数字与字母混合字符,依据距离最小原则进行初步识别;在前一步识别的基础上,采用标准SVM对易混淆的字符进一步判断,提高识别率.通过大量的样本测试验证了该结构能够准确识别复杂环境下的各类字符,识别率高,识别速度快.【期刊名称】《计算机工程与设计》【年(卷),期】2017(038)006【总页数】5页(P1619-1623)【关键词】车牌字符识别;一类支持向量机;支持向量机;超球面;组合多分类支持向量机【作者】施隆照;强书连【作者单位】福州大学物理与信息工程学院,福建福州350108;福州大学物理与信息工程学院,福建福州350108【正文语种】中文【中图分类】TP391.4目前国内外关于车牌字符识别算法的研究很多，概括起来主要有以下3种实现方法：模板匹配、人工神经网络以及支持向量机[1]。