智能车牌识别系统的实现与优化
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 车牌识别研究现状 | 第10-14页 |
| 1.2.1 车牌定位研究现状 | 第11-12页 |
| 1.2.2 车牌校正研究现状 | 第12页 |
| 1.2.3 车牌字符分割研究现状 | 第12-13页 |
| 1.2.4 车牌字符识别研究现状 | 第13-14页 |
| 1.3 中国车牌的特征与识别难点 | 第14-15页 |
| 1.3.1 中国车牌的特征 | 第14-15页 |
| 1.3.2 中国车牌的识别难点 | 第15页 |
| 1.4 主要工作 | 第15-16页 |
| 1.5 组织结构 | 第16-17页 |
| 1.6 本章小结 | 第17-18页 |
| 2 车牌定位与车牌校正 | 第18-34页 |
| 2.1 引言 | 第18页 |
| 2.2 常见车牌定位方法 | 第18-20页 |
| 2.2.1 基于灰度图像的车牌定位 | 第18-20页 |
| 2.2.2 基于彩色图像的车牌定位 | 第20页 |
| 2.3 常见车牌校正方法 | 第20-21页 |
| 2.3.1 直线检测法 | 第20页 |
| 2.3.2 旋转投影法 | 第20-21页 |
| 2.4 本文车牌定位与车牌校正方法 | 第21-31页 |
| 2.4.1 基于颜色的车牌粗定位 | 第21-25页 |
| 2.4.2 基于边缘检测的车牌粗定位 | 第25-27页 |
| 2.4.3 基于仿射变换的车牌校正 | 第27-29页 |
| 2.4.4 基于SVM的车牌精确定位 | 第29-31页 |
| 2.5 实验结果 | 第31-32页 |
| 2.6 本章小结 | 第32-34页 |
| 3 车牌字符分割 | 第34-41页 |
| 3.1 引言 | 第34页 |
| 3.2 车牌字符的特征 | 第34-35页 |
| 3.2.1 车牌字符的轮廓特征 | 第34页 |
| 3.2.2 车牌字符的几何特征 | 第34-35页 |
| 3.3 常见车牌字符分割方法 | 第35-36页 |
| 3.3.1 基于垂直投影的字符分割方法 | 第35页 |
| 3.3.2 基于模板匹配的字符分割方法 | 第35页 |
| 3.3.3 基于连通域标记的字符分割方法 | 第35-36页 |
| 3.4 本文车牌字符分割方法 | 第36-39页 |
| 3.5 实验结果 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 4 车牌字符识别 | 第41-48页 |
| 4.1 引言 | 第41页 |
| 4.2 常见车牌字符识别方法 | 第41-43页 |
| 4.2.1 模板匹配法 | 第41页 |
| 4.2.2 支持向量机 | 第41页 |
| 4.2.3 人工神经网络 | 第41-43页 |
| 4.3 本文车牌字符识别方法 | 第43-46页 |
| 4.3.1 字符图片的特征提取 | 第43-44页 |
| 4.3.2 BP神经网络训练 | 第44-46页 |
| 4.4 实验结果 | 第46页 |
| 4.5 本章小结 | 第46-48页 |
| 5 车牌识别系统的实现 | 第48-57页 |
| 5.1 引言 | 第48页 |
| 5.2 硬件介绍 | 第48-49页 |
| 5.2.1 树莓派 | 第48-49页 |
| 5.2.2 树莓派摄像头 | 第49页 |
| 5.3 系统实现 | 第49-55页 |
| 5.3.1 图像采集 | 第50页 |
| 5.3.2 车牌识别算法识别 | 第50-51页 |
| 5.3.3 数据库建立与调用 | 第51-54页 |
| 5.3.4 树莓派GPIO输出 | 第54-55页 |
| 5.4 实验结果 | 第55-56页 |
| 5.5 本章小结 | 第56-57页 |
| 6 总结与展望 | 第57-59页 |
| 6.1 工作总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62页 |
