基于车牌识别的机器视觉课程研究

《基于车牌识别的机器视觉课程研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于车牌识别的机器视觉课程研究【摘要】本文提出了一种基于车牌识别的机器视觉应用本科课程研宄项目，该项目的目的是通过检测和识别视频序列中的汽车车牌来学习机器视觉这门课，从而提高应用电子信息类本科毕业生的应用能力，改善电子信息类毕业生的就业状态。此外，本文还详细介绍了课程的内容，时间计划表和如何评价学生的成绩。【关键词】车牌识别；机器视觉；研究0引言机器视觉是应用本科电子信息类的一门重要选修课，该课程涉及图像处理、计算机视觉、信号处理、模式识别和人工智能等多个领域内容。机器视觉从二维信息处理的角度研究了信息的认知、表征、处理

2、的方法和理论，涉及的理论抽象、复杂且算法众多［1］。传统的教学方法，教师只是对照教材按部就班讲解教材中的内容，学生只是被动学习，没有实践的内容，而且所学内容比较杂乱，不能灵活应用所学的方法去解决实际的一些问题，因此该种教学方法严重束缚了学生学习主动性，制约学生的各种能力的发展，与现代社会人才培养模式极不符合，为此，急需一种新的教学模式。项目驱动教学法是一种适应新形势下教学模式，该模式与传统的教学模式相反，从教师为中心转到学生为中心，通过项目激发学生的学习兴趣，做到了“做中学”[2-4]o项目驱动教学法虽然将教转到学，但其

3、忽略了教师的教和项目的整体。为了弥补项目驱动教学中的一些不足，本文有效结合教师的导和项目的整体，提出了一个基于项目为核心的机器视觉应用本科课程项目。在课程中，教师可以有效引导学生主动学习图像处理、图像描述和分类学习理论的基础知识和基本技能，培养学生灵活运用相关知识解决实际问题的能力。由于机器视觉这门课程设在电子信息类大四的第一学期，这学期的学生有一个很大的特点，就是面临着找工作，急需要一些实践经验，为了提高学生的就业能力，需要选择一个有效的项目提升就业能力。项目选择既要考虑项目的难度，又要考虑课程所涉及的具体内容，本文从

4、这两方面提出了基于现实中视频序列中车牌识别来进行项目开发，这个项目难度中等，涉及到内容主要有图像处理、模式识别的内容，这些内容是解决车牌检测和识别系统的关键。1车牌识别项目车牌识别在智能交通中地位越来越突出，在港口，停车场、车辆监管方面得到了广泛的应用，涉及到了多门学科的内容，主要包括图像处理、模式识别、计算机视觉河应用数学等。车牌识别主要包含以下几个模块：车牌采集、车牌定位、车牌分割和车牌识别模模块，在每个模块中涉及到了许多相关的理论［5-6］，如图1所示。本项目正好满足该门课程的相关内容，项目从教教学计划，每周的工作

5、及成绩评估进行分析。1.1教学计划经过为期8周的项目学习，可以完整地完成一个项目的开发，学到机器视觉的相关理论知识和技能。整个项目主要包含3个2个小时理论讲座和每周的1个小时的讨论会议，完成给定的项目的开发。项目开发一般有四个阶段：理论学习阶段，数据采集和预处理阶段、数据处理阶段和完善项目阶段。理论学习阶段主要是学习项目所需的理论知识和开发所要注意的内容；数据采集和预处理阶段主要是采集所需数据，完成一些数值预处理；数据处理阶段就是按照要求处理数据，完善项目阶段就是要求学生按照要求完善项目开发。这几个阶段按照时间不同分布于

6、不同的周次完成第1周到2周是理论学习阶段，对于车牌识别项目来说就是要学习车牌的采集、定位、图像的预处理（如图像校正，图象增强和边缘检测等操作），字符分割（垂直投影分割，连通区域分割和模板分割），字符识别（神经网络、模板匹配和支持向量机）的理论。第3周是数据采集和图像预处理，这两周主要是完成数据采集和图像数据的预处理，包括图像的平滑，像的校正和边缘检测。第4周到7周完成车牌的定位、分割和字符识别。第8周完成项目的开发1.2每周工作在项目开发阶段，每周的1个小时师生讨论会。讨论过程中，每个团队选出一名学生简短介绍自己团队一周

7、来的工作，这些工作包括技术实现、结果，还有遇到的问题，须用PPT展示自己团队的成果，接着教师进行点评，给出每个团队的一些建议和疑难问题分析，以及一些特别复杂的算法（如梯度方向直方支持向量机和神经网络等）的讲解。最后，接着用10-20分钟的时间布置下周的开发内容和疑难问题解答。1.3成绩评估对于项目的评估，主要按照开发阶段和笔试成绩确定，开发的四个阶段占总分的30%，小组的口头报告占10%，10%小组的互评成绩，剩下的是笔试成绩。每个阶段团队都要上交一份10页以上的项目报告和部分源代码，每个阶段任务根据学生采用的方法的复杂

8、性和创意性给分。在每周的讨论会议上，每个团队给给出相同时间口头报告，还有5分钟的讨论时间，要求每个成员都必须参与讨论，教师根据口头报告的内容和学生参与讨论的程度给出成绩。每个团队把自己项目开发的报告和结果互评，取互评的平均成绩作互评的成绩。除了项目实践成绩以外，还需要掌握了一些机器视觉的相关理论知识，这也避免学生忽略