【正文】 因此在獲得車(chē)牌圖像后對(duì)車(chē)牌傾斜矯正的處理方面，是今后需要改進(jìn)的地方。 把這些特征綜合起來(lái)就形成了字符的矢量 特征。 （ 4）按照式（ 316）和式（ 317）計(jì)算中間隱含層各個(gè)神經(jīng)元的凈輸入和輸出 1nkkj ij i jis w x ????? 1,2, pj? … ， （ 316） ()kkjjb f s? 1,2, pj? … ， （ 317） （ 5）按照式（ 318）和式（ 319）計(jì)算輸出層各個(gè)神經(jīng)元的凈輸入和實(shí)際輸出 1pkkt jt k tjl v b ????? t=1,2， … ， q （ 318） ()kkttc f l? t=1,2， … ， q （ 319） （ 6）根據(jù)給定的期望輸出，按照式（ 320）計(jì)算輸出層各個(gè)神經(jīng)元的校正誤差 ktd ( ) ( )k k k kt t t td y c f l??? t=1,2， … ， q （ 320） (7) 按照式（ 321）計(jì)算隱含層各個(gè)神經(jīng)元的校正誤差 kte 1[ ] ( )qk k kt jt t jte v d f s? ?? ? j=1,2， … ， p （ 321） （ 8）按照式（ 322）和式（ 323）修正隱含層至輸出層的連接權(quán)值 V 和輸出層神經(jīng)元的閾值 ? ，其中 ? 為學(xué)習(xí)速率， 0? 1 kkjt t jv d b??? 1,2, pj ? … ， ， t=1,2， … ， q （ 322） kttd???? t=1,2， … ， q （ 323） （ 9）按照式（ 324）和式（ 325）修正隱含層至輸出層的連接權(quán)值 W 和輸出層神經(jīng)元的閾值 ? ，其中 ? 為學(xué)習(xí)速率， 0? 1 北京理工大學(xué) 20xx 屆本科生畢業(yè)設(shè)計(jì)（論文） 19 kkjt j iw e x??? 1,2, ni ? … ， , j=1,2， … ， p （ 324） kjje???? j=1,2， … ， p （ 325） （ 10）隨機(jī)選取下一個(gè)學(xué)習(xí)模式對(duì)提供給網(wǎng)絡(luò)，返回（ 3），直至全部 m 個(gè)學(xué)習(xí)模式對(duì)訓(xùn)練完畢。與 jtV? 類似，連接權(quán) ijW的調(diào)節(jié)量為： kikjijkij aeWEW ???????? ?? （ 312） 北京理工大學(xué) 20xx 屆本科生畢業(yè)設(shè)計(jì)（論文） 17 其中， 10 ??? ),2,1。 BP 網(wǎng)絡(luò)其神經(jīng)元的傳遞函數(shù)是 S 型函數(shù)，輸入量為 0 到 1 之間的連續(xù)量，它可以實(shí)現(xiàn)從輸入到輸出的任意非線性映射。 輸入分為興奮型（正值）和抑制型（負(fù)值）兩種。這里的 nXXX ,2,1 ? 表示的為它的 n 個(gè)輸入； nWWW ,2,1 ? 表示與它相連的 n 個(gè)突觸的連接強(qiáng)度，其值成為權(quán)值；iXiW? 稱為激活值，表示這個(gè)人工神經(jīng)元的輸入總和，對(duì)應(yīng)于生物神經(jīng)細(xì)胞的膜電位； O表示這個(gè)人工神經(jīng)元的輸出； ? 表示這個(gè)人工神經(jīng)元的閾值。細(xì)化算法有很多，按照迭代方分為兩類，一類是非迭代過(guò)程，一類是迭代過(guò)程。該目標(biāo)函數(shù)是垂直投影函數(shù) ()xV 與 ( 1)xV? 二次差分的比率，即： ( 1 ) ( ) ( 1 )()2x x xxV V VV???? 分割目標(biāo)函數(shù)的最高值看作是可能出現(xiàn)的斷裂點(diǎn)。所以為了便于對(duì)圖像的處理，首先需要將圖像進(jìn)行二值化操作。 這些方法各有優(yōu)缺點(diǎn)，要實(shí)現(xiàn)快速準(zhǔn)確地定位車(chē)牌，應(yīng)該綜合利用車(chē)牌的各種特征，僅靠單一特征難以達(dá)到目的。對(duì)車(chē)牌圖像進(jìn)行邊緣檢測(cè)，有若干種方法可以使用，其中大多數(shù)是基于導(dǎo)數(shù)掩模求卷積的方法。 我國(guó)的車(chē)牌不僅種類多，而且不夠規(guī)范，分為很多種類型，并且車(chē)牌上還有漢字。此外，各高校部門(mén)實(shí)驗(yàn)室也相繼投入科研力量，如清華大學(xué)人工智能?chē)?guó)家重點(diǎn)實(shí)驗(yàn)室、上海交通大學(xué)計(jì)算機(jī)科學(xué)和工程系、浙江大學(xué)自動(dòng)化系等，在車(chē)牌識(shí)別方面均有研究，并都取得了不錯(cuò)的成績(jī)。神經(jīng)網(wǎng)絡(luò)中 BP 網(wǎng)絡(luò)是其中應(yīng)用比較廣泛且技術(shù)較為成熟的網(wǎng)絡(luò)， BP網(wǎng)絡(luò)在如今已經(jīng)被廣泛地應(yīng)用到各個(gè)行業(yè)領(lǐng)域，它優(yōu)越性主要體現(xiàn)在四個(gè)方面：函數(shù)逼近、模式識(shí)別、分類、數(shù)據(jù)壓縮。 北京理工大學(xué) 20xx 屆本科生畢業(yè)設(shè)計(jì)（論文） — 撰寫(xiě)論文，準(zhǔn)備答辯。 圖像預(yù)處理：該 單元對(duì)拍攝的汽車(chē)圖片進(jìn)行灰度化邊緣檢測(cè)等處理?；?BP 網(wǎng) 絡(luò)的車(chē)牌識(shí)別系統(tǒng)正是在這種應(yīng)用背景下研制出來(lái)的，它能夠自動(dòng)、實(shí)時(shí)地識(shí)別車(chē)輛牌照，從而監(jiān)控車(chē)輛的收費(fèi)、闖關(guān)、欠費(fèi)以及各種舞弊現(xiàn)象。） 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。它的學(xué)習(xí)規(guī)則是使用最速下降法 ,通過(guò)反向傳播來(lái)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。 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。 — 掌握 Visual C++ 中的圖片處理的基本方法。車(chē)牌識(shí)別系統(tǒng)可以廣泛應(yīng)用于電子收費(fèi)、出入控制、公路流量監(jiān)控、失竊車(chē)輛查詢和停車(chē)場(chǎng)車(chē)輛管理等需要車(chē)牌認(rèn)證的場(chǎng)合，尤其在高速公路收費(fèi)系統(tǒng)中，實(shí)現(xiàn)不停車(chē)收費(fèi)提高公路系統(tǒng)的運(yùn)行效率，車(chē)牌識(shí)別系統(tǒng)更具有 不可替代的作用。由于國(guó)內(nèi)車(chē)牌和國(guó)外車(chē)牌差異性的存在，尤其是國(guó)內(nèi)車(chē)牌漢字的存在，以及其他一系列的問(wèn)題，所以國(guó)外關(guān)于識(shí)別率的報(bào)道只具有參考價(jià)值，其在中國(guó)的應(yīng)用效果可能沒(méi)有在國(guó)外的應(yīng)用效果好。 北京理工大學(xué) 20xx 屆本科生畢業(yè)設(shè)計(jì)（論文） 4 圖 BP 網(wǎng) 絡(luò)車(chē)牌字符識(shí)別流程圖 第二章 字符識(shí)別方法 圖像預(yù)處理 圖像預(yù)處理就是對(duì)將要利用的圖片進(jìn)行處理使得圖像有更好的利用效果，可以很好的從處理過(guò)的圖片中得到想需要的信息。因此，再進(jìn)行汽車(chē)牌照的定位及字符識(shí)別之前需要先對(duì)車(chē)輛圖像進(jìn)行邊緣檢測(cè)處理提高圖像的質(zhì)量，使其易于后面的分割與識(shí)別。 （ 4）基于邊緣檢測(cè)的車(chē)牌定位方法。 圖 28 向右邊傾斜的牌照 圖 29 向左邊傾斜的牌照 矯正的方法是采用 Hough 變換，其原 理如下： 極坐標(biāo)中直線的方程為： cos si n rs x y???? 式中 s 是直線離原點(diǎn)的法線距離， ? 是該法線對(duì) x 軸的角度，如圖 210 所示。由于二值化的原因，可能會(huì)產(chǎn)生粘連、斷裂的字符。歸一化后的牌照?qǐng)D像如圖 220 所示 。人工神經(jīng)元模型是生物神北京理工大學(xué) 20xx 屆本科生畢業(yè)設(shè)計(jì)（論文） 13 經(jīng)元的模型與抽象。特的輸入輸出關(guān)系由下圖表示，式（ 32）是它的表達(dá)式。 BP 網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)。 激活函數(shù) 的導(dǎo)數(shù)為 )](1)[()(39。 （ 2）隨機(jī)選取一個(gè)學(xué)習(xí)模式對(duì)量對(duì)（ ,kkXY）提供給網(wǎng)絡(luò)。 （ 3） 區(qū)域分布 把 3216 的字符區(qū)域分成 32 小區(qū)域，統(tǒng)計(jì)每個(gè)區(qū)域中字符點(diǎn)的數(shù)目。車(chē)牌魯 A 查閱大量資料，了解了 BP 神經(jīng)網(wǎng)絡(luò)的算 法，體會(huì)到了神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)和在未來(lái)發(fā)揮的作用。提取單一的特征送入神經(jīng)網(wǎng)絡(luò)的識(shí)別效果并不十分理想，這里通過(guò)提取二值化字符的各北京理工大學(xué) 20xx 屆本科生畢業(yè)設(shè)計(jì)（論文） 22 方面特征，如投影距離、投影直方圖、矩、區(qū)域密度、輪廓線特征系數(shù)，送入神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別。 （ 12）更新網(wǎng)絡(luò)學(xué)習(xí)次數(shù)，若學(xué)習(xí)次數(shù)小于規(guī)定的次數(shù)，返回（ 2）。 BP 網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則實(shí)現(xiàn)的是學(xué)習(xí)模式集合上平方和誤差 kE （或 E ）的梯度下降，而不是特定某個(gè)分量的絕對(duì)誤差 kj? 的梯度下降。 BP 網(wǎng)絡(luò)的實(shí)現(xiàn)分為兩個(gè)階段：學(xué)習(xí)階段和識(shí)別階段。 令 jiW 為第 i 個(gè)神經(jīng)元的第 j 個(gè)輸入連接權(quán)，這個(gè)輸入可以是外來(lái)的輸入信號(hào)，也可以來(lái)自其他神經(jīng)元的輸出。設(shè) XTW?是權(quán)與輸入的矢量積（標(biāo)量），相當(dāng)于生物神經(jīng)元由外加刺激引起的膜內(nèi)電位的變化。車(chē)牌圖像進(jìn)行預(yù)處理后，細(xì)化處理是關(guān)系到后面能否正確提取字符特征值的關(guān)鍵，本文使用 Rosenfeld 骨架細(xì)化的方法，細(xì)化處理后可以得到圖 像中字符的基本骨架，不會(huì)破壞原來(lái)的連通性。”，記下位置 a； ② “while(project[i]=t) i++。在實(shí)際的車(chē)牌處理系統(tǒng)中，進(jìn)行圖像二值變換的關(guān)鍵是要確定合適的閾值，使得字符與背景能夠分割開(kāi)來(lái)，二值變換的結(jié)果圖像必須要具備良好的保形性，不丟掉有用的形狀信息，不會(huì)產(chǎn)生額外的空缺等等。 在本系統(tǒng)中，用水泡方向的差分算子 對(duì)汽車(chē)圖像求梯度。所以我們要對(duì)照片進(jìn)行車(chē)牌定位，然后把車(chē)牌部分分割出來(lái)。 我國(guó)的小型民用車(chē)車(chē)牌一共是七位（除去分隔符），前面兩位是地區(qū)信息，后面五位是號(hào)碼，并采用藍(lán)底白字的車(chē)牌，輪廓尺寸為 440mm140mm,寬和高近似比例為 3:1。車(chē)牌字符識(shí)別是在車(chē)牌準(zhǔn)確定位的基礎(chǔ)上，對(duì)車(chē)牌使得漢字、字母、數(shù)字進(jìn)行有北京理工大學(xué) 20xx 屆本科生畢業(yè)設(shè)計(jì)（論文） 3 BP 神經(jīng)網(wǎng)絡(luò) 歸一化 圖像輸入 灰度轉(zhuǎn)化 字符分割 邊緣檢測(cè) 牌照剪切 二值化 字符庫(kù) 特征提取 輸出結(jié)果 效確認(rèn)的過(guò)程。在此情況下，作為信息來(lái)源的自動(dòng)檢測(cè)、圖像識(shí)別技術(shù)越來(lái)越受到人們的重視。針對(duì)車(chē)牌圖像的處理的過(guò)程包括：車(chē)牌圖像去噪、車(chē)牌圖像灰度化、車(chē)牌圖像二值化、車(chē)牌字符圖像分割、車(chē)牌字符圖像歸一化、車(chē)牌字符圖像特征值提取。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。 因此，對(duì)于研究基于 BP 網(wǎng)絡(luò)的車(chē)牌識(shí)別系統(tǒng)有重要的意義。 工作目的：熟練掌握 Visual C++應(yīng)用程序的開(kāi)發(fā)。 完成基于樣本的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練以及圖像中 車(chē)牌信息 的識(shí)別，并對(duì)其性能進(jìn)行統(tǒng)計(jì)和總結(jié)。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(wèn)題，識(shí)別時(shí)間比較長(zhǎng)的缺點(diǎn)。 六、進(jìn)度安排 — 查找資料，通過(guò)書(shū)籍和視頻學(xué)習(xí) C++的基本概念和語(yǔ)法 ， 練習(xí)使用 VC++ 軟件。 license plates recognition 北京理工大學(xué) 20xx 屆本科生畢業(yè)設(shè)計(jì)（論文） 1 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(chē)牌定位 ......................................................................... 6 字符分割 ......................................................................... 9 第三章 BP 神經(jīng)網(wǎng)絡(luò) ........................................................ 12 人工神經(jīng)網(wǎng)絡(luò) .................................................................12 BP 網(wǎng)絡(luò) ..........................................................................15 第四章 基于 BP 網(wǎng)絡(luò)的車(chē)牌識(shí)別系統(tǒng) ........................... 21 字符特征提取 .................................................................21 系統(tǒng)識(shí)別模塊 .................................................................21 程序運(yùn)行 ........................................................................22 第五