基于深度学习的车牌识别系统研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 课题研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 车牌定位 | 第14-15页 |
| 1.2.2 字符切割与倾斜校正 | 第15-16页 |
| 1.2.3 字符识别 | 第16-17页 |
| 1.2.4 深度学习 | 第17-18页 |
| 1.3 本文的组织结构及涉及到的方法 | 第18-21页 |
| 第二章 基于OpenCV的车牌定位与字符切割 | 第21-41页 |
| 2.1 车牌定位方法介绍与分析 | 第21-25页 |
| 2.1.1 基于边缘检测的车牌定位方法 | 第21页 |
| 2.1.2 基于色彩信息检测的车牌定位方法 | 第21-22页 |
| 2.1.3 基于特殊信息的车牌定位方法 | 第22-23页 |
| 2.1.4 基于机器学习的车牌定位方法 | 第23-24页 |
| 2.1.5 本文方法介绍 | 第24-25页 |
| 2.2 图像预处理 | 第25-32页 |
| 2.2.1 HSV颜色模型 | 第25-27页 |
| 2.2.2 阈值化 | 第27-30页 |
| 2.2.3 形态学处理 | 第30-31页 |
| 2.2.4 区域框检测法 | 第31-32页 |
| 2.3 车牌区域筛选 | 第32-35页 |
| 2.4 字符切割 | 第35-39页 |
| 2.4.1 基于区域框检测方法的字符切割 | 第36页 |
| 2.4.2 基于垂直和水平投影的字符切割 | 第36-39页 |
| 2.5 本章小结 | 第39-41页 |
| 第三章 基于深度学习的车牌倾斜校正及字符识别 | 第41-67页 |
| 3.1 深度学习介绍 | 第41-47页 |
| 3.1.1 机器学习概述 | 第41页 |
| 3.1.2 深度学习 | 第41-47页 |
| 3.2 不同网络结构介绍 | 第47-52页 |
| 3.3 基于深度学习的车牌倾斜校正 | 第52-62页 |
| 3.3.1 预处理 | 第52-55页 |
| 3.3.2 网络结构设计 | 第55-58页 |
| 3.3.3 实验分析 | 第58-62页 |
| 3.4 基于深度学习的车牌字符识别 | 第62-65页 |
| 3.4.1 预处理 | 第63页 |
| 3.4.2 网络设计 | 第63页 |
| 3.4.3 实验分析 | 第63-65页 |
| 3.5 本章小结 | 第65-67页 |
| 第四章 基于HLS的深度学习加速研究 | 第67-81页 |
| 4.1 Vivado HLS工具介绍 | 第67-71页 |
| 4.1.1 HLS开发流程介绍 | 第68-69页 |
| 4.1.2 HLS主要优化策略介绍 | 第69-71页 |
| 4.2 C＋＋前向网络实现 | 第71-73页 |
| 4.3 基于HLS的深度学习加速实验及分析 | 第73-79页 |
| 4.3.1 CNN卷积功能验证 | 第73-76页 |
| 4.3.2 HLS设计优化及优化方案对比分析 | 第76-79页 |
| 4.3.3 HLS设计优化验证 | 第79页 |
| 4.4 本章小结 | 第79-81页 |
| 第五章 总结与展望 | 第81-83页 |
| 5.1 总结 | 第81页 |
| 5.2 展望 | 第81-83页 |
| 参考文献 | 第83-89页 |
| 攻读硕士学位期间所做的工作 | 第89-91页 |
| 致谢 | 第91页 |
