【正文】 摘 要 隨著現(xiàn)代交通運輸?shù)难该桶l(fā)展，以及汽車的大量普及，車牌識別技術(shù)的應用已經(jīng)成為交通管理部門重要的管理手段。 本文主要研究了 車牌字符的識別 技術(shù) ，并 將 BP 神經(jīng)網(wǎng)絡應用于車牌的 識別，在車牌圖像進行預處理 的基礎上，重點討論了用 BP 神經(jīng)網(wǎng)絡方法對車牌 字符的識別。 BP 網(wǎng)絡包含了神經(jīng)網(wǎng)絡理論中最精華的部分，由于其結(jié)構(gòu)簡單、可塑性強，得到了廣泛 的應用，特別它的數(shù)學意義明確、步驟分明的學習算法更使其具有更廣泛的應用背景 。本文介紹的方法 是建立在 首先將訓練樣本做圖像預處理， 再 對車牌上的字符進行分割，得到單個字符 的基礎 上， 對大小不一的字符做歸一化后，得到二值圖像，作為輸入矢量。把這個特征向量送到 BP 網(wǎng)絡中進行訓練，得到了訓練好的權(quán)值。然后 輸入 要識別的圖片，進行識別 。 程序結(jié)果顯示該 方法具有一定的可靠性和可 應 用性。 關鍵字： LPR； 字符識別； BP 神經(jīng)網(wǎng)絡； ABSTRACT With the rapid development of the modern transport and the large mumber of popular car,license plate recognition technology have bee an inportant management tool of the traffic the discernment to the number plate character, this text applies BP neural work to the automatic discernment of the automobile number plate, on the basis that the number plate picture goes on in advance treated , is it use BP neural work method to car discernment , license plate of character to discuss work includes neural word theory in essence,because of its simple structure ,strong plastic,it is widely its mathematical meaning clear,distinct step in the learning algorithm is more to the wider use of background. Will train samples to do the pretreatment of the picture at first, character in number plate cut apart, get the individual character. Then we get a receive characteristic vector quantity like this to put, what the vector quantity of this characteristic is written down is the characteristic of the the characteristic vector quantity BP work train, get good right value of trainin. Open picture discerned to want, go on to picture in advance treated to can discern. It shows that the validity of this method .The results of the procedures showed that the method is reliability. Key words： The number plate discerning； The character discerning； LPR； BP neural work； 目 錄 第一章 概 述 .....................................................1 基本概念 .....................................................1 車牌字符識別簡介 .............................................4 車牌字符識別發(fā)展概況 ....................................4 車牌字符識別系統(tǒng)用到的方法 ..............................4 國內(nèi)外研究現(xiàn)狀和發(fā)展趨勢 ......................................7 第二章 神經(jīng)網(wǎng)絡簡介 ...............................................9 人工神經(jīng)元 ....................................................9 神經(jīng)元模型 ...............................................9 幾種常用的作用函數(shù) .....................................10 人工神經(jīng)網(wǎng)絡構(gòu)成 .............................................10 基本模型 ...............................................10 前向網(wǎng)絡 ...............................................11 Hebb 學習規(guī)則 ...........................................11 δ 學習規(guī)則 .............................................12 BP 神經(jīng)網(wǎng)絡 ..................................................12 BP 網(wǎng)絡模型 .............................................12 輸入輸出關系 ...........................................12 網(wǎng)絡學習訓練 ...........................................12 BP 網(wǎng)絡的設計問題 .......................................13 BP 網(wǎng)絡的限制與不足 .....................................15 BP 算法的改進 ...........................................15 第三章 車牌字符識別的神經(jīng)網(wǎng)絡設計 .............................18 車牌字符識別的設計思路 .......................................18 MABLAB 基本介紹 .........................................18 設計構(gòu)思介紹 ............................................20 相關理論基本介紹 ........................................20 車牌字符識別的神經(jīng)網(wǎng)絡設計 ...................................22 MATLAB 上的代碼實現(xiàn) .....................................22 代碼測試 ................................................23 結(jié)果測試 ................................................24 結(jié)束語 .............................................................25 致 謝 ............................................ 錯誤 !未定義書簽。 參考文獻 ...........................................................26 附錄 ................................................................27 南京郵電大學 2021 屆本科生畢業(yè)設計（論文） 1 第一章 概 述 基本概念 隨著 21 世紀經(jīng)濟全球化和信息時代的到來，計算機技術(shù)、通信技術(shù)和計算機網(wǎng)絡技術(shù)迅猛發(fā)展，自動化的信息處理能力和水平不斷提高，并在人們社會活動和生活的各個領域得到廣泛應用。高速度、高效率的生活節(jié)奏，使汽車普及成為必然趨勢，交通管理自動化越來越成為亟待解決的問題。在這種情況下，作為信息來源的自動檢測、圖 像識別技術(shù)越來越受到人們的重視。目前指紋識別、視網(wǎng)膜識別技術(shù)已經(jīng)到了實用階段；聲音識別技術(shù)發(fā)展也相當快，而對汽車牌照等相關信息的自動采集和管理對于交通車輛管理、園區(qū)車輛管理、停車場管理、交警稽查等方面有著十分重要的意義，成為信息處理技術(shù)的一項重要研究課題。 車輛牌照識別（ License Plate Recognition, LPR）技術(shù)作為交通管理自動化的重要手段，其任務是分析、處理汽車監(jiān)控圖像，自動識別汽車牌號，并進行相關智能化數(shù)據(jù)庫管理。 LPR 系統(tǒng)可以廣泛應用于高速公路電子收費站、出入控制、公路流量監(jiān)控 、失竊車輛查詢、停車場車輛管理、公路稽查、監(jiān)測黑牌機動車、監(jiān)控違章車輛的電子警察等需要車牌認證的重要場合，尤其在高速公路收費系統(tǒng)中，實現(xiàn)不停車收費技術(shù)可提高公路系統(tǒng)的運行效率， LPR 系統(tǒng)更具有不可替代的作用，因而對 LPR 車牌識別技術(shù)的研究和應用系統(tǒng)開發(fā)具有重要的現(xiàn)實意義。 LPR 系統(tǒng)中的兩個關鍵子系統(tǒng)是車牌定位系統(tǒng)和車牌字符分割識別系統(tǒng)。關于車牌識別技術(shù)及定位系統(tǒng)研究，國內(nèi)外學者已經(jīng)作了大量工作，但實際效果并不理想，對輔助光源要求高，很難有效解決復雜背景下多車牌識別的技術(shù)難題，如：車牌圖像的傾斜、車牌表面污 穢或磨損、光線干擾等都會影響定位的準確性。傳統(tǒng)車牌識別一般僅支持單一車輛，背景比較簡單。而當今許多實際應用場合，如在繁忙交通路口臨時對欠稅費報廢掛失等車輛的稽查，則監(jiān)視區(qū)域比較復雜，現(xiàn)有識別方法無法直接應用，一般同時出現(xiàn)多輛汽車，背景有廣告牌、樹木、建筑物、斑馬線以及各種背景文字等。 車牌定位與識別方法，總體來說是圖像處理技術(shù)與車牌本身特點的有機結(jié)合，當然也包括小波分析、神經(jīng)網(wǎng)絡、數(shù)學形態(tài)學、模糊理論等數(shù)學知識的有效運用。一個車牌定位與識別系統(tǒng)基本包括：圖像預處理、車牌搜索、車牌定位、車牌校正、車牌字符分割 和字 符識別結(jié)果的輸出。本系統(tǒng)主要是在對汽車圖像進行細致分析，從而研究車牌定位與識別的算法問題 。 汽車圖像的背景非常復雜 ,快速、準確地定位車牌是車牌自動識別技術(shù)的關鍵技術(shù)之一 ,也是研究的熱點和難點。長期以來 ,人們不斷探索研究高效的車牌定位方法 ,取得了一定的研究成果 ,有關這方面的論文屢見不鮮。但大都是基于汽車圖像的某個側(cè)面特征來定位車牌的 ,如基于邊緣檢測、紋理特征及顏色特征等。由于車牌背景的復雜性和車牌特征的多樣性 ,迄今為止 ,仍舊沒有一個完全通用的智能化的車牌定位方法。為了尋求一種智能化的車牌定位方法 ,人們嘗試 利用數(shù)學形態(tài)學和小波等原理對傳統(tǒng)的車牌定位方法進行改進 ,取得了一定的成果。李波等人提出了基于數(shù)學形態(tài)學和邊緣特征的車牌定位方法 ,這種方法先對車牌圖像進行預處理 ,然后利用基于垂直方向結(jié)構(gòu)元素的腐蝕運算進行濾波 , 再用閉合運算來填補車牌區(qū)域內(nèi)細小孔洞 ,進而增強車牌區(qū) ,使車牌區(qū)成為一個連通區(qū)域 , 最后利用字符邊緣的特征對車牌進行準確的定位。左奇等人提出基于數(shù)學形態(tài)學的實時車牌圖像的南京郵電大學 2021 屆本科生畢業(yè)設計（論文） 2 分割方法 ,該方法綜合運用了數(shù)學形態(tài)學和評價函數(shù) ,先運用數(shù)學形態(tài)學的膨脹算法 ,結(jié)合信號處理中的帶通濾波算法 ,把車牌圖像的紋理結(jié)構(gòu)和整體結(jié) 構(gòu)特征相統(tǒng)一 ,再利用數(shù)學形態(tài)學的線運算和投影法準確定位車牌區(qū)域。這種方法不僅可以快速、準確地定位不同光照條件下的一系列汽車圖像中的車牌 ,而且還適于對有噪聲及復雜背景的車牌圖像進行分割。 這些方法將數(shù)學形態(tài)學運算與數(shù)字圖像的特征相結(jié)合 , 有效改進了傳統(tǒng)的車牌定位方法 , 提高了車牌定位的速度和準確度。 但數(shù)學形態(tài)學在車牌定位中的應用還不夠廣泛 ,定位效果還不夠理想