資源描述：
《基于adaboost及支持向量機(jī)的車牌識(shí)別系統(tǒng)的研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、萬(wàn)方數(shù)據(jù)基于AdaBoost及支持向量機(jī)的車牌識(shí)別系統(tǒng)的研究ResearchofLicensePlateRecognitionSystemBasedonAdaBoostandSupportVectorMachine作者：趙健Author：ZhaoJian申請(qǐng)學(xué)位類別：工學(xué)碩士DegreeCategory：MasterofEngineering學(xué)科專業(yè)：物理電子學(xué)Subject：PhysicalElectronics學(xué)位授予單位：浙江師范大學(xué)DegreeConferringUnit：Zhejiang
2、NormalUniversity指導(dǎo)教師：熊繼平Supervisor：XiongJiping論文提交時(shí)間：2014年5月ThesisSubmissionTime：Mav20l4萬(wàn)方數(shù)據(jù)基于AdaBoost及支持向量機(jī)的車牌識(shí)別系統(tǒng)研究摘要隨著我國(guó)經(jīng)濟(jì)的日益發(fā)展和現(xiàn)代化進(jìn)程的推進(jìn)，機(jī)動(dòng)車投放量的迅速增長(zhǎng)已經(jīng)給車輛管理帶來(lái)考驗(yàn)。通過(guò)高新技術(shù)來(lái)改造落后的交通管理系統(tǒng)及運(yùn)輸系統(tǒng)才能從根本上改善道路的管理質(zhì)量和通行狀況。車牌是機(jī)動(dòng)車唯一可靠的標(biāo)識(shí)，對(duì)車牌進(jìn)行識(shí)別己經(jīng)在高速公路的收費(fèi)管理控制、道路車輛檢查監(jiān)控
3、、停車場(chǎng)車輛管理收費(fèi)、車輛出入門禁管理等場(chǎng)合得到甚為廣泛的應(yīng)用。高效率的車牌識(shí)別系統(tǒng)可以有效改善路網(wǎng)的通行狀況和服務(wù)質(zhì)量并且降低人力的使用，它己經(jīng)成為現(xiàn)代智能交通系統(tǒng)的重要組成部分。車牌識(shí)別系統(tǒng)一般包括車牌信息的定位、車牌字符的分割和車牌字符的識(shí)別三個(gè)核心部分，論文在大量文獻(xiàn)調(diào)研和已有研究成果的基礎(chǔ)上對(duì)系統(tǒng)的整體設(shè)計(jì)進(jìn)行了廣泛而深入的論述，并對(duì)三個(gè)部分各自的關(guān)鍵技術(shù)進(jìn)行了較為深入的研究，在不同場(chǎng)景、不同光照條件、不同車輛大小等情況下對(duì)中國(guó)車牌能夠獲得滿意的識(shí)別效果，主要的研究?jī)?nèi)容和創(chuàng)新點(diǎn)包括以下三
4、個(gè)部分：(1)在車牌定位階段，采用AdaBoost算法和投影法聯(lián)合定位出車牌所在區(qū)域的聯(lián)合檢測(cè)方法，成功提升車牌定位的準(zhǔn)確率。單純采用AdaBoost算法去定位車牌存在魯棒性不強(qiáng)的問(wèn)題，需要去尋找上百萬(wàn)的負(fù)樣本才能達(dá)到良好的檢測(cè)效果，采用幾千張的負(fù)樣本雖然容易訓(xùn)練分類器但是會(huì)出現(xiàn)定位車牌不全或者過(guò)寬的現(xiàn)象，造成定位準(zhǔn)確率嚴(yán)重下降。為了克服這些困難首先在被檢測(cè)圖像中采用AdaBoost算法檢測(cè)出車牌所在的行，然后對(duì)車牌所在行進(jìn)行灰度化、邊緣檢測(cè)、二值化等預(yù)處理后用投影法精確定位出車牌所在的區(qū)域，這種
5、聯(lián)合檢測(cè)方法在現(xiàn)實(shí)中不同時(shí)間拍攝的車牌復(fù)雜場(chǎng)景能達(dá)到95％以上的檢測(cè)準(zhǔn)確率。(2)在車牌字符分割階段，單閾值的二值化算法無(wú)法使車牌的每個(gè)字符都達(dá)到良好的分割效果，因此提出～‘種多閡值二值化的字符分割方法。首先檢測(cè)到的車牌字符是黑色進(jìn)行反色處理，白色字符保持不變，車牌圖像灰度化后從0-255遍歷閾值并保留一組有效閾值，然后根據(jù)這組閾值獲取一組車牌二值圖的信息，利用投影法截取這些二值圖中的字符，將相同或近似相同的字符區(qū)域進(jìn)行萬(wàn)方數(shù)據(jù)合并后獲取車牌完整的7個(gè)字符，此車牌分割算法的正確率在建立的數(shù)據(jù)集中可
6、達(dá)到99％。(3)在車牌字符識(shí)別階段，提出一種結(jié)合融合特征提取(IntegrationFeatureExtraction，IFE)和支持向量機(jī)(SupportVectorMachine，SVM)的方法對(duì)切割輸出的車牌字符進(jìn)行識(shí)別。首先對(duì)分割好的車牌字符進(jìn)行提取有效區(qū)域、細(xì)化等預(yù)處理，針對(duì)單獨(dú)的車牌字符特征無(wú)法達(dá)到好的識(shí)別效果以及漢字識(shí)別的問(wèn)題，提取出車牌字符的融合特征，并采用支持向量機(jī)結(jié)合提取的字符融合特征對(duì)漢字、數(shù)字和字母單獨(dú)構(gòu)建兩類分類網(wǎng)絡(luò)，來(lái)分別匹配識(shí)別測(cè)試的漢字，數(shù)字和字母。融合特征提取和
7、支持向量機(jī)相結(jié)合的算法對(duì)車牌字符平均的識(shí)別率能夠達(dá)到96％，并且具有良好的魯棒性。綜上所述，論文研究的車牌識(shí)別系統(tǒng)具有較高的準(zhǔn)確性，總的識(shí)別速度在300ms左右，并且能夠適應(yīng)復(fù)雜的環(huán)境，具有一定的實(shí)用價(jià)值。所有算法均在OpenCV的基礎(chǔ)上采用C／c++開(kāi)發(fā)完成，開(kāi)發(fā)工具為MicrosoftVisualStudio2010。關(guān)鍵詞：車牌檢測(cè)；車牌識(shí)別；聯(lián)合檢測(cè)算法：融合特征萬(wàn)方數(shù)據(jù)RESEARCH0FLICENSEPLATERECOGNITl0NSYSTEMBASEDONADABOOSTANDSUP
8、PORTVECTORMACHINEABSTRACTCollectingvolumeofvehiclesincreasedrapidlywiththedevelopmentofChina’SEconomyandtheprogressofmodernization，whichbringsahugeimpacttovehiclemanagement．ThemanagementqualityandtrafficconditionsofroadsCallbeimprovedfundament
