学位论文 > 优秀研究生学位论文题录展示
快速车牌定位的方法研究
作 者: 郭天庆
导 师: 张洪刚
学 校: 北京邮电大学
专 业: 模式识别与智能系统
关键词: 智能交通系统 车牌定位 Haar-like特征 Adaboost算法
分类号: TP391.41
类 型: 硕士论文
年 份: 2010年
下 载: 230次
引 用: 3次
阅 读: 论文下载
内容摘要
车牌定位技术是实现车牌识别和车辆身份验证的关键步骤,是近年来计算机视觉和模式识别技术在智能交通领域应用中的重要研究课题之一。车牌定位其实就是在车辆图像中定位车牌牌照区域的技术。但是由于车辆图像都是采集于自然环境中,所采集的车牌和背景成像的条件都是不可控制的,随机变化的因素和复杂的背景信息给目标定位带来很大困难。本文通过对现有车牌定位方法做了详细的阐述,针对这些方法基于图像的像素定位而使得定位速度有所缓慢的缺点,结合了分类的思想,通过对车牌图像进行训练,得到能够检测车牌的分类器。车牌图像的训练中使用了车牌的Haar-like特征,这种特征分为三类,这些特征组合为特征模板。该特征经过积分图运算转化而使得获得某区域的特征值的复杂度为常数复杂度,而大大提高了运算速度。在训练过程中,经过精挑细选得到车牌的样本与复杂的背景负样本,使用样本的Haar-like特征,基于Adaboost算法从而进行循环训练,由弱分类器训练出强分类器,然后将强分类器串联成分类效果更好的级联分类器,其实核心思想就是选出能够最能代表车牌的特征、例子作为识别车牌的标准。而使用分类器定位车牌后,需要再进一步精确选取车牌位置并且要精确定位到车牌的位置,于是采用对像素的水平和垂直扫描法进行精确定位,并且同时完成了字符分割的过程,将两步合二为一更能够提高系统的速度。最后,本文将整个方法实现并且进行了测试,给出了车牌的粗定位和精确定位后的准确度和速度,通过比较本方法能够达到预期目的,实现快速车牌定位的效果,这个方法也是对车牌定位方法的一个有意义的尝试。
|
全文目录
摘要 4-5 ABSTRACT 5-9 第一章 绪论 9-16 1.1 课题研究的背景与意义 9-12 1.1.1 智能交通发展的背景 9-10 1.1.2 智能交通的中国特色 10 1.1.3 车牌识别在智能交通中的作用及前景 10-12 1.2 车牌定位与车牌识别 12 1.3 国内外车牌定位的研究现状 12-14 1.4 本论文的体系结构 14-16 第二章 车牌定位基本技术 16-28 2.1 车牌定位一般过程 16 2.2 图像预处理的基本技术 16-22 2.2.1 灰度化处理技术 16-17 2.2.2 直方图均衡技术 17-18 2.2.3 边缘检测技术 18-22 2.2.4 图像的倾斜校正 22 2.3 常见车牌定位方法介绍 22-27 2.3.1 基于灰度图的纹理特征定位法 22-23 2.3.2 基于数学形态学的车牌定位法 23-25 2.3.3 基于边缘检测的车牌定位法 25 2.3.4 基于小波分析的车牌定位法 25-26 2.3.5 基于颜色信息的车牌定位法 26 2.3.6 各种方法优缺点比较 26-27 2.4 本文重点研究的定位方法 27-28 第三章 车牌快速定位的方法研究与实现 28-44 3.1 快速定位的步骤 28 3.2 分类器训练的基础 28-36 3.2.1 样本的Haar-like特征 29-32 3.2.2 Adaboost算法 32-35 3.2.3 分类器训练平台 35-36 3.3 分类器训练的过程 36-41 3.3.1 负样本的准备 37-38 3.3.2 正样本的准备 38-40 3.3.3 分类器训练 40-41 3.4 车牌粗定位的实现 41-44 第四章 车牌的精确定位 44-51 4.1 车牌候选区域 44 4.2 车牌精确定位过程 44-46 4.3 预处理 46-48 4.3.1 中值滤波 46 4.3.2 反色判断 46-47 4.3.3 二值化处理 47-48 4.3.4 反色处理 48 4.4 车牌的上下边界确定 48-49 4.5 车牌的左右边界确定 49-51 第五章 实验结果 51-58 5.1 分类器的训练 51-53 5.2 车牌粗定位 53-54 5.3 车牌的精确定位 54-56 5.4 车牌定位的结果分析 56-58 第六章 总结与展望 58-59 参考文献 59-63 致谢 63-64 攻读学位期间发表的学术论文目录 64
|
相似论文
- 基于人眼检测的驾驶员疲劳状态识别技术,TP391.41
- 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
- 基于EMD的车牌识别方法及应用,TP391.41
- 基于车载3D加速传感器的路况监测研究,TP274
- 车牌识别系统中车牌定位算法的研究,TP391.41
- 基于肤色分割与AdaBoost算法的人脸检测研究,TP391.41
- 复杂背景下车牌定位的研究与设计,TP391.41
- 基于CNN的智能交通系统多车牌定位方法的研究,TP391.41
- 基于AdaBoost算法的人脸识别研究,TP391.41
- 基于车牌识别技术的智能交通系统的设计与实现,TP391.41
- 人脸表情识别算法研究,TP391.41
- 基于视频的车辆检测与跟踪算法的研究与实现,TP391.41
- 基于SVM的车牌字符识别算法研究与实现,TP391.41
- 一种基于梯度模板特征的车牌识别算法,TP391.41
- 城市交通智能控制策略与仿真系统研究,U495
- 分布式动态交通信息挖掘及导航,TP311.13
- 高速卡口车辆牌照检测与相关信息识别,TP391.41
- 城市公交最优化换乘系统研究与实现,U12
- 智能车设计及其追踪系统研究,TP399-C6
- 高清图像中基于车牌定位的车辆跟踪和违章检测,TP391.41
- 复杂背景下号码识别及其应用研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|