【正文】 使用不同內(nèi)核和參數(shù)所獲得的結(jié)果如下所示。這些建議值之后被用于描述局部區(qū)域的方向值儲存起來。通過在我輸入的訓(xùn)練數(shù)據(jù)中的一個特征空間F內(nèi)考慮線性分類就會構(gòu)建出一個可以實現(xiàn)非線性分類的分隔超平面，其中的輸入數(shù)據(jù)可以映射為： (10)所以通過上述所有公式將所有輸入空間內(nèi)的點x替換為特征空間內(nèi)的點，即可完成線性到非線性的轉(zhuǎn)化，特別的對于（4）式中的雙L，可以表示為： (11)盡管如此，在計算梯狀產(chǎn)生式時會產(chǎn)生一個問題，它的計算開銷會變得過大，尤其是特征空間非常巨大時。因為顏色或者紋理特征在給定大量相同顏色的汽車的時候效果并不明顯，因此唯一可以選擇的特征便是形狀了。每一次版本升級都伴隨著眾多的函數(shù)更新和優(yōu)化。VC 集成了MFC ，于 1998 年發(fā)布，發(fā)布至今一直被廣泛地應(yīng)用于大大小小的項目開發(fā)。第三，在實際采集的圖片中，很多采集到的車牌是舊車車牌，或者車牌表面不潔凈，這造成圖片中的車牌區(qū)域很模糊、車牌區(qū)域的顏色信息丟失、車牌字符粘連等情況。各個大學(xué)也有自己的研究，如西北工業(yè)大學(xué)開發(fā)了一套基于 OCR 的車輛號牌的識別系統(tǒng)；西安交通大學(xué)有基于視頻的車輛號牌的識別系統(tǒng)；浙江大學(xué)人工智能研究所也推出了一套車輛號牌的識別系統(tǒng)，據(jù)報道其號牌定位正確率為94%；上海交通大學(xué)葉晨周研制的車輛號牌的識別系統(tǒng)，據(jù)報道漢字、數(shù)字和字母的識別率都大于96%，車輛號牌的識別率為82%；同濟大學(xué)關(guān)于車輛號牌自動定位分割算法的成功率據(jù)報道為90%，由上可得，都未見完全的識別率和識別正確率報道[2]。為了滿足這些需求，有必要在智能交通管理系統(tǒng)中引入車輛牌照自動識別技術(shù)。車牌識別系統(tǒng)的設(shè)計與實現(xiàn)參考畢業(yè)論文 目錄1引言 1 1 3 3 4 52系統(tǒng)開發(fā)編程語言 7 Visual C++介紹 7 OpenCV介紹 83系統(tǒng)的總體設(shè)計 10 10 10 12 134系統(tǒng)的詳細(xì)設(shè)計 14 14 14 14 14 30 30 30 31 40 40 40 42 47 47 47 48 51 51 51 525軟件測試與分析 56 56 56 57 64 65結(jié)束語 69致謝 70參考文獻 71附錄 74291引言智能交通系統(tǒng)（Intelligent Transportation System，ITS）是人們將先進的信息技術(shù)、數(shù)據(jù)通訊傳輸技術(shù)、電子控制技術(shù)、傳感器技術(shù)以及計算機處理技術(shù)等有效地綜合運用于整個運輸體系，從而建立起的一種在大范圍內(nèi)、全方位發(fā)揮作用的實時、準(zhǔn)確、高效的運輸綜合管理系統(tǒng)。汽車牌照是車輛最清晰、準(zhǔn)確和唯一的標(biāo)志。車牌自動識別技術(shù)的研究國外起步地較早。這對車牌的定位、分割、識別都增加了難度。 2002（VC ）于 2002 年發(fā)布，集成了 MFC ， ，支持鏈接時代碼生成和調(diào)試執(zhí)行時檢查。早期版本的 OpenCV 包括 CxCore、Cv、CxAuv、HighGUI 和 ml 5 個主要模塊。不同類型的汽車通常有類似的形狀，不僅如此，可以說它們有非常多相近的地方。因此我們通過內(nèi)核直接計算梯狀產(chǎn)生式，這樣我們就可以不必知道x的真實映射是什么。方向值在0176。注意，為了實驗簡單，所有操作均在Matlab軟件上完成。SVM 將會以懲罰參數(shù) C=1 訓(xùn)練各個不同子集的每個例子。（a）原始圖像 （b）x方向梯度（c）y方向梯度 （d）整體梯度圖4 方向梯度計算結(jié)果圖下一個基礎(chǔ)的環(huán)節(jié)是確定方向，對于每一個像素計算出一個描述邊的方向的建議值。圖3 線性軟邊緣支持向量機B、 非線性軟邊緣分類器SVM分類器的主要優(yōu)勢就是它可以輕易的由一個線性的方法擴展成為一個非線性的方法。去討論用于車輛識別的特征選擇問題，是毫無意義的。截止到 2012 年年初，OpenCV 已發(fā)展到 版本。VC 集成了MFC 。這就需要研究性能更好的算法來提高算法的魯棒性。國內(nèi)也有多家單位在進行這方面的研究，北京弗雷德科技有限公司，亞洲視覺科技有限公司，中科院沈陽自動化所的沈陽聚德公司，深圳市科安信實業(yè)有限公司，中國信息產(chǎn)業(yè)部下屬的中智交通電子有限公司等也都有自己的產(chǎn)品。在電子收費系統(tǒng)中，由于收費過程需要實現(xiàn)自動化，車輛直接駛過收費站而不停車，因而對車輛準(zhǔn)確迅速的識別和分類就成了關(guān)鍵的問題。其目的是使人、車和路能夠密切地配合，和諧地統(tǒng)一，極大地提高交通運輸效率、保障交通安全、改善環(huán)境質(zhì)量和提高能源利用率[1]。中華人民共和國交通部是這樣陳述汽車牌照識別技術(shù)的：汽車牌照識別技術(shù)(License Plate Recognition， LPR)是一個以特定目標(biāo)為對象的專用計算機視覺系統(tǒng)，該系統(tǒng)能從一幅圖像中自動提取車牌圖像，自動分割字符，進而對字符進行識別，它運用模式識別、人工智能技術(shù)，對采集到的汽車圖像進行處理，能夠?qū)崟r準(zhǔn)確地自動識別出車牌的數(shù)字、字母及漢字字符，并以計算機可直接運行的數(shù)據(jù)形式給出識別結(jié)果，使得車輛的電腦化監(jiān)控和管理成為現(xiàn)實。早在 20 世紀(jì) 80 年代，便有一些零零散散的圖像處理方法用于車牌自動識別的某些具體應(yīng)用。第四，由于在路上行駛的車輛所掛的車牌多是在標(biāo)準(zhǔn) GA361992 下生產(chǎn)的，由于該標(biāo)準(zhǔn)的不嚴(yán)密性，在該標(biāo)準(zhǔn)下生產(chǎn)的號牌其色度值分布范圍廣，再加上上一條原因，使得采集所得到的號牌其色度值分布范圍廣泛，從而加大了我們利用該信息的難度。 2003（VC ）集成了MFC ，于2003年發(fā)布， 。CxCore 包括一些基本結(jié)構(gòu)和算法函數(shù)，如數(shù)據(jù)結(jié)構(gòu)和線性代數(shù)支持，主要提供對各種數(shù)據(jù)類型的基本運算功能；Cv 主要實現(xiàn)圖像處理和計算機視覺功能，包括圖像處理、結(jié)構(gòu)分析、運動分析、物體跟蹤、模式識別及攝像機標(biāo)定等功能；CxAuv 是 OpenCV 附加庫函數(shù)，包括一些實驗性的函數(shù)，如View Morphing、三維跟蹤、PCA（Principal Component Analysis）和 HMM（Hidden Markov Model）等函數(shù)；HighGUI 是用戶交互部分，包括 GUI（Graphical User Interface，圖形用戶接口）、圖像視頻 I/O 和系統(tǒng)調(diào)用函數(shù)等；ml是機器學(xué)習(xí)模塊，只要內(nèi)容為分類器。用于汽車識別的良好的特征是方向梯度直方圖[6]，它可以提供確切的關(guān)于形狀定位的信息，并且開銷不大?？赡艿膬?nèi)核的數(shù)目非常巨大，它們所需要滿足的唯一條件就是Mercer的條件，表1給出了 SVM 常用的內(nèi)核函數(shù)。180176。 圖5 線性內(nèi)核的ROC曲線 圖6 二次多項式內(nèi)核的ROC曲線 圖7 當(dāng)σ=1時，高斯RBF內(nèi)核的ROC曲線 圖8 當(dāng)σ=30時，高斯RBF內(nèi)核的ROC曲線圖9 當(dāng)σ=70時，高斯RBF內(nèi)核的ROC曲線 圖10 當(dāng)σ=3000時，高斯RBF內(nèi)核的ROC曲線圖11 當(dāng)a=1,b=1時，MLP內(nèi)核的ROC曲線從圖511所示，我們可以發(fā)現(xiàn)當(dāng)σ=70時，線性內(nèi)核與高斯RBF內(nèi)核一道可以取得幾乎完美的結(jié)果，而其他的方法卻都徹底的失敗，不是由于識別不出任何事物，就是存在大量分類錯誤，特別是假的正