【正文】 絡(luò)的復(fù)雜性，同時(shí)能夠很好地提高網(wǎng)絡(luò)的識(shí)別率。實(shí)驗(yàn)表明，本文采用的算法能夠?qū)?chē)牌字符實(shí)現(xiàn)較高準(zhǔn)確率的識(shí)別，同時(shí)，算法適應(yīng)能力強(qiáng)，能夠應(yīng)用于實(shí)際的車(chē)牌識(shí)別系統(tǒng)。在車(chē)牌準(zhǔn)確定位、字符分割后，車(chē)牌上字母的識(shí)別率較高，由于部分字母和數(shù)字具有相似性造成了字母數(shù)字網(wǎng)絡(luò)的識(shí)別率較低，還有待提高。 算法測(cè)試與分析 實(shí)驗(yàn)中，使用了 100 個(gè)測(cè)試車(chē)牌， 200個(gè)訓(xùn)練車(chē)牌。經(jīng)過(guò)處理的車(chē)牌字符輸入神經(jīng)網(wǎng)絡(luò)。通過(guò)實(shí)驗(yàn)測(cè)試，對(duì)比與一般 BP 神經(jīng)網(wǎng)絡(luò)車(chē)牌識(shí)別，采用由本文的識(shí)別方法使性能得到了比較大的提升。 實(shí)驗(yàn)結(jié)果如圖 11 所示： 網(wǎng)絡(luò)類(lèi)型 測(cè)試樣本正確率 學(xué)習(xí)時(shí)間 m/s 誤差 傳統(tǒng)神經(jīng)網(wǎng)絡(luò) 85% 46372 % 漢字網(wǎng)絡(luò) 89% 4084 % 字母網(wǎng)絡(luò) 95% 5241 % 字母數(shù)字網(wǎng)絡(luò) 91% 26584 % 改進(jìn)的 BP神經(jīng)網(wǎng)絡(luò) 91%（總和） 35909（總和） %（平均） 圖 11 字符識(shí)別結(jié)果 大連海洋大學(xué)本科畢業(yè)論文（設(shè)計(jì)） 第四章 車(chē)牌字符識(shí)別算法的研究 24 第五章 總結(jié)與展望 工作總結(jié) 車(chē)牌識(shí)別技術(shù)是智能交通的一個(gè)重要的環(huán)節(jié)，在智能交通中有著廣泛的應(yīng)用，如電子警察系統(tǒng)、道路收費(fèi)、車(chē)載導(dǎo)航系統(tǒng)、全球定位系統(tǒng)、車(chē)輛自動(dòng)識(shí)別系統(tǒng)等。同時(shí)，汽車(chē)車(chē)牌識(shí)別的技術(shù)和方法還可以應(yīng)用到其它檢測(cè)和識(shí)別領(lǐng)域。因此，車(chē)牌識(shí)別問(wèn)題已經(jīng)成為現(xiàn)在交通工程領(lǐng)域中研究的重點(diǎn)和熱點(diǎn)問(wèn)題之一。 根據(jù)我國(guó)車(chē)牌的特殊性，本文對(duì)車(chē)牌識(shí)別過(guò)程中所涉及的相關(guān)算法進(jìn)行了比較深入地研究，并且比較了各種算法的優(yōu)劣，并改進(jìn)了一部分算法。 1） 在車(chē)牌定位部分，提出了利用 HSI色彩空間和車(chē)牌特殊的紋理特征進(jìn)行，三維能量圖的車(chē)牌定位方法。 2） 在字符分割部分，先使用了中心旋轉(zhuǎn)矯正，通過(guò)投影方法使得圖片最終實(shí)現(xiàn)旋轉(zhuǎn)矯正，之后使用并改進(jìn)了“四通法”最終實(shí)現(xiàn)字符分割。 3） 在車(chē)牌的字符識(shí)別部分，根據(jù)我國(guó)車(chē)牌的特殊組成，提出了基于改進(jìn) BP神經(jīng)網(wǎng)絡(luò)的多分類(lèi)器，該分類(lèi)器有 3個(gè)子 BP神經(jīng)網(wǎng)絡(luò)組成，分別是漢字網(wǎng)絡(luò)、字母網(wǎng)絡(luò)、字母數(shù)字網(wǎng)絡(luò)。 4） 最后簡(jiǎn)單介紹了智能交通系統(tǒng)，并對(duì)它的發(fā)展進(jìn)行了論述，最后討論了車(chē)牌識(shí)別技術(shù)在其中的應(yīng)用與發(fā)展。 展望 車(chē)牌識(shí)別技術(shù)是模式識(shí)別和數(shù)字圖像處理高度融合的一項(xiàng)技 術(shù)，同時(shí)也是智能交通的一個(gè)難點(diǎn)。由于車(chē)牌背景的復(fù)雜性、車(chē)牌特征的多樣性、模糊車(chē)牌、掉色車(chē)牌和一些人為因素干擾的車(chē)牌等問(wèn)題，從而大大的增加了車(chē)牌識(shí)別系統(tǒng)的難度，至今為止，仍然沒(méi)有一個(gè)完全通用的車(chē)牌識(shí)別系統(tǒng)。 本文仍然還有很多不足和有待改進(jìn)的地方： 1） 如果出現(xiàn)車(chē)牌圖像比較模糊或者背景比較復(fù)雜等情況，車(chē)牌定位的準(zhǔn)確性不是很高。 2） 本文只針對(duì)已經(jīng)實(shí)現(xiàn)定位且效果良好的圖像進(jìn)行了研究，并沒(méi)有考慮到實(shí)際情況中很多不穩(wěn)定因素。 3） 車(chē)牌的字符識(shí)別過(guò)程中字母數(shù)字網(wǎng)絡(luò)的正確識(shí)別率不高。 大連海洋大學(xué)本科畢業(yè)論文（設(shè)計(jì)） 參考文獻(xiàn) 25 參考文獻(xiàn) [1]馬頌德，張正友，《計(jì)算機(jī)視 覺(jué)》，科學(xué)出版社，北京， 1998. [2] R. Parist, et al. Car Plate Recognition by Neural Networks and Image Processing，USA,2021,May 31June 3 [3] Char1 Coetzee,et al. PC Based Number Plate Recognition Systems. In International Symposium on Industrial Electronics,1999:605610 [4] , , , and . A Probabilistic Background Model for Tracking. Eccv 2021, :4748 [5] Li Yucheng， Qin Ni， Wang algorithm for license plate location based on image energy and traffic speed measurement 2021： 330333. [6] 李宇成，覃妮，王目樹(shù) .一種新的車(chē)牌定位方法及應(yīng)用 [J].計(jì)算機(jī)工程與應(yīng)用， 2021，45（ 17）： 148150. [7]孫慧賢 。 張玉華 。 羅飛路，《基于 HSI顏色空間的彩色邊緣檢測(cè)方法研究》，光學(xué)技術(shù)期刊， 20210320 [8]李宇成； 楊光明； 王目樹(shù) ,《 Study of key technology in license plate recognition system》 計(jì)算機(jī)工程與應(yīng)用， 2021第 27期 [9]陰躲芬 李一民 王英妹 王林 《圖像閥值 分割技術(shù)的研究》，科技廣場(chǎng) 2021年 03期 [10]馬俊莉 , 莫玉龍．一種基于改進(jìn)模板匹配的車(chē)牌字符識(shí)別方法 [J].小型微型計(jì)算機(jī)系統(tǒng)， 2021,24（ 9）： 16701672 [11] 何兆成 ,佘錫偉 ,余文進(jìn) ,楊文臣 .字符多特征提取方法及其在車(chē)牌識(shí)別中的應(yīng)用 [J].計(jì)算機(jī)工程與應(yīng)用 .2021,47(23):228231 [12] XingWang Zhang,Xiangui Liu,Jia Zhao. A Vehicle License Plate Recognition Method Based on Neural Network[J]. Granular Computing, 2021:845– 847 [14] 周景超 , 陳鋒 , 陳為多 , 王家捷 . 車(chē)牌字符分割的研究和實(shí)現(xiàn) . 計(jì)算機(jī)工程 , 2021,32(5):238－ 243 [13] 林宇，《 車(chē)牌識(shí)別在智能交通中的應(yīng)用與發(fā)展趨勢(shì) 》 ，中國(guó)安防， 2021年 11期 [15] 范瑋琦 ,穆長(zhǎng)江 .一種基于漢字結(jié)構(gòu)特征的車(chē)牌照字符分割方法 . 儀器儀表學(xué)報(bào) , 2021,24(4):472－ 474 [16] 陳 黎，黃心漢，王 敏等．基于聚類(lèi)分析的 車(chē)牌字符分割方法 ．計(jì)算機(jī)工程與應(yīng) 用， 2021， 38(6)： 221— 256 [17] 李文舉，梁德群．質(zhì)量退化的車(chē)牌字符分割方法 [J]．計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)報(bào)， 2021， 6(5)： 697— 700 大連海洋大學(xué)本科畢業(yè)論文（設(shè)計(jì)） 參考文獻(xiàn) 26 [18] 崔新春，魏春英 .基于小波變換和亮度矩的車(chē)牌圖像分割算法 [J].曲阜師范大學(xué)學(xué)報(bào)， 2021,28(4):7578 [19] 甘玲 ,林小晶 . 基于連通域提取的車(chē)牌字符分割算法 [J]計(jì)算機(jī)仿真 2021, (04) [20] 王冠，敖志剛，劉永躍，王真軍 . 基于快速連通域標(biāo)記的車(chē)牌字符分割 [J].計(jì)算 機(jī)與 現(xiàn)代化 .2021,6:5557 [21] 王潤(rùn)民 ,錢(qián)盛友等 .基于神經(jīng)網(wǎng)絡(luò)和顏色特征的車(chē)牌字符分割方法 [J].計(jì)算機(jī)工程與應(yīng) 用 . 2021,42(26):57— 59 [22] 包明，路小波，基于 Hough變換的車(chē)牌傾斜檢測(cè)算法，交通與計(jì)算機(jī)， 2021,22 (2):5760 [23] 王良紅 ,王錦玲 ,梁延華 .改進(jìn)的 Hough 變換在校正汽車(chē)牌照傾斜中的應(yīng)用 [J].信息與 電子工程 .2021,2(1):4548 [24] SUN Dongwei, ZHU Chenghui, “ Skew Angle Detection of the Vehicle License Plate Image and Correct Based on Radon” Transformation[J]. Microputer Applications , China, 2021, [25] 賈曉丹 , 李文舉 , 王海姣 .一種新的基于 Radon 變換的車(chē)牌傾斜校正方法 [J].計(jì)算機(jī) 工程與應(yīng)用 .2021,44(3):245148 大連海洋大學(xué)本科畢業(yè)論文（設(shè)計(jì)） 致謝 27 致謝 四年的讀書(shū)生 涯 在這個(gè)季節(jié)即將劃 上一個(gè)句號(hào)，而于我的人生卻只是一個(gè)逗號(hào)，我將面對(duì)又一次征程的開(kāi)始。四年的求學(xué)生涯在師長(zhǎng)、親友的大力支持下，走得辛苦卻也收獲滿(mǎn)囊，在論文即將付梓之際，思緒萬(wàn)千，心情久久不能平靜。 偉人、名人為我所崇拜，可是我更急切地要把我的敬意和贊美獻(xiàn)給一位平凡的人，我的導(dǎo)師。我不是您最出色的學(xué)生，而您卻是我最尊敬的老師。您治學(xué)嚴(yán)謹(jǐn)，學(xué)識(shí)淵博，思想深邃，視野雄闊，為我營(yíng)造了一種良好的精神氛圍。授人以魚(yú)不如授人以漁，置身其間，耳濡目染，潛移默化，使我不僅接受了全新的思想觀念，樹(shù)立了宏偉的學(xué)術(shù)目標(biāo)，領(lǐng)會(huì)了基本的思考方式，從論文題 目的選定到論文寫(xiě)作的指導(dǎo) ,經(jīng)由您悉心的點(diǎn)撥 ,再經(jīng)思考后的領(lǐng)悟 ,常常讓我有 “山重水復(fù)疑無(wú)路 ,柳暗花明又一村 ”。 在論文即將完成之際，我的心情無(wú)法平靜，從開(kāi)始進(jìn)入課題到論文的順利完成，有多少可敬的師長(zhǎng)、同學(xué)、朋友給了我無(wú)言的幫助，在這里請(qǐng)接受我誠(chéng)摯謝意！ 同時(shí)也感謝學(xué)院為我提供良好的做畢業(yè)設(shè)計(jì)的環(huán)境。 最后再一次感謝所有在畢業(yè)設(shè)計(jì)中曾經(jīng)幫助過(guò)我的良師益友和同學(xué)，以及在設(shè)計(jì)中被我引用或參考的論著的作者。 大連海洋大學(xué)本科畢業(yè)論文（設(shè)計(jì)） 附錄 1 28 附錄 1： 英文資料 Automatic license plate recognition Despite the success of license plate recognition (LPR) methods in the past decades, few of them can process multistyle license plates (LPs), especially LPs from different nations, effectively. In this paper, we propose a new method for multistyle LP recognition by representing the styles with quantitative parameters, ., plate rotation angle, plate line number, character type and format. In the recognition procedure these four parameters are managed by relevant algorithms, ., plate rotation, plate line segmentation,character recognition and format matching algorithm, respectively. To recognize special style LPs, users can configure the method by defining corresponding parameter values, which will be processed by the relevant algorithms. In addition, the probabilities of the occurrence of every LP style are calculated based on the previous LPR results, which will result in a faster and more precise recognition. Various LP images were used to test the proposed method and the results proved its effectiveness. Automatic license plate recognition (LPR) has been a practical technique in the past decades [1]. Numerous applications, such as automatic toll collection [1], criminal pursuit [2] and traffic law en forcement [3], have