摘  要

 

随着现今社会经济科技飞速发展，以及城市乡镇交通网络建设的不断完善，我国群众的生活质量和消费水平也在不断提高，全国机动车的数量也随着不断增加。虽然大众出行选择的第一代步工具就是汽车，开车出行也能够让人感到舒适、节约通勤时间提高效率，但也带来了许多问题。传统的交通管理模式已经逐渐跟不上发展脚步，如何高效快速的解决存在的问题，智能化交通管理系统的出现为我们提供了新的思路。

深度学习是人工神经网络的衍生研究方向，人工神经网络的网络层次结构一般来说比较浅，它在处理等级更高更难问题的时候就会显现出处理能力不足的情况，原因是其神经网络样本和计算单元都存在着一定的限制。但是深度学习网络模型可以把前者所能得到的底层特征更深一层地抽象成高层次的属性类别，所以在处理能力上相较于前者更胜一筹。因此基于深度学习的智能车牌识别系统是一个有巨大发展潜力和研究价值的课题。

本文基于深度学习对车牌识别做了以下研究，主要内容包括：

（1）介绍了车牌识别研究的历史以及背景，对车牌识别研究的国内外发展现状进行了对比，对国内车牌识别的发展以及在特殊情况下的应用场景进行了分析，认识到车牌识别对于智能交通发展是具有一定推动性和研究价值的。

（2）卷积神经网络(Convolutional neural network, CNN)采用了特征学习方略，展现出的前瞻性和超越性是大众有目共睹的，它的性能表现远远超过了于传统手工算法。本文介绍了卷积神经网络的结构和将其运用到车牌识别中进行识别的原理。

（3）开发中采用MATLAB环境，先对图像进行预处理，首先会将车牌原图进行灰度化处理，减少计算机的计算量；而且在车牌定位部分，也对图像进行了闭运算处理，将图像中无用部分抛弃掉，保留重点特征信息；在车牌分割方面，是根据我国常规车牌设计的字符宽高度，每个字符之间的距离等数据进行分割。最后进行的识别部分采用了神经网络识别法。

 

关键词：深度学习，车牌识别，卷积神经网络，车牌定位

目  录

 

第一章 绪论 1

1.1 研究背景及现实意义 1

1.2 车牌识别研究现状及发展趋势 2

1.3深度学习研究现状发展趋势及对车牌识别的意义 2

1.3.1深度学习研究现状及发展趋势 2

1.3.2深度学习对研究车牌识别的意义 3

1.4论文的主要工作和章节安排 3

第二章 深度学习理论及应用 5

2.1深度学习理论概述 5

2.2卷积神经网络结构 5

2.2.1卷积层 5

2.2.2 激活函数层 6

2.2.3 池化层 7

2.2.4 全连接层 7

2.3循环神经网络 7

2.4本章小结 8

第三章 车牌识别过程总体设计 9

3.1图像预处理 9

3.1.1图像灰度化 9

3.1.2图像二值化 10

3.1.3边缘检测 11

3.2车牌定位 11

3.2.1车牌的形态学处理 11

3.3车牌分割 12

3.3.1中国常规车牌 12

3.4车牌识别 13

3.5本章小结 14

第四章 车牌识别系统介绍及效果 15

4.1 车牌识别系统简介 15

4.2系统识别效果 15

4.3本章小结 17

第五章 总结与展望 18

5.1 论文总结 18

5.2 未来展望 18

参考文献 19

致  谢 20