车牌识别系统算法简介
机动车闯红灯是日常交通管理中常见的交通违章现象，不仅扰乱了正常的交通秩序，也是造成机动车交通事故的主要原因之一。“电子警察”就是针对机动车路口闯红灯这种极易造成恶性事故的交通违章现象进行自动监测记录，做到了无人值守，不间断监测，证据充分正确。
车牌识别技术(Vehicle License Plate Recognition，VLPR)是计算机视觉和模式识别技术在现代智能交通系统中的一项重要研究课题，是实现交通管理智能化的重要环节。它是以数字图像处理、模式识别、计算机视觉等技术为基础的智能识别系统，它利用每一个汽车都有唯一的车牌号码，通过摄像机所拍摄的车辆图像进行车牌号码的识别。在不影响汽车状态的情况下，计算机自动完成车牌的识别，从而可降低交通管理工作复杂度。车牌自动识别技术在车辆过路、过桥全自动不停车收费，交通流量控制指标的测量，车辆自动识别，高速公路上的事故自动测报，不停车检查，车辆定位，汽车防盗，稽查和追踪车辆违规、违法行为，维护交通安全和城市治安，防止交通堵塞，提高收费路桥的服务速度，缓解交通紧张状况等方面将会起到积极的作用。
针对以往车牌识别算法的缺点和不足，例如识别率低、识别速度慢、车牌定位不准确等，本文提出了一种新的基于小波分析的改进车牌定位算法，同时将引入动量因子的BP神经网络应用到字符识别，加快了网络的训练过程。
2 基于小波变换和神经网络的车牌识别技术总体设计
2.1 车牌定位算法的基本思路
在某一个相位的红灯周期内，如果检测到有车辆通过，触发视频采集模块采集前端摄像机传送来的视频流，进行图像采集，采集到的图像是24位的真彩色图像，首先将图像进行灰度变换，转换为256色的灰度图。在车牌区域的局部图像内，字符笔画与车牌背景间的亮度反差形成明显而密集的边缘，上升缘与下降缘交替出现。利用车牌区域的这一高频特征，采用小波分析的多分辨率思想，进行水平方向上的小波变换，小波变换后的高频部分可以突出车牌区域，后继处理只需要对高频图像进行变换，即可定位出车牌。采用这种方法可以将运算量减少一半，大大缩短了车牌定位的时间。
接下来，利用局部阈值方法，将高频图像部分二值化。此时的图像可能含有一些干扰信息，因此要先对其进行中值滤波，以消除一些不必要的噪声。考虑到数学形态学的腐蚀和膨胀运算可以分别起到突出轮廓和填充空洞的作用，因此利用数学形态学的闭运算来突出车牌的轮廓和消除孤立的部分。然后根据对车牌的先验知识(例如长宽比在一定范围内等)提取车牌的候选区。最后，将车牌候选区域变换到HSI色彩空间，通过判断背景的颜色来确定准确的车牌区域。该算法的流程图表示见图1:
图1 车牌定位算法
2.2 字符识别算法的基本思路
首先，将已经确定的车牌区域变换成灰度图。利用中值滤波进行预处理，然后利用中值滤波消除牌照上的污点，利用HOUGH变换对车牌进行倾斜度矫正。接着采用自适应阈值法，将图像二值化。利用竖直方向的投影具有波峰、波谷间隔出现的特性，将字符进行分割。最后，将分割的字符大小归一化后，送入改进的BP神经网络进行字符识别。改进的BP神经网络采用了动量因子，实验表明采用该方法大大缩短了网络的训练时间。字符识别流程图如图2所示:
图2 字符识别算法
3 车牌定位中小波变换的运用
本方案使用Mallat一维分解算法实现图像的小波分解。假设2j=W，即现在的图像分辨率为j，则待变换的图像表示为f j(n)，则离散函数f j(n)的小波分解为:f j(n)=w j-1-f j-1其中，，
，，。上式的分解中，W j-1代表了图像的变化比较明显的部分，即图像的高频部分。而f j(n)代表图像所包含的基本信息，即图像的低频部分。将图像分解为低频和高频部分后，车牌字符、边缘等变化比较明显的部分就包含在一维小波分解后的高频图像部分中了。水平方向小波分解的程序流程图见图3所示。
图3 小波变换流程图
图4为图像的一维水平和竖直方向上的小波变换(增加对比度后的效果)。
图4 小波变换
由图4可以得出，小波变换低频系数图像保持了原图像轮廓的主要信息，而高频图像反应了原图在不同方向上的细节信息。
分析小波高频图像二值化后的水平投影图可以得到:尖峰的宽度即为车牌上下方向的大致坐标。从竖直投影图可以看出，变化平缓的部分为车牌左右方向的大致坐标。但图像中存在的噪声对准确识别车牌位置仍然有很大的干扰，但干扰噪声明显比采用边缘检测算法要少的多，更重要的是只需要对高频图像进行检测，运算时间缩减了一半，只需要扫描半幅图像。
4 字符识别中改进BP神经网络的运用
4.1 字符识别总体设计
车牌的第一个字符为汉字，第二为英文字母，第三个字符为英文或阿拉伯数字，第四至第七个字符为阿拉伯数字，同时考虑到过于复杂的神经网络结构会增加网络训练时间，同时计算量也会增大，所以采用四种不同结构的BP 神经网络分别进行识别。字符识别的过程如图5所示:
图5 字符识别原理
4.2 BP神经网络的设计
(1) 网络种类以及网络层数的确定
神经网络的许多特性正是由于隐含层的存在才具备的。然而，具体取多少隐含层合适至今为止却没有确定的规律可循，不同的应用对象，与其相适应的网络结构差别很大。本文中采用具有一个隐含层的三层BP神经网络。考虑到BP神经网络训练速度慢，容易陷入局部最小，这里采用加入动量因子的改进BP算法来构造汉字神经网络。
(2) 传递函数的确定
由于BP网络的非线性逼近能力是通过S型传递函数体现出来的，所以隐含层一般采用S型传递函数，输出层的传递函数可以采用线性或S型传递函数。当希望网络的输出范围无限制时，应当使用线性传递函数。当用S型传递函数作为输出层的传递函数时，其非线性逼近速度快于线性传递函数，但此时的网络输出被限制在(0,1)或(－1,l)。在我们设计的神经网络汉字识别器中，为了减少神经网络输出层的神经无数，我们采用二进制编码来作为输出的目标向量。故我们在输出层采用对数S型传递函数，以限制输出范围在[0,1]范围内。
(3) 输入层个数的确定
输入层个数根据待识别字符所抽取的特征向量维数大小来确定。考虑到速度和精度双重因素，因此特征向量维数不能太高。过低的维数将无法描述汉字之间的差异，较高的维数则对于待识别图像的微小偏移比较敏感。在本系统中，特征提取采用的是基于投影图和轮廓提取的方法进行的，网络的输入层个数应取为:96个，即为竖直投影图的像素个数加上水平投影图的像素个数。
(4) 输出层神经元个数的确定
在系统中，神经网络输出层神经元个数是依据所需要识别的字符数目来确定的。此外，为减少输出层神经元数，我们采用二进制编码来作为输出的目标向量。举例而言，在车牌的汉字只有30多个，那么把30多个汉字进行二进制编码，最少需要5位，如00000，00001，00010等等，故共需要5个输出端，其目标向量即为上述的二进制的编码值。对于字母数字神经网络，需要识别的字符个数有36个，把这36个字符进行二进制编码至少需要6位，因此字母数字神经网络的输出层神经元的个数是6个。但是，我们所选取的神经网络的激励函数为S型的函数，其图形如图6所示:
图6 Sigmod 函数
由于在无穷远处才能取得极值，这里的编码取为0.1和0.9来分别表示0和1。例如鲁的编码为:[0.1, 0.1, 0.1 ,0.1, 0.1]。
(5) 隐含层神经元个数的确定
神经网络隐含层的神经元个数过少，会导致训练时间过长，迭代次数多，权值来回调整，不易稳定。隐含层神经元个数过少，会增加网络的学习时间，网络所需要的存储容量也变大。因此，综合以上几点，汉字神经网络隐含层神经元的个数选取为18个。
(6) 初始值的选取
由于神经网络系统是非线性的，故网络初始权值对于学习是否达到局部最小、是否能够收敛以及训练时间的长短的关系很大。如果初始值太大，使得加权后的输入落在S型传递函数的饱和区，从而导致其导数f'(x)非常小，而在计算权值修正公式中，因，当f'(x)~0时，则有δ~0，这使得Δδ~0，从而使得调节过程几乎停顿下来。所以，一般总是希望经过初始加权后的每个神经元的输出值部接近于零，这样可以保证每个神经元的权值都能够在它们的S型传递函数变化最大之处进行调节。所以一般取初始权值在(-1，l)之间的随机数，而且要求数值比较小，这样可以保证每个神经元在一开始就处在它们传递函数变化最大的地方。
在对系统进行仿真测试时，使用时间作为种子，来产生随机的初始值。函数srand((unsigned)(time(NULL)));Wij= (double)(rand())/(32767/2) -1用来产生在[-1，1]内的初始值。
(7) 学习速率的选取
学习速率决定每一次循环训练中所产生的权值变化量。大的学习速率可能导致系统的不稳定;但小的学习速率将导致较长的训练时问，可能收敛很慢，不过能保证网络的误差值不跳出误差表面的低谷而最终趋于最小误差值。所以在一般情况下，倾向于选取较小的学习速率以保证系统的稳定性。学习速率的选取范围一般在[0.01～0.8]之间。
这里的学习速率选取为0.4。
(8) 动量因子的选取
动量因子的引入可使网络权值的变化不仅反映误差曲面局部的梯度信息，而且反映了误差曲面最近的变化趋势。其实质是将最后一次权值变化的影响，通过一个动量因子来传递。引入动量因子可以平滑误差曲面梯度方向剧烈变化的作用，从而在一定程度上解决了局部最小值的问题。
(9) 总结
将前面所确定的各个参数进行总结。
(10) 神经网络的训练
设计完神经网络的结构之后，接下来就需要对网络进行训练。
图7中曲线2所示为采用动量因子的汉字神经网络训练误差曲线图，曲线1所示为采用一般的BP神经网络的汉字神经网络训练误差曲线图。可以明显看出，改进的BP算法比一般的BP网络收敛更快，大大缩短了网络训练所使用的时间。
图7 误差曲线图
4.3 字符识别测试结果
为了验证所设计的神经网络的有效性，测试集选取了300幅图片进行了实际测试，表1列出了各个神经网络识别的一些参数。
表1 四种网络训练参数表
点击看原图
实验结果表明，汉字识别网络对于光照条件和清晰度较好的汉字基本能够识别出来，具有较强的容错能力和学习能力。同普通的BP神经网络相比，网络收敛速度更快，可以有效地提高系统的抗干扰性和识别率。字母数字网络能够识别大部分牌照，但对于一些污染严重、光照条件弱的车牌无法进行准确识别。
5 结束语
基于小波的车牌定位算法，可以较好的进行车牌定位，定位率可以达到95％以上。在光照条件较好的情况下，对字符的识别率可以达到80％以上，对于光照条件较差的图片，识别率相对较差一些。本文选取了300幅图片进行了实际的测试，测试的结果如表2所示。
表2 字符识别测试结果
点击看原图
实际的工程测试表明所用的算法在保证系统运行稳定的情况下，可以快速、比较准确的进行车牌的定位。
停车场管理系统自动车牌识别计费系统技术方案
目录 1企业概况 (4) 1.1公司简介 (4) 1.2资质证书 (4) 2概述 (10) 2.1系统方案总体设计 (10) 2.2项目背景 (11) 2.3方案概述 (12) 3系统介绍 (14) 3.1车牌识别系统简介 (14) 3.2系统优势 (15) 3.3系统组成 (16) 4主要设备参数性能介绍 (19) 4.1CA-AB900道闸 (19) 4.2INEX- TI200 200万高清识别一体机 (20) 4.3CA-600读卡控制器 (21) 技术参数： (21) 4.4软件监控界面 (22) 4.5其他辅件 (22) 5售后服务 (23) 5.1保修时间及范围 (23) 5.2维修及维护服务 (23) 5.3更新改进服务 (23) 5.4客户档案，完善产品质量 (24) 6部分工程案例 (25)
1企业概况 1.1 公司简介 北京市仟安科技有限责任公司是设计、研发、生产、销售、服务为一体的高新技术企业。公司凝聚了大批实力雄厚的研发团队和技术团队，凭着对智能化应用领域多年来的积淀和对未来智能化领域发展的导向，为用户提供有价值的产品和服务。 公司经过多年的开发研究，引进国外最先进的高新技术，不断完善自我。主要研发停车场主板软件、生产智能道闸、停车场收费系统、车位引导系统、派车系统、门禁系统、自动检售票系统等安防权限认证、消费认证产品。仟安的智能系统解决方案也已得到客户的全面认可和好评。经国家技术监督部门检验、产品的技术含量及外光造型已达到世界先进水平。现“仟安”产品已遍布全国各大城市及地区，并已成功销往海外。 公司以“冲破束缚，发展无限”为企业宗旨，积极引领核心技术创新，不断为全球用户创造完美产品。逐渐形成了“开拓、创新、共赢、务实”的企业文化，建立了朝气蓬勃的精英团队。 公司自创建以来，一直保持了高速发展态势，现已成为国内停车场系统服务领域的领跑者，致力于成为中国领先的安防服务品牌。 1.2 资质证书
解析车牌识别率算法 首先剖析下车牌识别原理是怎样的，车牌识别是基于图像分割和图像识别理论，对含有车牌识别车辆号牌的图像进行分析处理，从而确定牌照在图像中的位置，并进一步提取和识别出文本字符。车牌识别过程包括图像采集、预处理、车牌定位、字符分割、字符识别、结果输出等一系列算法运算，其运行流程如下图所示： （车牌识别原理示意图） 那么高达99.7%的车牌识别率是怎样做到的？
首先，相机成像是车牌识别的基础，稳定、优质的成像效果为高识别率奠定了坚实的基础； 其次，现场安装调试是车牌识别的重要保障，专业的咨询服务部为每一个安装现场提供专业、合理的安装意见，角度、距离、补光灯调节等为高车牌识别识别率提供了有力的保障； 再次，强大的识别算法。 一、核心算法支持丰富多样的功能：支持车牌种类繁多，工作模式灵活等。 车牌识别核心算法支持各类车牌：普通蓝牌、单层黄牌、双层黄牌、警车车牌、武警车牌、军队车牌（新军牌）、大使馆车牌、02式个性化车牌、教练车牌、农用车牌、挂车号牌、民航车牌、港澳出入境车牌、台湾车牌等。 支持线圈触发识别工作模式和视频流识别工作模式，灵活互补。 支持车身颜色识别，支持车标识别，支持车型识别。 二、鲁棒性强 （鲁棒性即在异常场景、异常情况下均能正常工作，且有较高的识别率）针对反光车牌、逆光车牌、阴阳车牌、变形车牌、污损车牌、奔驰特殊车牌、倾斜车牌、低对比度车牌、雨雾天气车牌、过爆车牌、粘连边框车牌、相似字符等特殊情况，均有较高的车牌识别率。
三、算法实时性 线圈触发工作模式，单帧耗时500ms左右；视频流识别模式，单帧耗时100ms左右。 综上所述，无论从核心软件、智能硬件还是强大的售前、售后服务体系，易泊时代都有强大的支持，因此车牌识别率99.7%，必须这么高，也必然这么高！
车牌识别系统的设计 1．摘要： 汽车牌照自动识别系统是制约道路交通智能化的重要因素,包括车牌定位、字符分割和字符识别三个主要部分。本文首先确定车辆牌照在原始图像中的水平位置和垂直位置,从而定位车辆牌照,然后采用局部投影进行字符分割。在字符识别部分,提出了在无特征提取情况下基于支持向量机的车牌字符识别方法。实验结果表明,本文提出的方法具有良好的识别性能。随着公路逐渐普及，我国的公路交通事业发展迅速，所以人工管理方式已经不能满着实际的需要，微电子、通信和计算机技术在交通领域的应用极大地提高了交通管理效率。汽车牌照的自动识别技术已经得到了广泛应用。 2．设计目的： 1、使学生在巩固理论课上知识的同时，加强实践能力的提高，理论联系实践。 2、激发学生的研究潜能，提高学生的协作精神，锻炼学生的动手能力。 3．设计原理 由于车辆牌照是机动车唯一的管理标识符号，在交通管理中具有不可替代的作用，因此车辆牌照识别系统应具有很高的识别正确率，对环境光照条件、拍摄位置和车辆行驶速度等因素的影响应有较大的容阈，并且要求满足实时性要求。 图1 牌照识别系统原理图 该系统是计算机图像处理与字符识别技术在智能化交通管理系统中的应用，它主要由图像的采集和预处理、牌照区域的定位和提取、牌照字符的分割和识别等几个部分组成，如图1 所示。其基本工作过程如下： （1）当行驶的车辆经过时，触发埋设在固定位置的传感器，系统被唤醒处于工作状态；一旦连接摄像头光快门的光电传感器被触发，设置在车辆前方、后方和侧面的相机同时拍摄下车辆图像；
（2）由摄像机或CCD 摄像头拍摄的含有车辆牌照的图像通视频卡输入计算机进行预处理，图像预处理包括图像转换、图像增强、滤波和水平较正等； （3）由检索模块进行牌照搜索与检测，定位并分割出包含牌照字符号码的矩形区域； （4）对牌照字符进行二值化并分割出单个字符，经归一化后输入字符识别系统进行识别。4．详细设计步骤 4.1 提出总体设计方案。 车辆牌照识别整个系统主要是由车牌定位和字符识别两部分组成，其中车牌定位又可以分为图像预处理及边缘提取模块和牌照的定位及分割模块；字符识别可以分为字符分割与特征提取和单个字符识别两个模块。 为了用于牌照的分割和牌照字符的识别，原始图象应具有适当的亮度，较大的对比度和清晰可辩的牌照图象。但由于该系统的摄像部分工作于开放的户外环境，加之车辆牌照的整洁度、自然光照条件、拍摄时摄像机与牌照的矩离和角度以及车辆行驶速度等因素的影响，牌照图象可能出现模糊、歪斜和缺损等严重缺陷，因此需要对原始图象进行识别前的预处理。 牌照的定位和分割是牌照识别系统的关键技术之一，其主要目的是在经图象预处理后的原始灰度图象中确定牌照的具体位置，并将包含牌照字符的一块子图象从整个图象中分割出来，供字符识别子系统识别之用，分割的准确与否直接关系到整个牌照字符识别系统的识别率。 由于拍摄时的光照条件、牌照的整洁程度的影响，和摄像机的焦距调整、镜头的光学畸变所产生的噪声都会不同程度地造成牌照字符的边界模糊、细节不清、笔划断开或粗细不均，加上牌照上的污斑等缺陷，致使字符提取困难，进而影响字符识别的准确性。 因此，需要对字符在识别之前再进行一次针对性的处理。 车牌识别的最终目的就是对车牌上的文字进行识别。主要应用的为模板匹配方法。 因为系统运行的过程中，主要进行的都是图像处理，在这个过程中要进行大量的数据处理，所以处理器和内存要求比较高，CPU要求主频在600HZ及以上，内存在128MB及以上。 系统可以运行于Windows98、Windows2000或者Windows XP操作系统下，程序调试时使用matlab。 4.2 预处理及边缘提取
车牌识别系统的研究背景意义及国内外研究现状 1车牌识别系统的背景 车牌识别系统的背景及研究意义 随着经济社会的迅猛发展，人们的生活水平的提高，机动车辆的数量也越来越多。为了提高车辆的管理效率，缓解公路上的交通压力，我们必须找到一种解决方案。而作为汽车“身份证”的汽车车牌，是在公众场合能够唯一确定汽车身份的凭证。我们可以以此为依据，设计一种车牌识别系统监控各个车辆的情况。为此，我国交通管理部门对汽车车牌的管理非常重视并制定了一套严格的管理法规。其中对汽车车牌的制作、安装、维护都要求由制定部门统一进行管理。在此基础上，如果研制出一种能在公众场合迅速准确地对汽车牌照进行自动定位识别的系统(CPR)，那么这将是一件非常有意义的工作，并将极大地提高汽车的安全管理水平及管理效率。 车辆牌照定位与识别是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一, 该技术应用范围非常广泛, 其中包括: (1) 交通流量检测； (2)交通控制与诱导；(3) 机场、港口等出入口车辆管理；(4) 小区车辆管理；(5) 闯红灯等违章车辆监控；(6) 不停车自动收费；(7) 道口检查站车辆监控；(8) 公共停车场安全防盗管理；(9) 计算出行时间；(10) 车辆安全防盗、查堵指定车辆等。其潜在市场应用价值极大，有能力产生巨大的社会效益和经济效益。如图1所示，LPR[1]的部分应用： 图1 LPR在收费口、道路监控和停车管理中的应用 近些年,计算机的飞速发展和数字图像技术的日趋成熟，为传统的交通管理带来重大转变。先进的计算机处理技术，不但可以将人力从繁琐的人工观察、检测中解放出来，而且能够大大提高其精确度，汽车牌照自动识别系统就是在这样的背景与目的下进行开发的。汽车牌照自动识别系统(VLPRS)是对由公路上配置的摄像头拍摄的照片进行数字图像处理与分析，综合应用大量的图像处理
车牌识别的matlab程序(程序-讲解-模板)
clc clear close all I=imread('chepai.jpg'); subplot(3,2,1);imshow(I), title('原始图像'); I_gray=rgb2gray(I); subplot(3,2,2),imshow(I_gray),title('灰度图像'); %====================== 形态学预处理====================== I_edge=edge(I_gray,'sobel'); subplot(3,2,3),imshow(I_edge),title('边缘检测后图像'); se=[1;1;1]; I_erode=imerode(I_edge,se); subplot(3,2,4),imshow(I_erode),title('腐蚀后边缘图像'); se=strel('rectangle',[25,25]); I_close=imclose(I_erode,se); %图像闭合、填充图像 subplot(3,2,5),imshow(I_close),title('填充后图像
for i=1:size(location_of_1,1) %寻找所有白点中，x坐标与y坐标的和最大，最小的两个点的位置 temp=location_of_1(i,1)+location_of_1(i,2); if temp
科普：车牌识别率对车牌识别技术的意义 车牌识别技术产生于20世纪末开始的智能交通革命，智能交通系统经过十多年的推广、试行和发展，目前已成功的应用于若干经济发达及较为发达国家的都市及城市高速公路系统中，而车牌识别系统正是在这种应用背景下研制出来的，能够自动实时检测车辆经过和识别汽车牌照的智能交通管理系统。 在经历了20世纪末期的起步阶段之后，车牌识别技术已日趋走向成熟，并开始在交通、公安、路政、停车场、安防、门禁、智能小区等许多领域得到了广泛的应用。车牌识别系统简单的说是一种以特定目标为对象的专用视觉系统，它能够从一幅图像中提取分割并识别出车辆牌照，运用先进的图像处理、模式识别和人工智能技术，通过对图像的采集和处理完成车辆牌照的自动识别，识别结果可按需求分别包括车牌的字符、数字、牌照图像、牌照颜色、字体颜色等。 在车牌识别技术中，车牌识别率是判断车牌识别技术发展的重要指标。车牌识别率主要是指在高速公路及停车场出入口车辆管理中被广泛运用的车牌识别系统的识别准确率，目前的技术水平为字母和数字的识别率可达到96%，汉字的识别率可达到95%，少数优秀的系统例如成都臻识研发的火眼臻睛车牌识别系统可以使综合车牌识别率达到99%以上。 车牌识别率的高低主要由六大因素决定。 1、角度：正面拍摄时车牌识别率最高，角度越倾斜识别准确率越低。 2、光线：白天、夜间、逆光、天气、阴阳车牌等因素也会影响车牌识别率。 3、遮挡：车牌是否干净或者是否有遮挡物 4、比例：像素宽度的变化 5、形变：车牌本身的形变及广角畸变 6、背景：背景过于复杂会降低识别率 根据成都臻识科技研发的火眼臻睛车牌识别系统来看，车牌识别算法主要由空间复杂度和时间复杂度来组成，分为五种不同的特性，分别是有穷性、确切性、输入项、输出项、可行性。这五种特性
Matlab程序设计任务书
目录 一．课程设计目的 (3) 二．设计原理 (3) 三．详细设计步骤 (3) 四. 设计结果及分析 (18) 五. 总结 (19) 六. 设计体会 (20) 七. 参考文献 (21)
一、课程设计目的 车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。 二、设计原理: 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。 三、详细设计步骤:
1. 提出总体设计方案: 牌照号码、颜色识别 为了进行牌照识别，需要以下几个基本的步骤： a.牌照定位，定位图片中的牌照位置； b.牌照字符分割，把牌照中的字符分割出来； c.牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。 牌照识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常与牌照识别互相配合、互相验证。 (1）牌照定位: 自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的视频图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后选定一个最佳的区域作为牌照区域，并将其从图象中分割出来。 流程图:
车牌识别技术：工作原理及流程解析 车牌识别是利用车辆的动态视频或静态图像进行车牌号码、车牌颜色自动识别的模式识别技术。技术的核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。 车牌识别技术工作原理 车辆检测：可采用埋地线圈检测、红外检测、雷达检测技术、视频检测等多种方式感知车辆的经过，并触发图像采集抓拍。 图像采集：通过高清摄像抓拍主机对通行车辆进行实时、不间断记录、采集。 预处理：噪声过滤、自动白平衡、自动曝光以及伽马校正、边缘增强、对比度调整等。 车牌定位：在经过图像预处理之后的灰度图像上进行行列扫描，确定车牌区域。 字符分割：在图像中定位出车牌区域后，通过灰度化、二值化等处理，精确定位字符区域，然后根据字符尺寸特征进行字符分割。 字符识别：对分割后的字符进行缩放、特征提取，与字符数据库模板中的标准字符表达形式进行匹配判别。 结果输出：将车牌识别的结果以文本格式输出。 车牌识别技术工作流程 车牌识别系统采用高度模块化的设计，将车牌识别过程的各个环节各自作为一个独立的模块。 一、车辆检测跟踪模块 车辆检测跟踪模块主要对视频流进行分析，判断其中车辆的位置，对图像中的车辆进行跟踪，并在车辆位置最佳时刻，记录该车辆的特写图片，由于加入了跟踪模块，系统能够很好地克服各种外界的干扰，使得到更加合理的识别结果，可以检测无牌车辆并输出结果。 二、车牌定位模块 车牌定位模块是一个十分重要的环节，是后续环节的基础，其准确性对整体系统性能的影响巨大。车牌系统完全摒弃了以往的算法思路，实现了一种完全基于学习的多种特征融合的车牌定位新算法，适用于各种复杂的背景环境和不同的摄像角度。 三、车牌矫正及精定位模块 由于受拍摄条件的限制，图像中的车牌总不可避免存在一定的倾斜，需要一个矫正和精定位环节来进一步提高车牌图像的质量，为切分和识别模块做准备。使用精心设计的快速图像处理滤波器，不仅计算快速，而且利用的是车牌的整体信息，避免了局部噪声带来的影响。使用该算法的另一个优点就是通过对多个中间结果的分析还可以对车牌进行精定位，进一步减少非车牌区域的影响。 四、车牌切分模块
近几年，一遇假期堵成狗，已成为中国现代交通的常态，为了改善这种现状，各地高速设置ETC专用通道，不少出行者反应，在ETC实现全国联网之后，使用ETC通道过高速收费站比以往减短的时间少了不止10秒钟，这也成为减少高速拥堵情况的一大原因。 ETC通道能实现快速汽车快速通过，自动栏杆机功能的重要性不言而喻，但是车牌自动识别技术也发挥不可替代的作用。近年来，车牌自动识别技术已被广泛应用于城市智能交通系统中，如闯红灯抓拍、超速行驶违章抓拍以及交通治安卡口系统等，尤其是交通治安卡口系统，其作为治安刑侦管理的重要科技手段之一，对车牌自动识别技术提出了更高的要求，促进了车牌自动识别技术的快速发展。 车牌识别技术（LicensePlateRecognition，LPR）是以计算机技术、图像处理技术、模糊识别为基础，建立车辆的特征模型，识别车辆特征，如号牌、车型、颜色等。它是一个以特定目标为对象的专用计算机视觉系统，能从一幅图像中自动提取车牌图像，自动分割字符，进而对字符进行识别，它运用先进的图像处理、模式识别和人工智能技术，对采集到的图像信息进行处理，能够实时准确地自动识别出车牌的数字、字母及汉字字符，并直接给出识别结果，使得车辆的电脑化监控和管理成为现实。 与传统的射频卡刷卡管理系统相比，车牌自动识别系统最大的优点是：第一、可以完全实现无干扰、不停车通行；第二、真正实现车辆一车一杆的通行管理要求，杜绝传车卡互换情况的发生；第三、实现车场管理收费的完全电脑化记录、统计，最大程度减少了停车费用的流失。
车牌自动识别流程 系统前端采用了嵌入式高清一体化摄像机，可实现百万级分辨率的视频和图片码流输出，内置了高性能DSP芯片，支持内置智能算法、可实现视频检测、车牌自动识别等功能。采用了动态视频识别技术，实现对视频流每一帧图像进行识别，从而达到增加识别比对次数，大大提高了识别的效率和准确率。 车辆牌照的自动识别主要是基于图像分割和图像识别理论，对含有车辆号牌的图像进行分析处理，从而确定牌照在图像中的位置，并进一步提取和识别出文本字符。 识别的具体步骤分为车牌定位、车牌提取、字符识别。在自然环境中，相机首先对采集到的视频图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后选定一个最佳的区域作为牌照区域，并将其从图象中分割出来。 完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别，车牌识别算法采用基于模板匹配算法，首先将分割后的字符二值化，并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果，通过这种多次比对的
车牌识别系统的设计 一、摘要: 随这图形图像技术的发展，现在的车牌识别技术准确率越来越高，识别速度越来越快。无论何种形式的车牌识别系统，它们都是由触发、图像采集、图像识别模块、辅助光源和通信模块组成的。车牌识别系统涉及光学、电器、电子控制、数字图像处理、计算视觉、人工智能等多项技术。触发模块负责在车辆到达合适位置时，给出触发信号，控制抓拍。辅助光源提供辅助照明，保证系统在不同的光照条件下都能拍摄到高质量的图像。图像预处理程序对抓拍的图像进行处理，去除噪声，并进行参数调整。然后通过车牌定位、字符识别，最后将识别结果输出。 二、设计目的和意义: 设计目的： 1、让学生巩固理论课上所学的知识，理论联系实践。 2、锻炼学生的动手能力，激发学生的研究潜能，提高学生的协作精神。 设计意义： 车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。 三、设计原理: 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。 四、详细设计步骤:
车牌识别系统简介 近几年来,随着计算机科技的发展,硬件水平的不断提高,模式识别技术的发展以及人工智能理论在图形图像处理中的成功运用,智能车牌识别技术不断发展,所谓智能车牌识别系统以及其工作原理,实际上就是通过引入数字摄像技术和计算机信息管理技术,采用先进的图像处理,模式识别和人工智能技术,通过对图像的采集和处理,获得更多的图像信息,从而达到对车牌字符进行自动识别的系统,这个系统是模式识别技术在实践中的一个运用。目前主要的车牌识别系统主要由以下几个具体步骤构成图像采集、图像处理、车牌定位、车牌识别。其具体流程图如图所示。 其中核心部分,也就是需要在PC机上处理的过程主要有图像处理,车牌定位,车牌识别,这些步骤是我们研究车牌识别技术的重点所在。 一、车牌识别系统的应用前景 近几年来,车牌识别技术成为了一个热门。车牌识别系统集中了先进的光电、计算机、图像处理、模式识别、远程数据访问等技术,实现对监控路面过往的每一辆机动车的特征图像和车辆全景图像进行连续全天候实时记录,计算机根据所拍摄的图像进行牌照自动识别。该系统可以应用于路桥关口,实现对过往车辆的不停车收费,还可以置于交通要塞,实现对进出车辆的不间断适时监控,除此之外,车牌识别系统还可以应用在以下几个领域： （1）交通适时监控。利用车牌识别系统的摄像设备,可以直接监视相应路段的交通状况,获得车辆密度、队长、排队规律等交通信息,防范和观察交通事故。这种适时监控系统一旦成功运用,将极大的方便交通管理,节约大量的人力物力。同时也提高管理效率。 （2）流控制指标参数的测量。该系统能够测量和统计很多交通流指标参数,如总的服务
流率,总行程时间,总的流入量和流出量,车型及车流组成,日车流量,小时,分钟车流量,车流高峰时间段,平均车速,车辆密度等,这为交通诱导系统提供必要的交通流信息。 （3）路费交纳、安全检查、运营管理实行不停车检查。根据识别出的车牌号码从数据库中调出该车档案材料,可发现没有及时交纳养路费的车辆。另外,该系统还能发现无车牌的车辆。若同车型检测器联用,还可迅速发现所挂车牌与车型不符的车辆,对车辆管理实现真正的智能化,相比较于目前的人工管理这种管理方式极大的提高了效率。 （4）车辆定位。由于能自动识别车牌号码,因而极易发现被盗车辆,以及定位出车辆在道路上的行驶位置,这为防范、发现和追踪涉及车辆的犯罪,保护重要车辆的安全有重大作用,从而对城市治安及交通安全有重要的保障作用。 （5）军事应用。在一些军事要塞的出入口处,车辆流量较大,由于其特殊性,对过往车辆的管理就显的特别严格,如果人工管理,必然极大的消耗人力物力,同时由于人的主观性,有时候又不免会出现一些错误,而这些错误有的时候是致命的。如果采用智能车牌识别系统,就可能避免这些错误,极大的提高了这些部门的安全性。 二、车牌识别技术中的难点 车牌识别系统在实验室里已经取得了令人满意的效果,但很难应用于实际工程中,这是因为实验室的环境是处于理想状态的,而在自然环境里,由于受到人工拍摄条件,天气等因素的影响,识别率很难达到要求。我们大致的把这些因素归纳为“三类” 1.汽车牌照本身的特征 （1）牌照的图像质量本身无法保证。有些牌照被污损,而有些牌照的字符模糊不清,对光线的散射性不好,这些不确定性极大得影响了识别的准确率。 （2）牌照缺乏统一的标准。根据中华人民共和国公共安全行业标准对机动车辆牌照的有关规定,车牌的规格、颜色和适用范围各有不同。就目前我国的各种车牌中,有蓝底白字的,黄底黑字的,还有一些特殊的如军车,警车,国外驻华机构的工作的车辆,由于缺乏统一的标准,使得车牌识别过程中字符的分割难度较大,缺乏统一的模式规则的指导。 （3）车牌附近环境恶劣。车牌附近往往有复杂的外形或挡车器等,不利于车牌的定位和分割。有的车辆在车牌处有广告的文字,这些图像对车牌定位有很大干扰,不利于车牌定位与字符识别。 2、外部环境的特征 （1）外界光照条件的不相同白天和晚上光照强度不同。光照对图像质量影响很大。不同的光照角度,对车牌影响也较大。不同时间,不同气候条件,以及背景光、车牌反光程度决定了车牌区域的亮度特征。 （2）外界背景的复杂程度也影响着车牌的定位准确率。背景中与车牌区域特征相似区域的大小反映了背景的噪声程度。例如与车牌字符相似的背景远处的广告语就很容易影响车牌的粗定位。
车牌识别 电子1301 洪江 13 一、目的与要求 车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力 二、设计原理: 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照输出。 三、详细设计步骤: 为了进行牌照识别，需要以下几个基本的步骤： a.牌照定位，定位图片中的牌照位置； b.牌照字符分割，把牌照中的字符分割出来； c.牌照字符识别，把分割好的字符进行识别，最终组成牌照。 牌照识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常与牌照识别互相配合、互相验证。 (1）牌照定位: 自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的视频图像 进行大围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然 后对这些侯选区域做进一步分析、评判，最后选定一个最佳的区域作为 牌照区域，并将其从图象中分割出来。 （2）牌照字符分割 :
附录 车牌识别程序 clear ; close all; %Step1 获取图像装入待处理彩色图像并显示原始图像 Scolor = imread（'3.jpg'）;%imread函数读取图像文件 %将彩色图像转换为黑白并显示 Sgray = rgb2gray（Scolor）;%rgb2gray转换成灰度图 figure,imshow（Scolor）,title（'原始彩色图像'）;%figure命令同时显示两幅图 figure,imshow（Sgray）,title（'原始黑白图像'）; %Step2 图像预处理对Sgray 原始黑白图像进行开操作得到图像背景s=strel（'disk',13）;%strel函数 Bgray=imopen（Sgray,s）;%打开sgray s图像 figure,imshow（Bgray）;title（'背景图像'）;%输出背景图像 %用原始图像与背景图像作减法，增强图像 Egray=imsubtract（Sgray,Bgray）;%两幅图相减 figure,imshow（Egray）;title（'增强黑白图像'）;%输出黑白图像 %Step3 取得最佳阈值，将图像二值化 fmax1=double（max（max（Egray）））;%egray的最大值并输出双精度型 fmin1=double（min（min（Egray）））;%egray的最小值并输出双精度型level=（fmax1-（fmax1-fmin1）/3）/255;%获得最佳阈值 bw22=im2bw（Egray,level）;%转换图像为二进制图像 bw2=double（bw22）; %Step4 对得到二值图像作开闭操作进行滤波 figure,imshow（bw2）;title（'图像二值化'）;%得到二值图像 grd=edge（bw2,'canny'）%用canny算子识别强度图像中的边界 figure,imshow（grd）;title（'图像边缘提取'）;%输出图像边缘 bg1=imclose（grd,strel（'rectangle',[5,19]））;%取矩形框的闭运算 figure,imshow（bg1）;title（'图像闭运算[5,19]'）;%输出闭运算的图像bg3=imopen（bg1,strel（'rectangle',[5,19]））;%取矩形框的开运算
车牌识别管理系统软件使用简明说明书
目录 1. 软件使用前需要的准备工作 (1) 2. 软件初装后需要做的设置(按如下顺序依次操作) (1) 2.1. 车场公共属性配置 (1) 2.2. 报表配置（选做） (2) 2.3. 收费设置 (3) 2.4. 车场设置 (4) 2.5. 车道设置 (4) 2.6. 部门管理 (5) 2.7. 角色管理 (5) 2.8. 操作员管理 (6) 2.9. 修改密码 (7) 3. 软件日常使用操作 (7) 3.1. 用户管理和车辆管理 (7) 3.2. 车辆延期 (8) 第一种方式根据车主名查找要延期的车辆 (8) 第二种方式根据车牌号或车主名查找要延期的车辆 (8) 车辆充值记录查询 (9) 3.3. 实时监控 (9) 换班登陆 (10) 手动输入车牌 (11)
本说明书只是介绍软件使用中的常规性操作，目的是以最简单最明了的方式让使用者知晓软件的使用方法。 ----------------------------------------------------------------------------------------- 1.软件使用前需要的准备工作 1.操作系统请升级到Windows7 系统； 2.安装Microsoft .NET Framework 4； 3.安装SQL2008数据库(仅限作为数据服务器的电脑) 2.软件初装后需要做的设置(按如下顺序依次操作) 2.1.车场公共属性配置 选择一个存在的“出入场图片保存路径”，如果是网络路径请填写正确网络路径，，且该文件夹可读可写。 当软件无故退出时，请先查看图片保存路径是否正确。 其它的参数如无特殊要求，默认就可以。
一、 车牌识别出入口管理系统设计 1.1 系统简介 停车场基于车牌识别管理模式的系统，设备一般包括车牌识别专用摄像机、车牌识别器、信息显示屏、自助缴费终端、电动道闸、图像对比和车牌识别系统、计算机等。为了满足客户不同管理需求，各个设备可以灵活组合。 在本项目中，系统需要对临时用户、固定用户进行实时管理，对其出入的时间、车牌号、图像进行严格记录、识别和登记，并按照停车时间和计费规则对各种车辆进行收费，并防止车辆丢失。 智能车牌识别收费管理系统系统图 主要功能： ● 车牌识别比对功能，防止车辆被盗 ● 语音提示，人性化操作提示 ● 支持灵活费率设定，不限时段，多种设定。 ● 支持车牌识别缴费功能，免除临租卡的发放，提高通行速度 管理中心服务器 数据采集器 自动道闸收费显示屏 摄像头收费管理系统 自动道闸 摄像头
●多进多出联网系统管理，支持出入口嵌套管理功能 ●异常情况处理，满足消费报警、应急手动等 ●支持51park网站的车位查询和预定功能，利于数据集中、管理集中 1.2其他子系统介绍 ●一卡通支付、手机支付： 用一卡通、手机支付缴停车费，替代临租卡，刷卡付费一次完成，还可 自助缴费。 ●ETC缴费 利用ETC有源卡，读卡距离6－10米，可不停车通过，提高通行效率， 减少出入口数量。 ●车牌识别，集中收费 利用车牌识别技术，获取车牌号码，替代临租卡的发放，驾车者在收费 处输入车牌号就可缴费，提高了效率。 ●无人职守自助缴费 驾车者自己在终端上输入车牌号码，调取入场记录，用一卡通、手机、 信用卡等方式自助付费，提高了服务水准。 ●折扣机，积分扣缴 对在商场酒店消费的客户，通过折扣机减免停车费，可用消费积分抵车 费，吸引有效用户，提高商场收入。 ●车位查询和预定（配合51park网站） 通过无线网络，自动上报停车场的空车位、收费价格等信息，供51park 网站的客户查询和预定，预定信息从51park网站下传到收费系统，并自 动处理。 1.3停车管理系统出入口设置 在停车场入口处设置车牌识别摄像机、LED显示屏（带语音）、自动道闸、地感线圈等。设备位置如图所示：
Q260046902 专业做论文 西南科技大学 毕业设计（论文）题目名称：车辆牌照图像识别算法研究与实现
车辆牌照图像识别算法研究与实现 摘要：近年来随着国民经济的蓬勃发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制、安全管理的要求也日益提高。因此，汽车牌照识别技术在公共安全及交通管理中具有特别重要的实际应用意义。本文对车牌识别系统中的车牌定位、字符分割和字符识别进行了初步研究。对车牌定位，本文采用投影法对车牌进行定位；在字符分割方面，本文使用阈值规则进行字符分割；针对车牌图像中数字字符识别的问题，本文采用了基于BP神经网络的识别方法。在学习并掌握了数字图像处理和模式识别的一些基本原理后，使用VC++6.0软件利用以上原理针对车牌识别任务进行编程。实现了对车牌的定位和车牌中数字字符的识别。 关键词：车牌定位；字符分割；BP神经网络；车牌识别；VC++
Research and Realization of License Plate Recognition Algorithm Abstract:In recent years, with the vigorous development of the national economy，there are more and more construct in the domestic expressway, urban road, and parking area. The requisition on the traffic control, safety management improves day by day. Therefore, license plate recognition technology has the particularly important practical application value in the public security and the traffic control. In the paper, a preliminary research was made on the license location, characters segment and characters recognition of the license plate recognition. On the license location，the projection was used to locate the license plate; On the characters segmentation, the liminal rule was used to divide the characters; In order to solve the problem of the digital characters recognition in the plate, BP nerve network was used to recognize the digital characters. After studying and mastering some basic principles of the digital image processing and pattern recognition, the task of license plate recognition was programmed with VC++ 6.0 using above principles. The license location and the digital characters recognition in the license plate were implemented. Keywords: license location, characters segmentation, BP nerve network, license plate recognition, VC++
车牌识别技术浅析及算法代码 摘要：车牌定位、字符分割、字符识别是车牌识别的三个重要组成部分，是车 牌识别技术研究的重点，从这三个方面对车牌识别技术的发展和现状及车牌识别技术的应用进行了简要介绍。车牌定位是车牌识别技术的第一个关键技术，定位的准确与否直接影响着车牌识别的准确率。本文对目前存在的车牌定位算法进行简单探讨。 关键词：车牌识别技术；车牌定位；算法比较；字符分割；字符识别。 随着2l世纪经济全球化和信息时代的到来，计算机技术、通信技术和计算机网络技术迅猛发展，自动化的信息处理能力和水平不断提高，并在人们社会活动和生活的各个领域得到广泛应用，高速度、高效率的生活节奏，使汽车普及成为必然趋势。伴随着世界各国汽车数量的增加，城市交通状况日益受到人们的重视。如何有效地进行交通管理，越来越成为各国政府的相关部门所关注的焦点。针对这一问题，人们运行先进的信息处理技术、导航定位技术、无线通信技术、自动控制技术、图像处理和识别技术及计算机网络技术等科学技术，相继研发了各种交通道路监视管理系统、车辆控制系统及公共交通系统。这些系统将车辆和道路综合起来进行考虑，运行各种先进的技术解决道路交通的问题，统称为智能交通系统(Intelligent Tr ansportationSystem，简称ITS)。ITS是20世纪90年代兴起的新一代交通运输系统。它可以加强道路、车辆、驾驶员和管理人员的联系，实现道路交通管理自动化和车辆行驶的智能化，增强交通安全，减少交通堵塞，提高运输效率，减少环境污染，节约能源，提高经济活力。智能交通系统以车辆的自动检测作为信息的来源，因而对汽车牌照等相关信息的自动采集和处理的一门新的交通信息获取技术——车牌识别(License Plate Recognition，LPR技术逐渐发展起来，成为信息处理技术的一项重要研究课题。 1 车牌识别技术简介 车牌识别技术的研究最早出现在20世纪80年代，这个阶段的研究没有形成完整的系统体系，而是就某一具体的问题进行研究，通常采用简单的图像处理方法来解决。识别过程是使用工业电视摄像机(Industrial TV Camera)~]下汽车的正前方图像，然后交给计算机进行简单处理，并且最终仍需要人工干预进入2O世纪90年代后，随着计算机视觉Computer Vision Technology)的发展和计算机性能的提高，世界各国投入了大量的人力、物力进行汽车牌照识别系统的研究，时隔10多年，仍然没有一个成熟系统的识别率达到100％。20世纪90年代后期以后，随着全世界汽车数量的急剧增加，车牌识别技术的应用范围也越来越广，车牌识别技术己成为了一个热门的研究课题，人们对其进行了广泛的研究。车牌识别技术的任务是处理、分析摄取的视频。其中关键在于以下三部分：车牌定位、字符分割和字符识别。下面就从这三个方面对车牌识别技术的发展和现状进行简单介绍： （1）车牌定位方法 车牌图像往往是在复杂的环境中拍摄得到的，车牌由于与复杂的车身背景融为一体，由于车牌在使用中磨损与灰尘及拍摄仪器的影响以及由于拍摄角度的不
西安科技大学 毕业设计(论文) 开题报告 题目基于神经网络的车牌字符识别方法研究及仿真实现院、系(部) 通信与电子信息工程学院 专业及班级电子信息工程专业 姓名 学号 指导教师 日期
西安科技大学毕业设计(论文)开题报告
[7]陈振学,汪国有,刘成云. 一种新的车牌图像字符分割与识别算法[J]. 微电子学与计算机, 2007,(02) . [8]朱正礼. 基于三层BP 神经网络的字符识别系统的实现[J]. 现代计算机, 2006,(10) . [9]刘静,周静华,苏俊连,付佳. 基于模板匹配的车牌字符识别算法实现[J]. 科技信息(科学教研), 2007,(24) . [10]苏厚胜. 车牌识别系统的设计与实现[J]. 可编程控制器与工厂自动化, 2006,(03) . [11]胡振稳, 尹朝庆. 基于BP 神经网络的车牌字符识别的研究[J]. 电脑知识与技术(学术交流), 2007,(02) [12]蒋良孝, 李超群. 基于 BP 神经网络的函数逼近方法及其 MATLAB 实现[J]. 微型机与应用, 2004,(01) [13]崔屹. 数字图象处理技术与应用. 电子工业出版社. [14]董长虹. MATLAB 图象处理. 国防工业出版社. [15]董长虹. MATLAB 神经网络与应用国防工业出版社. [16]MATLAB6.5 辅助图象处理.飞思科技产品研发科技中心. [17]H. S. Kim et al, "Recognition of a car number plate by a neural network", Proc. of Korea Information Science Society(KISS) fill conference，Vol. 18, NO. 2, pp. 259-262，1991. [18]Jang-Hee You，Byung-Tae Chun and Dong-Pil Shin，“A Neural for Recognizing Characters Extracted form Moving Vehicles”，World Congress On Neural Network, pp162-166，1994. [19]M. Momozawa，M．N omua,T.Namai and K. Morisaki,"Accident Vehicle Automatic Detection System by Image Processing Technique”,pp.566-570, 2004..