基于Tesseract_OCR的驾驶证识别系统设计与实现
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 课题来源 | 第12页 |
| 1.2 课题研究背景及意义 | 第12-13页 |
| 1.3 国内外研究现状和发展方向 | 第13-15页 |
| 1.4 本文研究内容 | 第15页 |
| 1.5 本文组织结构 | 第15-17页 |
| 第二章 相关技术介绍 | 第17-28页 |
| 2.1 非均匀光照矫正 | 第17-19页 |
| 2.2 倾斜校正 | 第19-22页 |
| 2.3 二值化 | 第22-25页 |
| 2.4 字符识别工具 | 第25-27页 |
| 2.4.1 Tesseract | 第25-26页 |
| 2.4.2 TensorFlow | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 文字信息提取算法研究与设计 | 第28-50页 |
| 3.1 OPENCV | 第28页 |
| 3.2 红章定位算法 | 第28-37页 |
| 3.2.1 证件特点 | 第28-29页 |
| 3.2.2 基于颜色的红章定位算法 | 第29-32页 |
| 3.2.2.1 算法思路 | 第29页 |
| 3.2.2.2 图像滤波 | 第29-30页 |
| 3.2.2.3 红色判定规则 | 第30页 |
| 3.2.2.4 确定红章 | 第30-32页 |
| 3.2.3 基于轮廓的红章定位算法 | 第32-37页 |
| 3.2.3.1 算法思路 | 第32-33页 |
| 3.2.3.2 局部自适应二值化 | 第33-34页 |
| 3.2.3.3 四边形轮廓提取 | 第34-35页 |
| 3.2.3.4 顶点矫正 | 第35-36页 |
| 3.2.3.5 确定红章 | 第36-37页 |
| 3.3 初步截取文字信息区域 | 第37-38页 |
| 3.3.1 区域位置和尺寸比例关系 | 第37页 |
| 3.3.2 分类截取不同证件 | 第37-38页 |
| 3.4 文字信息区域修正 | 第38-47页 |
| 3.4.1 修正必要性 | 第38页 |
| 3.4.2 异常判定及修正算法 | 第38-46页 |
| 3.4.2.1 证号区域异常判定 | 第38-39页 |
| 3.4.2.2 新截取区域二值化 | 第39-40页 |
| 3.4.2.3 证号区域修正算法 | 第40-42页 |
| 3.4.2.4 时间区域异常判定 | 第42-44页 |
| 3.4.2.5 时间区域修正算法 | 第44-46页 |
| 3.4.3 证件样式分类处理 | 第46-47页 |
| 3.4.3.1 类别及判定方法 | 第46页 |
| 3.4.3.2 证件样式分类 | 第46-47页 |
| 3.5 字符分割 | 第47-49页 |
| 3.5.1 垂直投影 | 第47-48页 |
| 3.5.2 区域分割 | 第48-49页 |
| 3.5.3 字符尺寸归一化 | 第49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 文字信息识别技术研究与实现 | 第50-62页 |
| 4.1 基于TESSERACT的字符识别 | 第50-55页 |
| 4.1.1 Tesseract字库训练 | 第50-54页 |
| 4.1.1.1 训练准备 | 第50-51页 |
| 4.1.1.2 训练流程 | 第51-54页 |
| 4.1.2 Tesseract字库使用 | 第54-55页 |
| 4.2 基于TENSORFLOW的字符识别 | 第55-61页 |
| 4.2.1 TensorFlow字符模型训练 | 第55-59页 |
| 4.2.1.1 获取训练数据 | 第55-56页 |
| 4.2.1.2 定义卷积层 | 第56页 |
| 4.2.1.3 定义池化层 | 第56-57页 |
| 4.2.1.4 定义全连接层 | 第57-58页 |
| 4.2.1.5 损失率(loss)和参数优化 | 第58页 |
| 4.2.1.6 model和Estimator | 第58-59页 |
| 4.2.2 TensorFlow字符模型优化 | 第59-60页 |
| 4.2.2.1 学习率的设置 | 第59页 |
| 4.2.2.2 过拟合问题 | 第59-60页 |
| 4.2.3 TensorFlow字符模型使用 | 第60-61页 |
| 4.3 本章小结 | 第61-62页 |
| 第五章 驾驶证识别系统设计与实现 | 第62-81页 |
| 5.1 需求分析 | 第62-66页 |
| 5.1.1 可行性分析 | 第62-63页 |
| 5.1.2 技术需求分析 | 第63-65页 |
| 5.1.2.1 文字信息提取需求分析 | 第63-65页 |
| 5.1.2.2 文字信息识别需求分析 | 第65页 |
| 5.1.2.3 数据传输和展示需求 | 第65页 |
| 5.1.3 系统功能需求 | 第65-66页 |
| 5.2 系统设计概述 | 第66-68页 |
| 5.3 系统设计与开发环境 | 第68-70页 |
| 5.4 系统实现 | 第70-79页 |
| 5.4.1 图像获取 | 第70页 |
| 5.4.2 图像预处理 | 第70页 |
| 5.4.3 文字信息提取 | 第70-77页 |
| 5.4.3.1 红章定位 | 第71-72页 |
| 5.4.3.2 初步截取文字信息区域 | 第72-73页 |
| 5.4.3.3 文字信息区域修正 | 第73-75页 |
| 5.4.3.4 字符分割 | 第75-77页 |
| 5.4.4 文字信息识别 | 第77-79页 |
| 5.4.5 识别信息反馈 | 第79页 |
| 5.5 结果展示 | 第79-80页 |
| 5.6 本章小结 | 第80-81页 |
| 第六章 驾驶证识别系统测试 | 第81-93页 |
| 6.1 系统测试环境与方法 | 第81-82页 |
| 6.1.1 测试环境 | 第81页 |
| 6.1.2 测试方法 | 第81-82页 |
| 6.2 系统功能测试 | 第82-87页 |
| 6.2.1 图像处理功能测试 | 第82-87页 |
| 6.2.1.1 倾斜校正测试 | 第83页 |
| 6.2.1.2 红章定位测试 | 第83-84页 |
| 6.2.1.3 区域修正测试 | 第84-86页 |
| 6.2.1.4 字符分割测试 | 第86-87页 |
| 6.2.2 字符识别功能测试 | 第87页 |
| 6.3 系统性能测试 | 第87-92页 |
| 6.3.1 识别效率测试 | 第88-91页 |
| 6.3.1.1 测试样例 | 第88-90页 |
| 6.3.1.2 测试结果 | 第90-91页 |
| 6.3.2 识别正确率测试 | 第91-92页 |
| 6.4 本章小结 | 第92-93页 |
| 第七章 工作总结及研究展望 | 第93-95页 |
| 7.1 全文总结 | 第93-94页 |
| 7.2 后续工作展望 | 第94-95页 |
| 致谢 | 第95-96页 |
| 参考文献 | 第96-100页 |
| 攻硕期间取得的研究成果 | 第100页 |
