基于深度学习的车牌识别关键技术研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 车牌识别的研究现状 | 第12-14页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 车牌识别技术难点 | 第14-15页 |
| 1.4 课题研究内容及本人主要工作 | 第15页 |
| 1.5 文章结构 | 第15-17页 |
| 第二章 深度学习概述 | 第17-37页 |
| 2.1 深度学习的背景 | 第17-19页 |
| 2.2 深度学习基础 | 第19-29页 |
| 2.2.1 线性回归 | 第19-20页 |
| 2.2.2 逻辑回归 | 第20-21页 |
| 2.2.3 学习算法 | 第21-22页 |
| 2.2.4 代价函数 | 第22-24页 |
| 2.2.5 随机梯度下降 | 第24-25页 |
| 2.2.6 激活函数 | 第25-28页 |
| 2.2.7 反向传播算法 | 第28-29页 |
| 2.3 卷积神经网络 | 第29-36页 |
| 2.3.1 卷积神经网络的结构 | 第29页 |
| 2.3.2 卷积运算 | 第29-30页 |
| 2.3.3 局部感受野 | 第30-31页 |
| 2.3.4 权值共享 | 第31-32页 |
| 2.3.5 池化 | 第32-34页 |
| 2.3.6 卷积神经网络的训练 | 第34-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第三章 车牌定位 | 第37-57页 |
| 3.1 国内车牌特征 | 第37-38页 |
| 3.2 图像预处理 | 第38-40页 |
| 3.2.1 灰度化 | 第38-39页 |
| 3.2.2 平滑滤波 | 第39-40页 |
| 3.3 常见的车牌定位算法 | 第40-44页 |
| 3.3.1 基于边缘信息的车牌定位算法 | 第40-42页 |
| 3.3.2 基于颜色信息的车牌定位算法 | 第42-43页 |
| 3.3.3 基于纹理信息的车牌定位算法 | 第43-44页 |
| 3.3.4 基于人工神经网络的车牌定位算法 | 第44页 |
| 3.4 基于边缘信息与颜色信息的车牌定位 | 第44-51页 |
| 3.4.1 颜色定位部分 | 第45-48页 |
| 3.4.2 SVM训练部分 | 第48-49页 |
| 3.4.3 边缘检测部分 | 第49-51页 |
| 3.5 算法复杂度分析 | 第51-52页 |
| 3.6 算法实验结果 | 第52-56页 |
| 3.6.1 测试数据 | 第52-53页 |
| 3.6.2 测试环境 | 第53-54页 |
| 3.6.3 测试效果 | 第54-55页 |
| 3.6.4 实验结果 | 第55-56页 |
| 3.7 本章小结 | 第56-57页 |
| 第四章 字符分割和字符识别 | 第57-68页 |
| 4.1 图像预处理 | 第57-59页 |
| 4.1.1 灰度化 | 第57-58页 |
| 4.1.2 二值化 | 第58-59页 |
| 4.2 车牌倾斜校正 | 第59-63页 |
| 4.2.1 基于Radon变换的倾斜校正 | 第59-60页 |
| 4.2.2 间隔符消除 | 第60页 |
| 4.2.3 车牌边框消除 | 第60-63页 |
| 4.3 车牌字符分割 | 第63-64页 |
| 4.4 车牌字符识别 | 第64-65页 |
| 4.4.1 常用的字符识别方法 | 第64页 |
| 4.4.2 基于模板匹配的车牌字符识别 | 第64-65页 |
| 4.5 算法复杂度分析及测试 | 第65-67页 |
| 4.6 本章小结 | 第67-68页 |
| 第五章 基于深度学习的车牌识别 | 第68-90页 |
| 5.1 车牌数据集 | 第68-70页 |
| 5.1.1 数据集获取 | 第68页 |
| 5.1.2 数据增强 | 第68-70页 |
| 5.1.3 数据标注 | 第70页 |
| 5.2 框架的选择与环境搭建 | 第70-72页 |
| 5.2.1 深度学习框架的选择 | 第70-71页 |
| 5.2.2 实验环境配置 | 第71-72页 |
| 5.3 网络结构设计 | 第72-75页 |
| 5.3.1 AlexNet网络结构 | 第73-74页 |
| 5.3.2 本文设计的网络结构 | 第74-75页 |
| 5.4 输出单元 | 第75-76页 |
| 5.5 训练过程 | 第76页 |
| 5.6 训练曲线 | 第76-77页 |
| 5.7 模型测试 | 第77页 |
| 5.8 系统综合测试 | 第77-89页 |
| 5.8.1 一般环境下的车牌识别 | 第78-79页 |
| 5.8.2 小角度倾斜环境下的车牌识别 | 第79-80页 |
| 5.8.3 大角度倾斜环境下的车牌识别 | 第80页 |
| 5.8.4 夜间车辆大灯干扰环境下的车牌识别 | 第80-82页 |
| 5.8.5 光照不足环境下的车牌识别 | 第82-83页 |
| 5.8.6 阴雨天环境下的车牌识别 | 第83-84页 |
| 5.8.7 大雾环境下的车牌识别 | 第84-85页 |
| 5.8.8 车牌污损环境下的车牌识别 | 第85-86页 |
| 5.8.9 部分识别错误案例 | 第86-89页 |
| 5.9 实验结论 | 第89页 |
| 5.10 本章小结 | 第89-90页 |
| 第六章 总结与展望 | 第90-92页 |
| 6.1 全文工作总结 | 第90页 |
| 6.2 展望 | 第90-92页 |
| 致谢 | 第92-93页 |
| 参考文献 | 第93-97页 |
| 攻读硕士期间的研究成果 | 第97页 |
