摘要：随着现在人们生活质量的提高，汽车这一代步工具被越来越多的人使用，随之而来的是各种社会高关注度问题：交通违章、区域门禁、出行安全等等。这些问题都与车牌的识别有联系，因此车牌识别已经是当今社会不可缺少的技术。

本实验使用了python的TensorFlow框架进行开发，从技术、操作、经济和社会四个方面进行可行性分析。项目中使用了卷积神经网络与TensorFlow框架的相关知识，构建了一个两层卷积网络的模型来进行车牌训练。整个实验经历了几个过程：根据学习的资料构建一个两层网络模型、使用数据集对模型进行训练、对实验结果进行分析。

本文主要介绍了本课题的研究背景、国内外研究现状、所用的开发环境与实验的过程和效果，重点介绍了所用的卷积神经网络算法的相关技术和使用的模型。

关键词：卷积神经网络算法 车牌识别

目录

摘要

Abstract

1 绪论-1

1.1 课题研究背景-1

1.2 课题研究目的-1

1.3 课题的研究现状-2

1.4 课题对社会的影响-3

1.5 本文的主要工作-3

2技术简介-5

2.1神经网络-5

2.2卷积神经网络-6

2.3softmax-9

2.4损失函数-9

2.5优化器-9

3 可行性分析-11

3.1技术可行性-11

3.2 操作可行性-11

3.3 经济可行性-11

3.4 社会可行性-11

4实验设计-12

4.1 数据集的介绍-12

4.2网络模型-12

4.3训练方法-13

4.4结果分析-13

4.5效果展示-16

4.6实验遇到的问题和反思-18

5关键代码介绍-19

5.1数据集的读取-19

5.2车牌训练-19

5.3提取图片特征-20

5.4处理车牌图片-21

5.5预测-22

6 总结与展望-23

参考文献-25

致谢-26