深度学习算法在车牌识别系统中的应用

深度学习算法在车牌识别系统中的应用

ID:35089421

大小:6.40 MB

页数:82页

时间:2019-03-17

深度学习算法在车牌识别系统中的应用_第1页
深度学习算法在车牌识别系统中的应用_第2页
深度学习算法在车牌识别系统中的应用_第3页
深度学习算法在车牌识别系统中的应用_第4页
深度学习算法在车牌识别系统中的应用_第5页
资源描述:

《深度学习算法在车牌识别系统中的应用》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、矣击糾成丈著UNIVERSITYOFELECTRONICSCIENCEANDTECHNOLOGYOFCHINA硕±学位论文.I*.MASTERTHESIS;*皆'V萄—\,自I:/,#-.K戴咬.f鞍游;.Ll"哈巧■■"i|:■■产:'/一<.吝::;4IC础.:\_啦....■^.\//.冰卓扣苗:\/4鸣.:.:爭言選讓护r—..\.:.":-:-...::;i.办占;济.i…'一..

2、-...:V::V^..V哉.'巧狐贫n护:.:枝-..’???.,?—?、?,论文壓闻深度学习算法在牢禪识别系统中的应用学科专业通信与信息系统学号201321010534;作者姓名刘哗强指导教师刘洪盛副教授.-::1^:'二''马啤萬異皆皆打^I,.古皆苗:"规場f:苗化5;:独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知,除了文中特别加标注和致谢的地方夕h论文

3、中不包含其他人己经发表或撰,也写过的研究成不包含为果电的证过。获得子科技大学或其它教育机构学位或书而使的材料与用一工志对同的已我作的同本研究所做任何贡巧在论中了的献文作明确表示意。说明并谢::作者签名日巧日期年支3论用文使授权本论文者全了解电子科技学有关保留、用学位论文学位作完大使,磁,的规保國家送交文定有权留并向有关部口或机构论的复印件和盘和。人授权论文被查电子科技大学可^^论的全允许阅借阅本^将学位文部或部分,用印、内容编入有关数据库进行检索可采影缩印或扫描、。等复制手段保存汇编学位论文(保密

4、的位论在解密遵此规)学文后应守定作者签::例名签名导师爲罐嗦冷:H期心年1月口,3分类号密级注1UDC学位论文深度学习算法在车牌识别系统中的应用(题名和副题名)刘峥强(作者姓名)指导教师刘洪盛副教授电子科技大学成都(姓名、职称、单位名称)申请学位级别硕士学科专业通信与信息系统提交论文日期2016.3.28论文答辩日期2016.5.20学位授予单位和日期电子科技大学2016年6月日答辩委员会主席评阅人注1:注明《国际十进分类法UDC》的类号。APPLICATIONOFDEEPLEARNINGALGORITHMINLICENSE

5、PLATERECOGNITIONSYSTEMAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:CommunicationandInformationSystemsAuthor:LiuZhengqiangAdvisor:AssociateProfessorLiuHongshengSchool:SchoolofCommunication&InformationEngineering摘要摘要车牌识别系统被广泛应用于现实生活中,如收费站、停车场

6、、十字路口等,这些具体的应用能够有效缓解交通拥堵现象,起到节省人力成本、提高效率、改进管理模式的作用,同时它也是智能交通系统的重要组成部分。深度学习算法是目前机器学习领域的研究热点,被广泛应用于图像识别、语音识别、人脸识别、自然语言处理等领域。因此本文的研究具有一定的理论意义和实用价值。本文系统由车牌定位、字符分割和字符识别三个模块组成。作者在对各模块的几个常见算法进行研究的基础上,提出应用深度学习算法的改进,最终实现算法的工程转化和系统应用。主要工作如下:1.对比分析深度置信网络、堆栈自编码网络和卷积神经网络的结构特点,指出它们在图像领域应

7、用的优势或不足,确立卷积神经网络作为本文的应用算法;2.研究国内车牌的规格和特点,在此基础上分析几种常见定位算法的优缺点,根据本文定位算法的设计原则提出改进方法,即利用数字图像技术实现对图像中疑似车牌区域的快速提取工作,避免深度学习算法的全图扫描花费。其中,候选区域的提取依据是车牌的两个显著特征(边缘和颜色),再结合矩形特性进行粗筛选。对于得到的候选区域,算法利用分类性能优异的AlexNet模型进行真伪判决;3.由于深度学习与字符分割算法的契合度不高,因此作者在参考现有几种字符分割算法的基础上,结合已收集的车牌数据,实现本文的字符分割算法。该

8、算法采用常规的数字图像技术实现,即先后利用Hough变换、OTSU阈值分割及Radon变换等预处理技术得到便于字符切分的情形,然后根据车牌的先验信息和投影特征实现字

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。