【正文】 北京理工大學(xué)2014屆本科生畢業(yè)設(shè)計(jì)（論文）一、原始依據(jù)（包括設(shè)計(jì)或論文的工作基礎(chǔ)、研究條件、應(yīng)用環(huán)境、工作目的等。）工作基礎(chǔ)：了解C++的基本概念和語(yǔ)法，熟練使用Visual C++軟件。研究條件：依據(jù)BP神經(jīng)網(wǎng)絡(luò)的基本原理完成算法實(shí)現(xiàn)。應(yīng)用環(huán)境：基于BP神經(jīng)網(wǎng)絡(luò)的圖像文件中的車牌號(hào)碼識(shí)別。工作目的：熟練掌握Visual C++應(yīng)用程序的開發(fā)。 了解人工智能的基本概念以及神經(jīng)網(wǎng)絡(luò)的基本原理。 熟練掌握Visual C++中的圖片處理的基本方法。二、參考文獻(xiàn)[1]人工智能原理及其應(yīng)用，王萬(wàn)森，電子工業(yè)出版社，2007.[2]VC++深入詳解，孫鑫，電子工業(yè)出版社，2006.[3]人工神經(jīng)網(wǎng)絡(luò)原理, 馬銳，機(jī)械工業(yè)出版社，2010.[4]Visual C++數(shù)字圖像處理典型案例詳解，沈晶，機(jī)械工業(yè)出版社，2012.[5]Application of Image Processing to the Characterization of Nanostructures，Manuel F. M. Costa，Reviews on Advanced Materials Science,2004.三、設(shè)計(jì)（研究）內(nèi)容和要求（包括設(shè)計(jì)或研究?jī)?nèi)容、主要指標(biāo)與技術(shù)參數(shù)，并根據(jù)課題性質(zhì)對(duì)學(xué)生提出具體要求。）掌握C++的基本概念和語(yǔ)法。了解神經(jīng)網(wǎng)絡(luò)的基本原理。完成Visual C++中對(duì)于圖像的預(yù)處理。完成基于樣本的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練以及圖像中車牌信息的識(shí)別，并對(duì)其性能進(jìn)行統(tǒng)計(jì)和總結(jié)。指導(dǎo)教師（簽字）年 月 日審題小組組長(zhǎng)（簽字）年 月 日天津大學(xué)仁愛學(xué)院本科生畢業(yè)設(shè)計(jì)（論文）開題報(bào)告課題名稱基于BP網(wǎng)絡(luò)的車牌識(shí)別系統(tǒng)的設(shè)計(jì)系 名信息工程系專 業(yè)自動(dòng)化學(xué)生姓名魏章波指導(dǎo)教師扈書亮一、 課題來源及意義BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)是1986年由Rumelhart和McClelland為首的科學(xué)家小組提出, 是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò),是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入輸出模式映射關(guān)系,而無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。它的學(xué)習(xí)規(guī)則是使用最速下降法,通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值,使網(wǎng)絡(luò)的誤差平方和最小。智能交通管理系統(tǒng)是21世紀(jì)道路交通管理的發(fā)展趨勢(shì)。高速公路的不斷發(fā)展和車輛管理體制的不斷完善，為以圖像識(shí)別為基礎(chǔ)的智能交通管理系統(tǒng)進(jìn)入實(shí)際應(yīng)用領(lǐng)域提供了契機(jī)?；贐P網(wǎng)絡(luò)的車牌識(shí)別系統(tǒng)正是在這種應(yīng)用背景下研制出來的，它能夠自動(dòng)、實(shí)時(shí)地識(shí)別車輛牌照，從而監(jiān)控車輛的收費(fèi)、闖關(guān)、欠費(fèi)以及各種舞弊現(xiàn)象。車牌識(shí)別的實(shí)質(zhì)是對(duì)車牌上的數(shù)字、字母和漢字進(jìn)行快識(shí)別并以字符的形式輸出識(shí)別結(jié)果，字符識(shí)別是整個(gè)車牌識(shí)別過程的關(guān)鍵所在。由于圖像獲取時(shí)的外界環(huán)境不同的影響，系統(tǒng)必須保證能夠在任何天氣情況下全天不間斷的正常工作。因此，對(duì)于研究基于BP網(wǎng)絡(luò)的車牌識(shí)別系統(tǒng)有重要的意義。二、 國(guó)內(nèi)外發(fā)展現(xiàn)狀從上世紀(jì)90年代初，基于圖像處理的車牌識(shí)別技術(shù)的研究在歐美發(fā)達(dá)國(guó)家已經(jīng)興起。比如在美國(guó)、意大利、德國(guó)、以色列、新加坡等國(guó)家，都已經(jīng)有比較成熟的產(chǎn)品投入了應(yīng)用，如以色列的HiTech公司的See/Car System系列產(chǎn)品，美國(guó)的（AUTOSCOF）[2003系統(tǒng)]，香港Asia Vision Technology公司的VECON產(chǎn)品，德國(guó)西門子公司的ARTEM7S系統(tǒng)，新加坡Optasia公司的VLPRS產(chǎn)品等，其中VECON和VLPRS產(chǎn)品主要適合于香港和新加坡的車牌，HiTech公司的See/Car System有多種變形產(chǎn)品來分別適應(yīng)某一個(gè)國(guó)家的車牌，但因?yàn)槲覈?guó)車牌式樣的多樣性和顏色的多樣性以及包含漢字等特點(diǎn)，這些車牌識(shí)別系統(tǒng)并不適合我國(guó)國(guó)情。我國(guó)的條件與國(guó)外不同，不僅車牌的種類多，而且車牌不夠規(guī)范，分為很多種類型，并且車牌上還有漢字。按顏色分類，有藍(lán)底白字、黃底黑字、白底黑字和黑底白字之分，有些部隊(duì)用車車牌字符還分為了兩行，這些都決定了我國(guó)的車牌識(shí)別相對(duì)于國(guó)外較為困難。近幾年，我國(guó)也有很多科研單位和公司進(jìn)行車牌識(shí)別方面的研究，也取得了一些成績(jī)。我國(guó)做的較好的產(chǎn)品有中科院自動(dòng)化研究所汗土公司的“汗土眼”，天勤科技公司的車牌識(shí)別系統(tǒng)，背景龍人計(jì)算機(jī)系統(tǒng)有限公司的停車場(chǎng)收費(fèi)系統(tǒng)。但對(duì)環(huán)境要求比較高，在全天候的條件下，都存在著識(shí)別精度不高的問題，識(shí)別時(shí)間比較長(zhǎng)的缺點(diǎn)。因此車牌識(shí)別系統(tǒng)有很大的發(fā)展空間。三、研究目標(biāo)熟練掌握Visual C++應(yīng)用程序的開發(fā)。了解人工智能的基本概念以及神經(jīng)網(wǎng)絡(luò)的基本原理。熟練掌握Visual C++中的圖片處理的基本方法。四、研究?jī)?nèi)容圖像輸入灰度轉(zhuǎn)化邊緣檢測(cè)二值化幾何調(diào)整牌照剪切圖像去噪字符分割歸一化處理輸出結(jié)果字符識(shí)別神經(jīng)網(wǎng)絡(luò)設(shè)置圖像預(yù)處理車牌定位字符分割字符識(shí)別 圖1 車牌識(shí)別系統(tǒng)流程圖車牌識(shí)別系統(tǒng)主要包括圖像預(yù)處理、車牌定位、字符分割、字符識(shí)別四個(gè)步驟，總體流程圖如上圖所示。圖像預(yù)處理：該單元對(duì)拍攝的汽車圖片進(jìn)行灰度化邊緣檢測(cè)等處理。在外界光照不均勻，光照強(qiáng)度不穩(wěn)定的情況下，通過攝像機(jī)采集到的車牌原始圖像會(huì)模糊不清，因此需要對(duì)其進(jìn)行圖像增強(qiáng)的處理。車牌定位：對(duì)預(yù)處理過的汽車牌照?qǐng)D片進(jìn)行處理，把車牌部分進(jìn)行定位，刪除無用區(qū)域，得到車牌圖片。從原圖像中提取出需要的部分舍棄不需要的部分，以便節(jié)省系統(tǒng)識(shí)別時(shí)間。字符分割：把車牌圖像中的每個(gè)字符從整個(gè)圖像中分割出來，使其成為單個(gè)字符。然后把字符歸一化為系統(tǒng)可以識(shí)別的規(guī)格大小，輸入到系統(tǒng)中以待識(shí)別，確保字符的完整性。字符識(shí)別：將需要識(shí)別的樣本輸入系統(tǒng)，選擇合適的模式識(shí)別的方法，輸入正確的字符。五、研究方法與手段掌握C++的基本概念和語(yǔ)法，熟練使用 Visual C++。依據(jù)BP神經(jīng)網(wǎng)絡(luò)的基本原理實(shí)現(xiàn)算法，完成Visual C++對(duì)于圖像的預(yù)處理及字符的識(shí)別和基于樣本的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練以及圖像中車牌信息的識(shí)別，并對(duì)其性能進(jìn)行統(tǒng)計(jì)和總結(jié)，確定最終的識(shí)別誤差。應(yīng)用程序平臺(tái)完全采用 Visual C++開發(fā)，整個(gè)系統(tǒng)運(yùn)用了大量的 Visual C++編程技術(shù)，如圖像處理技術(shù)、動(dòng)態(tài)鏈接庫(kù)技術(shù)、數(shù)據(jù)庫(kù)技術(shù)等，要有完備的程序以識(shí)別多組車牌。六、進(jìn)度安排— 查找資料，通過書籍和視頻學(xué)習(xí)C++的基本概念和語(yǔ)法，練習(xí)使用 VC++。了解BP神經(jīng)網(wǎng)絡(luò)的基本原理及人工智能的基本概念。完成開題報(bào)告?！? 掌握Visual C++?！? 編寫程序，完成Visual C++中對(duì)于車牌圖像的預(yù)處理。— 完成車牌圖像中字符的識(shí)別，并對(duì)其性 能進(jìn)行測(cè)試和總結(jié)，確定最終識(shí)別誤差?！? 撰寫論文，準(zhǔn)備答辯。七、主要參考文獻(xiàn)[1]史忠職. 神經(jīng)網(wǎng)絡(luò)[M]. 高等教育出版社，.[2]++深入詳解[M]. 電子工業(yè)出版社，2006.[3]王萬(wàn)森. 人工智能原理及其應(yīng)用[M]. 電子工業(yè)出版社，2007.[4]董志鵬，侯艷書. Visual C++編程從基礎(chǔ)到應(yīng)用[M]. 清華大學(xué)出版社，[5]沈晶. Visual C++數(shù)字圖像處理典型案例詳解[M]. 機(jī)械工業(yè)出版社，2012.[6]張世輝，[J]. 燕山大學(xué)學(xué)報(bào)，2003,04(3)8085.[7]曾志軍，孫國(guó)強(qiáng). 基于改進(jìn)的BP 網(wǎng)絡(luò)數(shù)字字符識(shí)別[J].上海理工大學(xué)學(xué)報(bào)，2008, 32(1)5153.[8]王旭,王宏,王文輝. 人工神經(jīng)元網(wǎng)絡(luò)原理與應(yīng)用[M]. 第二版. 東北大學(xué)出版社, 2007年. [9]歐陽(yáng)俊，[J].光學(xué)與光電技術(shù)，2012，10（5）6771.[10]張玲，張鳴明，[J].視頻應(yīng)用與工程，2008,32（S1）140142.[11]Application of Image Processing to the Characterization of Nanostructures，Manuel F. M. Costa，Reviews on Advanced Materials Science.[12]Bartlett P L. Ada Boost is Consistent [M]. Department of statics and puter science of California.選題是否合適： 是□ 否□課題能否實(shí)現(xiàn)： 能□ 不能□指導(dǎo)教師（簽字）年 月 日選題是否合適： 是□ 否□課題能否實(shí)現(xiàn)： 能□ 不能□審題小組組長(zhǎng)（簽字）年 月 日摘 要基于BP網(wǎng)絡(luò)的車牌識(shí)別是一門對(duì)車牌字符識(shí)別的技術(shù)，它的產(chǎn)生是為了完善智能交通系統(tǒng)，使得交通系統(tǒng)更具有信息時(shí)代的意義。本文利用BP神經(jīng)網(wǎng)絡(luò)與圖像處理技術(shù)相結(jié)合的方法，將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用到車牌字符識(shí)別中。針對(duì)車牌圖像的處理的過程包括：車牌圖像去噪、車牌圖像灰度化、車牌圖像二值化、車牌字符圖像分割、車牌字符圖像歸一化、車牌字符圖像特征值提取。前面五個(gè)過程是為了保證字符信息能更好的體現(xiàn)出來，有利于將特征值提取。BP神經(jīng)網(wǎng)絡(luò)通過對(duì)組件的車牌字符庫(kù)的學(xué)習(xí)后才會(huì)具有識(shí)別功能，然后將車牌字符圖像提取到的特征值送入到BP神經(jīng)網(wǎng)絡(luò)中就能識(shí)別出來。通過實(shí)驗(yàn)證明了通過上述的過程是能夠?qū)④嚺谱址R(shí)別出來，在這個(gè)識(shí)別過程中對(duì)于BP網(wǎng)絡(luò)訓(xùn)練的收斂性是十分重要的，證明了該方法的有效性。關(guān)鍵字：字符識(shí)別；BP神經(jīng)網(wǎng)絡(luò)；特征值提取；車牌識(shí)別ABSTRACTBP network based license plate character recognition is one pair of license plate character recognition technology, which is produced in order to improve intelligent transportation system, making the transport system more meaningful information age.In this paper, BP neural network and image processing technology, a bination of methods will be applied to the license plate BP neural network character recognition. For the license plate image processing process includes: license plate image denoising, gray plate image, license plate image binarization, license plate character segmentation, license plate character image normallization, license plate character image feature extraction. During the previous five character information in order to ensure better reflected the benefit is worth the feature extraction,. Through the formation of BP neural network library for license plate character recognition function after learning will have, and then extract the license plate character image characteristic value fed to BP neural network can be identified.The experimental results show the process by the above license plate character can be identified, in this process of identifying convergence BP network training is very important and effectively identifythe plate proved that the method is effective.Key words: character recognition。 BP neural network。 feature extraction。 license plates recognition目　　錄第一章　　緒論 1　課題研究背景 1　研究現(xiàn)狀 2　本文研究?jī)?nèi)容 3第二章　　字符識(shí)別方法 4　圖像預(yù)處理 4　車牌定位 6　字符分割 9第三章　　BP神經(jīng)網(wǎng)絡(luò) 13　人工神經(jīng)網(wǎng)絡(luò) 13　BP網(wǎng)絡(luò) 16第四章　　基于BP網(wǎng)絡(luò)的車牌識(shí)別系統(tǒng) 22　字符特征提取 22　系統(tǒng)識(shí)別模塊 22　程序運(yùn)行 23第五章　　總結(jié)與展望 27　總結(jié) 27　展望 27參考文獻(xiàn) 28外文資料中文譯文致謝1北京理工大學(xué)2014屆本科生畢業(yè)設(shè)計(jì)（論文）第一章　　緒論　課題研究背景