基于数字图像处理及神经网络的车牌定位识别
【摘 要】本文完整地完成了车牌识别的三个流程：定位、分割、识别，实现了较为
可靠的车牌识别功能。针对不同的情况，本文综合运用了HSV色彩空间、边缘检测以及Faster-RCNN神经网络等工具，实现了对车牌的定位。经过实验，对于预先给定的165张测试图片，本文均可以实现正确地车牌定位，定位准确率100%。通过竖直投影，倒序分割的方法，本文可以对165张图片中的大部分图片进行字符分割。本文利用两个卷积神经网络
CNN完成对字符的识别。经实验，CNN单个数字或字母的识别准确率为99.57%，汉字的识别准确率为96.22%。综合分割识别两个过程， 165张测试图片中有4张本文无法正确地分割识别。分割识别准确率97.57%。整个车牌定位识别处理过程的准确率为97.57%
关键词： HSV色彩空间 边缘检测 错切变换 卷积神经网络CNN Faster-RCNN
License plate location and recognition based on digital image processing and neural network
Abstract: This paper has fully completed LPR three processes: positioning, segmentation,
and achieved a plate recognition function reliably. In view of different situations, HSV color space, edge detection and Faster- RCNN neural network and other tools were comprehensively used to locate license plates. Through the experiment, it already achieved that locating correctly license plate positioning for all the 165 test pictures given in advance. Positioning accuracy rate is 100%. By means of vertical projection and reverse order segmentation, it can perform character segmentation on most of the 165 test pictures. In this paper, two convolutional neural network CNN complete the identification of the characters. According to the experiments, the recognition accuracy of single digits or letters of CNN is 99.57%, and that of Chinese characters is 96.22%. Combined with the two process of segmentation and recognition, 4 of 165 test images cannot be correctly segmented or recognized in this paper. The segmentation and recognition accuracy rate is 97.57%. The accuracy of the entire LPR process is 97.57%
Keywords : HSV color space, edge detection, shearing
目录
1 图片预处理 2
1.1 光照均衡 2
1.2 去噪声处理 3
2 车牌定位 3
2.2 基于边缘检测的车牌定位 3
2.2.1 图像灰度化 3
2.2.2 边缘检测 3
2.2.3 形态学处理 4
2.2.4 综合特征判定: 4
2.2.5 基于 Faster-RCNN 定位 5
2.2.5.1 Faster-RCNN 基本原理 5
2.2.5.1.1 RPN 主要功能及原理 5
2.2.5.1.2 Classifier 主要功能 6
2.2.5.2 本文的实现方法 7
2.2.5.2.1 数据集 7
2.2.5.2.2 网络结构 8
2.2.5.2.3 训练参数 9
2.2.5.2.4 利用网络进行定位 9
2.2.5.2.5 定位效果如图 2-8 14
2.2.5.2.6 本方法的优缺点 14
2.2.6定位流程 15
3 车牌校正 15
3.1 基于 Radon 变换的车牌旋转 15
3.2 再次定位 16
3.3 基于垂直投影的错切变换 16
3.3.2 实现步骤概述 17
3.3.3 错切效果图 17
4 车牌分割 18
4.1.1 基本原理 18
4.1.2 实现方法概述 18
4.1.3 去边框的效果如图 4-2 18
4.2 车牌分割 18
4.2.2 阈值选取 19
4.2.3 实现方法概述 19
4.2.1 基本原理 19
4.2.4 分割效果如图 4-3 22
5 基于 CNN 的字符识别 22
5.2 本文的实现方法 23
6 总结 26
参考文献： 27
