卷积神经网络算法在车牌识别中的应用研究【字数：10744】
随着现在人们生活质量的提高，汽车这一代步工具被越来越多的人使用，随之而来的是各种社会高关注度问题交通违章、区域门禁、出行安全等等。这些问题都与车牌的识别有联系，因此车牌识别已经是当今社会不可缺少的技术。本实验使用了python的TensorFlow框架进行开发，从技术、操作、经济和社会四个方面进行可行性分析。项目中使用了卷积神经网络与TensorFlow框架的相关知识，构建了一个两层卷积网络的模型来进行车牌训练。整个实验经历了几个过程根据学习的资料构建一个两层网络模型、使用数据集对模型进行训练、对实验结果进行分析。本文主要介绍了本课题的研究背景、国内外研究现状、所用的开发环境与实验的过程和效果，重点介绍了所用的卷积神经网络算法的相关技术和使用的模型。
目 录
1 绪论 1
1.1 课题研究背景 1
1.2 课题研究目的 1
1.3 课题的研究现状 2
1.4 课题对社会的影响 3
1.5 本文的主要工作 3
2技术简介 5
2.1神经网络 5
2.2卷积神经网络 6
2.3softmax 9
2.4损失函数 9
2.5优化器 9
3 可行性分析 11
3.1技术可行性 11
3.2 操作可行性 11
3.3 经济可行性 11
3.4 社会可行性 11
4实验设计 12
4.1 数据集的介绍 12
4.2网络模型 12
4.3训练方法 13
4.4结果分析 13
4.5效果展示 16
4.6实验遇到的问题和反思 18
5关键代码介绍 19
5.1数据集的读取 19
5.2车牌训练 19
5.3提取图片特征 20
5.4处理车牌图片 21
5.5预测 22
6 总结与展望 23
参考文献 25
致谢 26
1 绪论
1.1 课题研究背景
随着经济社会的飞速发展， *好棒文|www.hbsrm.com +Q: ￥351916072$
人们的生活水平有了极大的提高。人们的消费能力也极大的提高，汽车逐渐成为了人们日常出行的必备交通工具，据统计公民的汽车保有量逐渐逐年提高。据统计，截止到去年的7月份，交通部发布的我国机动车保有量达3.19亿辆。为了提高车辆的管理效率，环节交通的压力，我们必须加大对机动车的管理。而作为汽车在日常生活的唯一识别标志车牌，是我们识别汽车的最直接的手段。
同时伴随着计算机技术的发展，社会已经进入到了信息化时代，计算机处理手段已经被应用到各个方面。人们把图像等信息交给计算机检测，不仅可以节省人力物力，也可以给人们的生活带来极大的便利。因此，设计出一套有效的车牌识别的算法，可以应用到诸如，在高速上监察违法车辆、交通事故的现场检测、停车场的收费和管理系统等各种各样的情境中去。
1.2 课题研究目的
随着人工智能在近两年的不断兴起，在技术上的发展和进步，越来越多的行业都把人工智能的应用看的越来越重，考虑如何把产品结合人工智能的方法。大量的机器学习算法被应用于图像处理等领域因此，车牌识别就可以辅以传统图像处理手段，结合深度学习的方法，以达到提高精度的目的。
目前我国的机动车数量基数大，保有量每年都在递增。这就导致了严重的交通堵塞、交通事故的发生以及环境污染等问题。所以加强对汽车的管理已经成了当前很迫切的事情。如何实现对汽车高效管理就是当下一个比较重要的问题。不管哪种管理汽车的方法，对机动车牌照的监管一定是一种有效的方式。所以一个有效的车牌识别算法就是一个比较核心问题。我们既要保证车牌识别技术可以全天候使用，又要考虑到各种恶劣的极端天气情况，诸如大雾，沙尘暴等。还要考虑汽车牌照的模糊以及污损的情况。
本实验的主要目的就是结合神经网络，训练出一个识别车牌的网络模型。卷积神经网络（CNN）的出现让图像处理有了极大的进步。卷积神经网络可以提取比较丰富的图片特征，进而使识别的精确度有很大的提高。基于神经网络的字符识别方法有着良好的容错率、分类能力和自主学习能力，适应性好，可满足实时识别车牌的要求。
1.3 课题的研究现状
1.3.1国内外研究现状
车牌识别在国外起步比较早，从上个世纪的80年代开始，国外就已经有人开始进行车牌识别方面的研究了。但是开始的时候受限于研究手段单一，起步阶段只是把图像处理方面的技术运用到车牌识别中去。而且最终生成的只能作为参考，还是需要人工去比对结果的。
进入到了20世纪90年代，车牌识别才真正的开始起步。比较典型的一种方法就是对车牌先进行图像分割然后进行特征提取和模版构造，最后是完成车牌中的字符识别。之后又有Lotufo使用视觉字符识别技术分析所得到的车牌图像的特征，之后运用统计最近邻的分类器，把车牌中的字符和数据库中的字符进行比较，得到一个或者一组比较可靠的候选号码，然后进行核实后在确定。虽然说大大加强了准确率，但是在时间和识别速度上都还需要很大的提高，不能满足实时性的需求。
我国在上世纪90年代也开始了自己的车牌识别的研究，对于之前国外的车牌识别技术只能起到一个有限的参考作用。国外的都是以字母和数字为主，但是我国的车牌还夹杂了汉字。目前比较成熟的是我国中科院自动化所汉王公司的汉王眼，香港亚洲视觉公司的慧光等等。我国诸如西安交通大学、清华大学和浙江大学等也都有做过类似研究。
1.3.2 文献评述
通过对文献的分析研究，发现如下：
如果采用传统的图像处理算法，主要有下面几种方法。基于水平灰度变化特征的方法、车牌颜色特征的方法、基于Housh变换的方法以及基于变换域的识别方法等。从上述方式中可以看出方法都比较单一，后期的精度不算太高，计算成本比较高。
目 录
1 绪论 1
1.1 课题研究背景 1
1.2 课题研究目的 1
1.3 课题的研究现状 2
1.4 课题对社会的影响 3
1.5 本文的主要工作 3
2技术简介 5
2.1神经网络 5
2.2卷积神经网络 6
2.3softmax 9
2.4损失函数 9
2.5优化器 9
3 可行性分析 11
3.1技术可行性 11
3.2 操作可行性 11
3.3 经济可行性 11
3.4 社会可行性 11
4实验设计 12
4.1 数据集的介绍 12
4.2网络模型 12
4.3训练方法 13
4.4结果分析 13
4.5效果展示 16
4.6实验遇到的问题和反思 18
5关键代码介绍 19
5.1数据集的读取 19
5.2车牌训练 19
5.3提取图片特征 20
5.4处理车牌图片 21
5.5预测 22
6 总结与展望 23
参考文献 25
致谢 26
1 绪论
1.1 课题研究背景
随着经济社会的飞速发展， *好棒文|www.hbsrm.com +Q: ￥351916072$
人们的生活水平有了极大的提高。人们的消费能力也极大的提高，汽车逐渐成为了人们日常出行的必备交通工具，据统计公民的汽车保有量逐渐逐年提高。据统计，截止到去年的7月份，交通部发布的我国机动车保有量达3.19亿辆。为了提高车辆的管理效率，环节交通的压力，我们必须加大对机动车的管理。而作为汽车在日常生活的唯一识别标志车牌，是我们识别汽车的最直接的手段。
同时伴随着计算机技术的发展，社会已经进入到了信息化时代，计算机处理手段已经被应用到各个方面。人们把图像等信息交给计算机检测，不仅可以节省人力物力，也可以给人们的生活带来极大的便利。因此，设计出一套有效的车牌识别的算法，可以应用到诸如，在高速上监察违法车辆、交通事故的现场检测、停车场的收费和管理系统等各种各样的情境中去。
1.2 课题研究目的
随着人工智能在近两年的不断兴起，在技术上的发展和进步，越来越多的行业都把人工智能的应用看的越来越重，考虑如何把产品结合人工智能的方法。大量的机器学习算法被应用于图像处理等领域因此，车牌识别就可以辅以传统图像处理手段，结合深度学习的方法，以达到提高精度的目的。
目前我国的机动车数量基数大，保有量每年都在递增。这就导致了严重的交通堵塞、交通事故的发生以及环境污染等问题。所以加强对汽车的管理已经成了当前很迫切的事情。如何实现对汽车高效管理就是当下一个比较重要的问题。不管哪种管理汽车的方法，对机动车牌照的监管一定是一种有效的方式。所以一个有效的车牌识别算法就是一个比较核心问题。我们既要保证车牌识别技术可以全天候使用，又要考虑到各种恶劣的极端天气情况，诸如大雾，沙尘暴等。还要考虑汽车牌照的模糊以及污损的情况。
本实验的主要目的就是结合神经网络，训练出一个识别车牌的网络模型。卷积神经网络（CNN）的出现让图像处理有了极大的进步。卷积神经网络可以提取比较丰富的图片特征，进而使识别的精确度有很大的提高。基于神经网络的字符识别方法有着良好的容错率、分类能力和自主学习能力，适应性好，可满足实时识别车牌的要求。
1.3 课题的研究现状
1.3.1国内外研究现状
车牌识别在国外起步比较早，从上个世纪的80年代开始，国外就已经有人开始进行车牌识别方面的研究了。但是开始的时候受限于研究手段单一，起步阶段只是把图像处理方面的技术运用到车牌识别中去。而且最终生成的只能作为参考，还是需要人工去比对结果的。
进入到了20世纪90年代，车牌识别才真正的开始起步。比较典型的一种方法就是对车牌先进行图像分割然后进行特征提取和模版构造，最后是完成车牌中的字符识别。之后又有Lotufo使用视觉字符识别技术分析所得到的车牌图像的特征，之后运用统计最近邻的分类器，把车牌中的字符和数据库中的字符进行比较，得到一个或者一组比较可靠的候选号码，然后进行核实后在确定。虽然说大大加强了准确率，但是在时间和识别速度上都还需要很大的提高，不能满足实时性的需求。
我国在上世纪90年代也开始了自己的车牌识别的研究，对于之前国外的车牌识别技术只能起到一个有限的参考作用。国外的都是以字母和数字为主，但是我国的车牌还夹杂了汉字。目前比较成熟的是我国中科院自动化所汉王公司的汉王眼，香港亚洲视觉公司的慧光等等。我国诸如西安交通大学、清华大学和浙江大学等也都有做过类似研究。
1.3.2 文献评述
通过对文献的分析研究，发现如下：
如果采用传统的图像处理算法，主要有下面几种方法。基于水平灰度变化特征的方法、车牌颜色特征的方法、基于Housh变换的方法以及基于变换域的识别方法等。从上述方式中可以看出方法都比较单一，后期的精度不算太高，计算成本比较高。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/563.html
