車牌識別系統(tǒng)中字符切分和識別技術(shù)的研究的中期報告

車牌識別系統(tǒng)中字符切分和識別技術(shù)的研究的中期報告一、研究背景與意義在現(xiàn)代城市交通中，汽車數(shù)量快速增長，規(guī)模不斷擴(kuò)大，加上泊車難度大、高速公路收費、和交通違法行為等問題愈加嚴(yán)重，因此車牌識別技術(shù)應(yīng)運(yùn)而生。車牌識別技術(shù)可以對車輛的信息進(jìn)行自動識別和處理，提高城市交通管理和運(yùn)營效率，方便民眾出行。但車牌字符切分和識別技術(shù)是車牌識別系統(tǒng)中的核心技術(shù)，對于系統(tǒng)的準(zhǔn)確率和效率影響很大。二、已有研究成果目前，車牌字符切分和識別技術(shù)已經(jīng)取得了許多成果，主要包括：1.字符切分：基于顏色和形態(tài)特征的切分方法、基于深度學(xué)習(xí)的切分方法、基于邊緣檢測的切分方法等。2.字符識別：基于模板匹配的識別方法、基于特征提取的識別方法、基于子模塊的識別方法、基于深度學(xué)習(xí)的識別方法等。三、研究內(nèi)容本研究旨在探究車牌字符切分和識別技術(shù)的研究現(xiàn)狀，分析現(xiàn)有算法的優(yōu)點和不足，并提出改進(jìn)方案。1.字符切分針對基于顏色和形態(tài)特征的字符切分方法，本研究將通過改進(jìn)反向投影算法來提高其準(zhǔn)確率。針對基于深度學(xué)習(xí)的切分方法，本研究將研究如何優(yōu)化CNN網(wǎng)絡(luò)結(jié)構(gòu)和優(yōu)化訓(xùn)練樣本集對其準(zhǔn)確率進(jìn)行提升。針對基于邊緣檢測的切分方法，本研究將探究如何優(yōu)化邊緣檢測算法，以提升其對車牌字符切分的準(zhǔn)確檢測率。2.字符識別針對基于模板匹配的識別方法，本研究將探究如何優(yōu)化模板庫的構(gòu)建和選擇匹配算法。針對基于特征提取的識別方法，本研究將探究如何提取更加魯棒的特征，在更小的特征維度下保證識別的準(zhǔn)確率。針對基于深度學(xué)習(xí)的識別方法，本研究將探究如何優(yōu)化CNN網(wǎng)絡(luò)結(jié)構(gòu)和提供更好的訓(xùn)練樣本集。四、研究方法本研究將基于MATLAB和Python，在模擬數(shù)據(jù)和實際數(shù)據(jù)集上進(jìn)行嘗試，其中模擬數(shù)據(jù)集將采用MATLABVision工具箱，實際數(shù)據(jù)集采用安裝在公路收費站或高速公路的車輛識別平臺，以及取自社會實際開發(fā)有關(guān)數(shù)據(jù)集進(jìn)行測試。五、研究計劃本研究將于2021年5月至2021年9月期間進(jìn)行。主要計劃如下：1.5月-6月：對車牌字符切分與識別技術(shù)進(jìn)行概述和分類，并詳細(xì)介紹各種算法的原理和思路。2.6月-7月：對顏色和形態(tài)特征、深度學(xué)習(xí)和邊緣檢測三種切分方法進(jìn)行實現(xiàn)并通過模擬數(shù)據(jù)進(jìn)行測試。3.7月-8月：對模板匹配、特征提取和深度學(xué)習(xí)三種識別方法進(jìn)行實現(xiàn)并通過模擬數(shù)據(jù)進(jìn)行測試。4.8月-9月：采用實際數(shù)據(jù)集進(jìn)行算法驗證和結(jié)果分析，進(jìn)行對比試驗并得出結(jié)論。六、研究預(yù)期結(jié)果通過對車牌字符切分和識別技術(shù)的研究，本研究預(yù)期將得出以下結(jié)果：1.優(yōu)化三種切分方法的準(zhǔn)確率和魯棒性。2.優(yōu)化三種識別方法的準(zhǔn)確率和識別效率。3.探索針對車牌識別問題的深度學(xué)習(xí)技術(shù)，驗證