基于BP网络的车牌识别毕业设计论文

合集下载

BP神经网络在车牌识别技术中的应用研究

BP神经网络在车牌识别技术中的应用研究周龙龙，杜云,姜鹏飞（防空兵指挥学院，河南郑州，450052）摘要：在车辆牌照自动识别系统中,由于受光照条件、牌照自身清洁程度等因素影响,车牌识别系统往往达不到满意的字符识别率。

结合神经网自适应的特点，本文在特征抽取的基础上,采用BP网络进行分类,来实现单字的有效识别。

该方法算法简便,识别率高,可适用于多种高噪声环境中的印刷体字符识别。

关键词:车辆牌照;字符识别;BP网络;图像处理;引言随着科学技术的不断发展,交通管理手段正从人工管理逐步转变成自动或半自动方式,既避免了由于人工干预所带来的弊端,同时又能大大提高工作效率.目前,许多研究人员正在从事车辆自动识别系统(Automatic Velicle Identification System,AVIS)方面的研究[1].车辆自动识别系统主要分为三个步骤:(1)车牌定位,从整幅车辆图象中搜索出具有车牌特征的区域;(2)字符分割,从车牌图象中分割出单个字符;(3)字符识别,对分割出的单个字符进行识别.只有经过准确的预处理阶段(车牌定位、字符分割),得到分割正确的单个字符,识别率才有保障.近年来,神经网络在许多领域中得到应用[4],利用神经网络自适应的特点,本文使用BP神经网络进行初级字符分类,再用线性感知器进行次级分类。

在实验室环境中获得较高的识别率,应用此方法对于高噪声环境下规则字符的识别将会有很大帮助。

1车牌照定位与切分1.1 车牌的特点现在的牌照有四种类型:(1)小功率汽车所用的蓝底白字牌照;(2)大功率汽车所用的黄底黑字牌照;(3)军用或警用的白底黑字、红字牌照;(4)国外驻华机构用的黑底白字牌照。

这四种牌照的长度均为45 cm,宽度为15 cm,共有字符8个。

一般民用牌照第一个字符是汉字,且是各省市的简称,如“京”、“津”、“沪”、“苏”等,第二个字符是大写英文字母,如“A”、“B”、“C”等,接着是一个点“·”,第四个字符可能是英文字母,也可能是阿拉伯数字,第五至第八个字符均为阿拉伯数字。

基于BP神经网络的车牌字符识别

直和水平投影、字符的归一化宽度比等．计特征统
字符识别方法对噪声不敏感，较好的稳定性．有但当字符出现断裂、分缺失时，部识别效果不理想．
＊收稿日期：００１－６２１ — １０基金项目：０８年宿迁学院科研基金项目２０作者简介：沈洋（９９）男，苏宿迁人，教．１７一，江助
定位，符分割与字符识别。字
所谓字符识别即是使用模式识别的技术在前面定位的车牌图像中准确的识别出车牌号码，当前，究者对字符识别主要采用模板匹配法［、研１统］
间，训练好的神经网络可以很有效的用于识别但字符．目前，出并应用于模式识别领域的神经网提络模型己有近百种，中应用广泛且识别效率较其好的有：Ｐ网络，ｐｉｌＢＨｏｆｄ网络，ｅＡＲＴ网络等．而在这些网络之中ＢＰ神经网络因为具有较好的自学习能力、大的分类能力和容错能力，使用最强故
为广泛．
计模式识别法［等几种识别方法．２］
１１符特征与图像库中的字符特征相匹配，符相似度最高的即为识别结果．字
这种识别方法简单、速，规整字符的识别率比快对较高，在字符变形等情况下，别能力有限．．但识

车牌号码模式识别以及bp神经网络识别

XXXXXX毕业设计说明书(论文)作者: 叶超学号：XXXXXXXXXX 学院(系): 电子电气工程系专业: 电子科学与技术题目: 基于模式识别与神经网络的车牌号码识别系统设计指导者：评阅者： 2014 年 6 月温XX 讲师副教授XX本设计主要是研究了目前两大主流字符识别方案，模式识别与BP神经网络识别方案。

以MATLAB软件为平台设计系统，比较了两种字符识别方案结果的准确率，最终得出结论。

本系统主要包括图像采集、图像预处理、车牌定位、字符分割、字符识别五个部分组成。

本文的图像预处理是将图像经过灰度化，图像增强、边缘提取二值化等操作转化成便于定位的二值化图像。

图像定位是采用基于边缘检测、形态学处理的算法，该算法定位精度高。

字符分割采用的方法是在二值化后的车牌部分寻找连续有文字的块，大于设定阈值的长度部分则切割。

最终本文将通过比较模式识别与BP神经网络识别的算法，通过结果分析得出优点与不足，并为以后的进一步研究与改进提出了意见和建议。

关键词模式识别BP神经网络识别MATLABTitle Based on pattern recognition and neural networklicense plate number recognition system designAbstractThis design aims at studying the two current main character recognitionprogram, pattern recognition and BP neural network recognition program.Based on MATLAB software platform to design systems, this design compares two character recognition program results' accuracy, finally itreaches the conclusion.The system mainly includes five parts: image acquisition, image preprocessing, license plate location, character segmentation and character recognition. Image pre-processing of the paper is the image through the gray, image enhancement, edge extraction binarization operation into easy positioning of the binary ing the character segmentation method is part of the license plate binarizationlooking after consecutive blocks with text, setting the length of the part is greater than cutting the threshold .This article will compare the final pattern recognition and BP neural network algorithm, the analysis of theresults obtained by the advantages and disadvantages.For future furtherresearch and improvement put forward opinions and suggestions.Keywords Pattern recognition BP neural network recognition MATLAB目录1绪论,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 1 1.1课题背景及意义,,,,,,,,,,,,,,,,,,,,,,,,, 1 1.2课题设计任务,,,,,,,,,,,,,,,,,,,,,,,,,, 3 1.3本文的章节安排,,,,,,,,,,,,,,,,,,,,,,,,, 3 2系统方案论证,,,,,,,,,,,,,,,,,,,,,,,,,,, 4 2.1软件开发可行性论证,,,,,,,,,,,,,,,,,,,,,,, 42.2系统设计方案论证,,,,,,,,,,,,,,,,,,,,,,,, 43 系统设计,,,,,,,,,,,,,,,,,,,,,,,,,,,, 6 3.1图像采集,,,,,,,,,,,,,,,,,,,,,,,,,,,, 6 3.2图像预处理,,,,,,,,,,,,,,,,,,,,,,,,,,, 6 3.3定位和分割,,,,,,,,,,,,,,,,,,,,,,,,,, 15 3.4字符识别,,,,,,,,,,,,,,,,,,,,,,,,,,, 23 3.5模板识别系统结果与分析,,,,,,,,,,,,,,,,,,,, 24 3.6小结,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 26 4人工神经网络字符识别,,,,,,,,,,,,,,,,,,,,,, 27 4.1 BP网络模型结构,,,,,,,,,,,,,,,,,,,,,,, 27 4.2 BP神经网络的训练,,,,,,,,,,,,,,,,,,,,,, 28 4.3 BP神经网络结构和设计,,,,,,,,,,,,,,,,,,,,, 29 4.4结果分析,,,,,,,,,,,,,,,,,,,,,,,,,,, 344.5本章小结,,,,,,,,,,,,,,,,,,,,,,,,,,, 355 GUI界面,,,,,,,,,,,,,,,,,,,,,,,,,,,, 36 5.1图形用户界面,,,,,,,,,,,,,,,,,,,,,,,,, 36 5.1 GUI设计界面的操作步骤,,,,,,,,,,,,,,,,,,,,, 36 结束语,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 38 致谢,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 39 参考文献,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 40附录A模式识别主程序代码,,,,,,,,,,,,,,,,,,,,,41 附录B BP神经网络识别主程序代码,,,,,,,,,,,,,,,,,,52 附录C图像模板,,,,,,,,,,,,,,,,,,,,,,,,,,651 绪论近年来，随着经济的发展，人们生活水平的提高，私家车数量迅速增加。

基于BP网络的车牌字符识别

（2013届）本科毕业设计（论文）资料湖南工业大学教务处2013届本科毕业设计（论文）资料第一部分毕业论文本科毕业设计（论文）2013年6月摘要基于BP网络的车牌字符识别是一门对车牌字符识别的技术，它的产生是为了完善智能交通系统，使得交通系统更具有信息时代意义。

本文利用BP神经网络与图像处理技术相结合的方法，将BP神经网络应用到车牌字符识别中。

针对车牌图像的处理的过程包括：车牌图像去噪、车牌图像灰度化、车牌图像二值化、车牌字符图像分割、车牌字符图像归一化、车牌字符图像特征值提取。

前面五个过程是为了保证字符信息能更好的体现出来有利于将特征值得提取。

BP神经网络通过对组建的车牌字符库的学习后才会具有识别功能，然后将车牌字符图像提取到的特征值送入到BP神经网络中就能识别出来。

通过实验证明了通过上述的过程是能够将车牌字符识别出来，在这个识别过程中对于BP网络训练的收敛性是十分重要的，本文认为可以通过修改隐含层节点的个数、训练函数和激发函数来完成BP网络的训练以使得BP神经网络具有识别功能。

对于识别的关键部分在于对特征值的提取，只有采可靠的提取办法才能保证字符信息部丢失这样才有利于识别。

关键词：车牌字符识别，BP神经网络，特征值提取ABSTRACTBP network based license plate character recognition is one pair of license plate character recognition technology, which is produced in order to improve intelligent transportation system, making the transport system more meaningful information age.In this paper, BP neural network and image processing technology, a combination of methods will be applied to the license plate BP neural network character recognition. For the license plate image processing process includes: license plate image denoising, gray plate image, license plate image binarization, license plate character segmentation, license plate character image normalization, license plate character image feature extraction. During the previous five character information in order to ensure better reflected the benefit is worth the feature extraction. Through the formation of BP neural network library for license plate character recognition function after learning will have, and then extract the license plate character image characteristic value fed to BP neural network can be identified.The experimental results show the process by the above license plate characters can be identified, in this process for identifying convergence BP network training is very important that this can modify the number of nodes in the hidden layer, training function and stimulate function to complete BP network training to enable BP neural network has recognition. For the identification of the key part of the feature value extraction, mining only reliable way to ensure the character information extracting unit lost that help identify, extract the paper also proposed several ways.Keywords: LPR，BP neural network，Feature extraction目录摘要 (I)ABSTRACT.......................................................... I I 目录........................................................... I II 第1章绪论. (1)1.1 车牌识别技术 (1)1.1.1 车牌识别技术 (1)1.1.2 智能交通系统 (2)1.2国内外研究现状 (4)1.3本文研究内容 (4)第2章字符识别方法 (6)2.1 车牌图像预处理 (6)2.1.1 车牌规律 (6)2.1.2车牌图像去噪 (7)2.1.3车牌图像的灰度化和二值化 (7)2.2 字符分割 (9)2.2.1 边缘检测 (10)2.2.2 字符切割 (11)2.2.3 字符图像归一化 (12)2.2.4字符特征值提取 (12)2.3 BP神经网络 (14)2.3.1 BP网络 (15)2.3.2 BP网络的模型结构 (15)2.3.3 BP网络算法 (17)第3章基于BP网络的字符识别 (20)3.1 车牌图像预处理实现 (20)3.1.1 车牌图像滤波实现 (20)3.1.1 灰度化技术及二值化实现 (20)3.1.2 车牌图像分割实现 (23)3.1.3 归一化和字符特征提取实现 (25)3.2 字符库与BP网络的建立 (27)3.3 BP网络字符识别 (31)第4章结论 (33)参考文献 (I)致谢............................................................ I I第1章绪论1.1 车牌识别技术1.1.1 车牌识别技术二十一世纪是一个信息化时代，是经济和科技飞速发展的时期，智能系统被广泛应用到人们生活当中。

BP网络车牌识别毕设论文终稿

青岛理工大学毕业设计（论文）题目基于BP网络的车牌识别学生姓名：XXXX指导教师：XXx通信与电子工程学院电子信息工程专业093班2013年6 月15日毕业设计(论文)任务书第2 页第3 页第4 页摘要随着世界各国汽车数量的日益增加，城市交通状况越来越受到人们的关注。

交通管理水平,已经成为衡量政府部门工作标准之一。

汽车牌照的自动识别是关于模式识别技术在智能交通领域应用的重要研究课题之一，是实现交通管理智能化的重要部分。

本论文主要研究的是基于BP神经网络的汽车牌照自动识别系统，该系统主要分为图像预处理、车牌定位、车牌分割、字符分割和字符识别五个部分。

首先，将获得的车牌图像进行灰度化处理，用直方图均衡化进行图像增强，利用Roberts算子进行图像边缘检测。

然后，采用形态学方法进行车牌定位，利用车牌彩色信息的彩色分割法将车牌从背景图像中的分割。

对分割出的车牌进行二值化处理，并进行垂直投影，对垂直投影进行行扫描，完成对车牌字符的分割。

最后，将分割出的字符进行归一化处理，利用BP网络构建车牌识别器，实验证明该方法可也快速、有效地对车牌进行识别，证明了该方法的有效性。

关键词：车牌定位，字符分割，BP神经网络，字符识别ABSTRACTWith the world growing number of cars, urban traffic conditions more and more people's attention. Traffic management level, has become one of the criteria to measure the government sector. Automatic license plate recognition is on the pattern recognition technology in the field of intelligent transportation applications, an important research topic is to achieve an important part of intelligent traffic management.This thesis is based on the BP neural network car license plate recognition system, which consists of image preprocessing, license plate location, license plate segmentation, character segmentation and character recognition five parts. First, get the license plate image gradation processing, histogram equalization for image enhancement using Roberts operator for image edge detection. Then, using morphological methods for plate positioning, the use of color information of the license plate color segmentation method license plate from the background image segmentation. The segmentation of license plate binarization processing and vertical projection of the vertical projection for line scanning, complete the license plate character segmentation. Finally, the segmented character normalization, BP network construction license plate reader, the experiment proved that the method can also quickly and effectively identify the plate proved that the method is effective.KEY WORDS:license plate location, character segmentation, BP neural network,character recognition目录摘要 (I)ABSTRACT........................................................... I I 目录............................................................ I II 前言 (1)第1章绪论 (3)第2章基于BP网络的车牌识别系统总体设计方案 (6)第3章图像预处理 (8)3.1图像预处理 (8)3.1.1图像的灰度化 (9)3.1.2灰度图像的增强 (10)3.1.3 图像的边缘检测 (11)3.2车牌定位 (12)3.3车牌字符分割 (15)3.3.1彩色车牌预处理 (15)3.3.2字符分割 (15)3.3.3字符的归一化处理 (17)第4章车牌字符识别 (18)4.1车牌字符识别 (18)4.1.1神经网络概述 (18)4.1.2 BP神经网络的原理 (19)4.2BP网络的构建 (21)4.2.1 神经网络结构的构建 (21)4.2.2 网络函数和参数的确定 (24)4.3字符识别结果 (27)第5章总结与展望 (28)5.1设计结果分析总结 (28)5.2展望 (29)致谢 (30)参考文献 (31)前言现代的世界已进入信息化的时代，随着通信技术、计算机技术和网络技术的不断进步，自动化信息化水平不断提高和改善。

基于BP网络的车牌识别系统的毕业设计

一、原始依据（包括设计或论文的工作基础、研究条件、应用环境、工作目的等。

）工作基础：了解C++的基本概念和语法，熟练使用Visual C++软件。

研究条件：依据BP神经网络的基本原理完成算法实现。

应用环境：基于BP神经网络的图像文件中的车牌识别。

工作目的：熟练掌握Visual C++应用程序的开发。

了解人工智能的基本概念以及神经网络的基本原理。

熟练掌握Visual C++中的图片处理的基本方法。

二、参考文献[1]人工智能原理及其应用，王万森，电子工业，2007.[2]VC++深入详解，鑫，电子工业，2006.[3]人工神经网络原理, 马锐，机械工业，2010.[4]Visual C++数字图像处理典型案例详解，晶，机械工业，2012.[5]Application of Image Processing to the Characterization ofNanostructures，Manuel F. M. Costa，Reviews on Advanced Materials Science,2004.三、设计（研究）容和要求（包括设计或研究容、主要指标与技术参数，并根据课题性质对学生提出具体要求。

）1、掌握C++的基本概念和语法。

2、了解神经网络的基本原理。

3、完成Visual C++中对于图像的预处理。

4、完成基于样本的神经网络的训练以及图像中车牌信息的识别，并对其性能进行统计和总结。

指导教师（签字）年月日审题小组组长（签字）年月日大学仁爱学院本科生毕业设计（论文）开题报告摘要基于BP网络的车牌识别是一门对车牌字符识别的技术，它的产生是为了完善智能交通系统，使得交通系统更具有信息时代的意义。

本文利用BP神经网络与图像处理技术相结合的方法，将BP神经网络应用到车牌字符识别中。

基于BP神经网络的车牌识别技术-车牌定位

I2=bwareaopen(I1,20); subplot(3,2,5); imshow(I2),title('中值滤波后的二值化图像');

%%%%%%%去除图像顶端和底端的不感兴趣区域%%%%% Y1=zeros(y1,1); for i=1:y1 for j=1:x1 if(I3(i,j,1)==1) Y1(i,1)= Y1(i,1)+1 ; end end end Py1=1; Py0=1; while ((Y1(Py0,1)<20)&&(Py0<y1)) Py0=Py0+1; end

Py1=Py0; while((Y1(Py1,1)>=20)&&(Py1<y1)) Py1=Py1+1; end I2=I2(Py0:Py1,:,:); subplot(3,2,6); imshow(I2),title('目标车牌区域');
为进一步提高识别精度,在确定车牌区域后，继续对车牌进行灰度化、二值化、滤波、膨胀腐蚀等操作，实行第二次预处理，具体方法与图像预处理所述基本相同。
if isrgb(I) I1 = rgb2gray(I); %将RGB图像转化为灰度图像 else I1=I； end g_max=double(max(max(I1))); g_min=double(min(min(I1))); T=round(g_max-(g_max-g_min)/3); % T 为二值化的阈值 [m,n]=size(I1);% d:二值图像 %h=graythresh(I1); I1=im2bw(I1,T/256); subplot(3,2,4); imshow(I1),title('二值化车牌图像');

基于BP神经网络算法的车牌字符识别系统设计（精品）

[：j型蜒曰墅霹麓………。

文章编号：1002—8692(2008)S1-0140—03基于B P神经网络算法的车牌字符识别系统设计张玲，张呜明，何伟(重庆大学通信工程学院，重庆400030)·实用设计·【摘要】构建车牌字符识别系统，并对系统中B P网络反传学习速率进行改进，提高了识别率并降低学习时间；在特征提取上针对汉字综合采用非均匀网格特征和外围特征提取法，字母与数字采用均匀粗网格特征加笔划密度特征提取法。

优化了系统的识别精度并提高了识别速度。

采用B P算法增强了车牌识别的容错性、鲁棒性。

【关键词】车牌识别；B P算法；特征提取；神经网络；字符识别【中图分类号】TP391．41【文献标识码】AD es i gn of L i cens e Pl at e C ha r act er R ecogn i t i on Syst e m B a se d o n B P N e ur a l N et w or kZ H A N G L i n g,Z H A N G M i ng-m i ng,H E W e i(Co l l ege of C om m uni c at i on E ng i neer i ng,C ho ngqi ng U ni ve rs饥C hongqi ng400030,C hi na)【A bs t ra ct】A l i cens e pl at e cha r act er r ecogni t i on sys t em i s con st r uc t ed，a nd t he r ecogni t i on r a te i s i m pr o ved。

Lear ni n g t i m e i s als o de cr ea sed by i m pr ov i ng t he B ack Propagat i on(B P)net w ork．O n t he f eat ur e ext r act i on，C h i nese char act er s non—uni f orm鲥d 。

毕业设计BP神经网络方法对车牌照字符的识别(含外文翻译) (1)

摘要为了对车牌字符的识别，本文将BP神经网络应用于汽车车牌的自动识别，在车牌图像进行预处理后的基础上，重点讨论了用BP神经网络方法对车牌照字符的识别。

首先将训练样本做图像预处理，对车牌上的字符进行分割，得到单个字符。

对大小不一的字符做归一化后，对字符进行特征提取，把长为15，宽为25的归一化后的图像中的字符信息提取出来，图像中白点置为0，图像中的黑点置为1，这样就得到了15×25的特征向量，这个特征向量记录的就是字符的特征。

把这个特征向量送到BP网络中进行训练，得到了训练好的权值，把他保存到“win.dat”和“whi.dat”中。

然后打开要识别的图片（即车牌），对图像进行预处理后就可以识别了。

识别率也在90%以上，表明该方法的有效性。

关键字：车牌识别；LPR；字符识别；特征提取； BP神经网络；AbstractFor the discernment to the number plate character, this text applies BP neural network to the automatic discernment of the automobile number plate, on the basis that the number plate picture goes on in advance treated , is it use BP neural network method to car discernment , license plate of character to discuss especially. Will train samples to do the pretreatment of the picture at first, character in number plate cut apart, get the individual character. After making normalization to the character not of uniform size, drew the characteristic to the character 15, wide to draw out for character information of 25 picture behind the normalization, picture white point it puts to be 0, black point of picture is it as 1 , receive 15* 25 characteristic vector quantity like this to put, what the vector quantity of this characteristic is written down is the characteristic of the character . Send the characteristic vector quantity BP network train, get good right value of training, keep him in win.dat and whi.dat. Open picture (namely number plate) discerned to want, go on to picture in advance treated to can discern. The discerning rate is above 90% too; show the validity of this method.Key word：The number plate discerning；The character discerning；LPR；The characteristic is drawn；BP neural network；目录摘要 (Ⅰ)ABSTRACT (Ⅱ)第一章概述 (1)1.1 基本概念 (1)1.2 字符识别简介 (2)1.2.1字符识别发展概况 (2)1.2.2字符识别系统用到的方法 (3)1.2.3字符识别原理 (4)1.3 国内外研究现状和发展趋势 (5)1.4 基于神经网络的字符识别系统 (6)1.4.1 系统简介 (6)1.4.2 系统的基本技术要求 (7)1.4.3系统的软硬件平台 (7)第二章字符识别系统中的关键技术 (8)2.1 特征提取 (8)2.1.1 基本概念 (8)2.1.2 区域内部的数字特征 (10)2.1.3 基于边界的形状特征 (13)2.2 神经网络 (18)2.2.1 人工神经元 (18)2.2.2 人工神经网络构成 (22)2.2.3 人工神经网络的学习规则 (23)2.2.4 BP神经网络 (24)第三章系统的实现 (31)3.1 系统流程图 (31)3.2 程序实现 (31)3.3 程序的总体框架 (36)第四章系统使用说明、测试及注意事项 (37)4.1 系统使用说明 (37)4.2 系统测试 (39)4.2.1 数字识别 (39)4.2.2 字母识别 (40)4.2.3 汉字识别 (40)4.2.4 车牌识别 (41)4.3 注意事项 (41)第五章结论和展望 (42)致谢 (43)参考文献 (44)外文原文与译文 (46)●外文原文 (46)●译文 (57)第一章概述1.1 基本概念随着21世纪经济全球化和信息时代的到来，计算机技术、通信技术和计算机网络技术迅猛发展，自动化的信息处理能力和水平不断提高，并在人们社会活动和生活的各个领域得到广泛应用。

基于BP神经网络的智能车牌识别系统

基于BP 神经网络的智能车牌识别系统顾秀秀，朱明亮，吴琼，史洪玮（宿迁学院信息工程学院，江苏宿迁223800）摘要：车牌识别是智能交通中信息化管理车辆的重要环节，对构建智慧城市具有重要意义。

针对国内车牌的结构特点，设计了一种基于BP 神经网络的智能车牌识别系统。

系统利用去噪算法及数学形态学方法对车牌照片中的车牌位置进行定位，针对国内车牌特征分割字符，然后基于白像素点提取13维特征并将车牌不同位置的字符分别输入到不同的BP 神经网络进行分类。

系统的平均识别正确率为96.4%，可广泛应用于城市道路、智慧停车场等多个领域的车辆自动化信息管理。

关键词:车牌识别；BP 神经网络；边缘检测；字符识别；特征提取中图分类号：TP391文献标识码：A文章编号：1009-3044(2021)03-0019-04开放科学（资源服务）标识码（OSID ）：Intelligent License Plate Recognition System Based on BP Neural Network GU Xiu-xiu,ZHU Ming-liang,WU Qiong,SHI Hong-wei(School of Information Engineering,Suqian College,Suqian 223800,China)Abstract ：License plate recognition is an important part of information management of vehicles in intelligent transportation,and is very important for the construction of smart cities.According to the structural characteristics of domestic license plates,an intelli⁃gent license plate recognition system based on BP neural network is designed.The system uses the denoising algorithm and mathe⁃matical morphology to locate the license plate position in the license plate photo,segment the characters for the domestic license plate features,and then extract 13-dimensional features based on the white pixel points and input the characters at different posi⁃tions of the license plate to different BP work classification.The average accuracy rate of the system is 96.4%,which can be widely used in vehicle automation information management in many fields such as urban roads and smart parking lots.Key words ：license plate recognition;BP neural network;edge detection;character recognition;feature extraction1引言随着智慧城市的概念越来越普及，智能交通作为智慧城市重要的一环，其相关技术也在飞速发展。

基于BP神经网络的车型识别毕业设计论文

基于BP神经网络的车型识别-毕业设计论文基于BP神经网络的车型识别摘要车型分类识别技术作为智能交通系统中的关键技术，对提高道路运输效率，改善车辆收费检测等方面有着重要的理论与现实意义。

本文基于视频检测技术，首先通过图像预处理、车辆分割、轮廓提取得到车辆的轮廓图，从中获得车辆的外形几何参数，并做相关性分析，提取特征向量。

然后利用提取的特征向量，构建BP神经网络的车型分类系统进行车型识别。

主要研究内容包括：(1)车辆检测研究。

本文采用一种基于背景差分的车辆分割方法，较好地解决了复杂交通情况下车辆的检测问题。

(2)车型特征提取。

根据车型分类的需要，分析了车型特征参数的选择问题，为车辆分类奠定了基础。

本文最终选取了顶长比、顶高比、前后比作为特征向量。

(3)车型分类研究。

研究了基于BP 神经网络的车型分类，通过选择合适的特征参数，获得了较高的分类正确率。

应用效果与仿真结果表明，基于BP网络的车型分类技术的实时性、精确性和分类识别性能等关键指标得到明显的改善，达到系统设计的预期要求。

同时,我们采取的方法具有提取的特征简单、量少，并且所构成的具有分类功能的BP网络简单、便于硬件实现、有利于BP网络的分类识别等优点。

关键词：智能交通系统；车型识别；车辆检测；特征提取；BP神经网络Vehicle Recognition Based on BP Neural NetworkAbstractAs the key technology of Intelligent Transportation System(ITS),vehicle recognition has all important theoretical and practical significance in improving the efficiency of road transportation and testing of vehicle charging．Firstly, the paper based on video detection discusses how to get the vehicle contour map through these operations such as image pre-processing, vehicle segmentation and contour extraction to derive geometrical parameters of vehicles which are used to establish the vector by a correlation analysis．Secondly, we use these feature vectors to build the system of vehicle classification based on BP Neural Network to recognize the vehicles．The main tasks are as follows: (1) Vehicle detection．This paper presents the vehicle segmentation method based on background subtraction．It can solve the problem of vehicle detection in complex traffic situations effectively. (2) Feature extraction．According to the needs of vehicle classification，we analyze the selective problems of the parameters to laid the foundation of vehicle classification．This paper finally adopts the vectors of the ratio of top and length, top and height, forward and back．(3) Vehicle classification．This paper studies vehicle classification based on BP neural network and obtains higher classification accuracy by selecting the appropriate parameters．The result of application and simulation indicates that the real-time quality, accuracy and other performances improved and the vehicle classification system achieves prospective objectives．At the same time, our approach has following advantages : The extracted features are simple, the account is small , and the BP network posed by the classification function is simple and easy to implement hardware, which will help classification and recognition．Keywords : ITS ; Vehicle Recognition ; Vehicle Detection ; Feature Extraction; BP Neural Network目录第1章绪论 (1)1.1 课题研究的背景和意义 (1)1.2 国内外车型识别技术的研究现状 (2)1.3 论文的主要内容 (3)第2章车辆目标检测 (4)2.1 基于视频图像的车型识别系统简介 (4)2.2 视频图像序列采集 (4)2.3 车辆目标检测的常用方法 (5)图像预处理 (5)背景差分 (6)阈值分割 (9)形态学处理 (11)连通区域标记及区域填充 (14)第3章车辆目标的特征提取 (17)3.1 目标特征的提取及描述 (17)3.2 基于轮廓特征的边缘检测 (17)3.3 基于轮廓特征的选择与提取 (20)车型特征值的选择 (21)车型特征值的提取 (22)第4章BP网络的设计与车型识别 (25)4.1 BP神经网络简介 (25)多层前馈神经网络 (27)BP网络学习规则 (29)4.2 BP网络在本实验中的设计与应用 (31)网络的设计 (31)车型识别结果 (34)第5章总结与展望 (39)5.1 本文工作及成果总结 (39)5.2 未来工作展望 (40)致谢 (40)参考文献 (41)第1章绪论1.1 课题研究的背景和意义近年来，随着社会经济和综合国力的不断增强，人们对交通运输的各种需求明显增长，交通运输与社会经济生活的联系也越来越紧密，大大地缩短了人们通行和货物运输的时间，加快了工作进程。

基于BP神经网络的车牌号码识别

基于BP神经网络的车牌号码识别文祝青;罗威;杜华英【摘要】The feature extraction and recognition of the license plate plays a very important role in the modern intelligent transportation system. Uses two main steps to deal with the license plate: the first is the image preprocessing part, including the location and extraction of license plate image, grayscale, tilt correction, binarization, character segmentation, size normalization and rearrangement. The second is the fea-ture extraction and recognition part, gets the number of pixels of 9 regions and Double horizontal and vertical lines for the three-layer 13-8-7 BP neural network that is trained offline to recognize the characters of the license plate. We achieve good recognition results in the MATLAB simulation environment.%车牌号码的提取与识别在现代智能交通系统中起着非常重要的作用。

采用两个主要步骤对车牌进行处理：首先是图像预处理部分，包括车牌图像的定位与提取、彩色图像灰度化、图像倾斜校正、图像二值化、字符分割、尺寸归一化和紧缩重排；其次是特征提取与识别部分，提取字符中9区域像素数和双横纵像素数共13个特征，然后交由已经离线训练好的三层13-8-7的BP神经网络进行识别。

车牌识别毕业设计论文

本科毕业设计（论文）( 2010 届)题目：车牌号码识别仿真分院:电子信息分院专业:电子信息工程班级:06电子本1姓名:余俊杰学号:0651035226指导老师:孙跃完成时间:2010年4月摘要车牌识别系统在交通的智能监视和管理中有着重要的应用，近几年发展非常迅速。

基于图像和字符识别技术的车牌字符识别系统也是目前国内外模式识别应用研究领域的一个热点。

尽管车牌的先验知识比较丰富，但是在复杂的背景下，车牌中的字符识别仍然比较困难。

目前的车牌识别系统大多是针对简单场景、单一车牌。

车牌字符识别系统的关键技术包括数字图像处理、车牌定位、车牌字符分割和字符识别技术。

本文对已定位好的车牌进行图像位图读取、图像二值化、字符分割、提取字符特征、BP神经网络设计等模块进行了初步的研究。

在字符分割方面，分析了牌照图像二值化与标准归一化以及几何校正的各种算法。

借助牌照字符固定宽度、间距的固定比例关系等先验知识实现字符的分割。

在特征提取方面，将字符归一化，再采用13特征法进行字符特征提取。

在字符识别方面，分析比较了常用的字符识别方法。

在此基础上详细分析基于BP神经网络的识别方法。

实验结果证明，所采用的BP神经网络具有良好的性能满足在复杂环境下实时识别车牌的要求，具有一定的理论和实际意义。

关键词：车牌字符识别；特征提取；BP神经网络；MATLABABSTRACTLicense plate recognition system has important applications in the intelligent traffic monitoring and management developed rapidly in recent years. Based on image and character recognition technology license plate recognition system pattern recognition at home and abroad is also a hot field of applied research. Although the license plate of the prior knowledge rich, but in a complex background, the license plate of the character recognition is still more difficult. Most of the current license plate recognition system is a simple scenario for a single plate.The key technologies of license plate recognition system include digital image processing, license plate location, license plate character segmentation technology. This article has been positioning for a good license plate reads the bitmap image, image binarization, character segmentation, feature extraction of characters, BP neural network design module for a more detailed study.In the character segmentation area. Analyze of the license plate image binarization with the standard normalization and geometric correction algorithms. With fixed-width character license, a fixed proportion of the relationship between the pitch prior knowledge to achieve segmentation of characters.In feature extraction. The character normalization, again using 13 features of character feature extraction method.In character recognition, analyze and compared of the common character recognition. On the basis of this detailed analysis based on BP neural networks recognition. The results show that BP neural network used good performance in a complex environment to meet real-time identification license plate requirements, with some theoretical and practical significance.Keywords:License plate character recognition;Feature Extraction;BP neural network; MATLAB.目录摘要 (I)ABSTRACT (II)1 绪论 (1)1.1 课题背景 (1)1.2 国内外研究现状 (2)2 图像的预处理 (4)2.1 图像的二值化 (4)2.2 牌照上下边框和铆钉的去除 (5)2.3 车牌字符细化 (5)2.4本章小结 (6)3 车牌字符分割 (6)4 车牌字符特征提取 (8)4.1字符常用的特征提取方法 (9)4.2十三点网格特征提取方法 (9)5 车牌字符的识别 (10)5.1 字符识别简介 (10)5.2 基于BP神经网络的字符识别 (11)5.3BP神经网络的设计 (12)5.3.1 输入层神经元个数 (13)5.3.2 隐含层神经元数目 (13)5.3.3 输出层神经元个数 (13)5.3.4 传递函数的选择 (14)5.3.5 BP网络的参数设置 (14)5.3.6 BP神经网络的创建 (14)5.4 BP神经网络的运用 (18)6 结论 (19)致谢 (20)参考文献 (21)1 绪论1.1 课题背景近几年，我国道路交通迅猛发展．随之也带来了对交通管理自动化的迫切需求。

基于BP神经网络的车牌字符识别

Ⅳ 一１的列向量与变换矩阵ｙ相乘，就可以达到字符的降维目的。
试验结果进行分析、验证，才能得到～个较好的确定值。以下是
车牌字符的识别
车牌字符经过一系列的处理后，终于到了车牌字符识别系统的最后一步了，即车牌字符的识别。这一步也是本论文中计算量
造更可靠的分类规则。
个神经网络一汉字网络、字母网络以及数字网络来实现对字符的
分类，如图６所示。
本论文采用了Ｋ — Ｌ算法对字符进行特征的提取。Ｋ — Ｌ算法是
一
种相对容易实现和理解的分析手段，它的目的是将字符的高
图６字符分类器的流程图
４、根据Ａ的公式一定可以找到Ａ的Ⅳ 一１个特征向量以及它
５、根据得到的特征值从大到小将该组特征向量排序，将前Ｔ１个特征向量单位化，以便组成一个变换矩阵ｙ。
的网络复杂度也大大增加了。鉴于本论文是对小类别的车牌字符的识别，所以选取了三层的ＢＰ网络对字符进行训练，即仅合一个
技术＜ＴＥＣＨＮＯＬＯＧＹ
已经有了很多字符识别ｆ；勺方法，本章主要是基于ＢＰ神经网络算法
潮圜圈图圜圜窟团
图５归一化后整齐的车牌字符图像
对车牌字符的识别。
基于ＢＰ神经网络的车牌字符识别算法则是目前比较流行的算
法。首先进行分类器的设计，由于标准车牌共有７位字符，分别是汉字、字母和数字，因此在车牌字符识别系统中，分别设计３

BP神经网络方法对车牌照字符的识别精品

第一章概述1.1 基本概念随着21世纪经济全球化和信息时代的到来，计算机技术、通信技术和计算机网络技术迅猛发展，自动化的信息处理能力和水平不断提高，并在人们社会活动和生活的各个领域得到广泛应用。

高速度、高效率的生活节奏，使汽车普及成为必然趋势，交通管理自动化越来越成为亟待解决的问题。

在这种情况下，作为信息来源的自动检测、图像识别技术越来越受到人们的重视。

目前指纹识别、视网膜识别技术已经到了实用阶段；声音识别技术发展也相当快，而对汽车牌照等相关信息的自动采集和管理对于交通车辆管理、园区车辆管理、停车场管理、交警稽查等方面有着十分重要的意义，成为信息处理技术的一项重要研究课题。

车辆牌照识别（License Plate Recognition, LPR）技术作为交通管理自动化的重要手段，其任务是分析、处理汽车监控图像，自动识别汽车牌号，并进行相关智能化数据库管理。

LPR系统可以广泛应用于高速公路电子收费站、出入控制、公路流量监控、失窃车辆查询、停车场车辆管理、公路稽查、监测黑牌机动车、监控违章车辆的电子警察等需要车牌认证的重要场合，尤其在高速公路收费系统中，实现不停车收费技术可提高公路系统的运行效率，LPR系统更具有不可替代的作用，因而对LPR车牌识别技术的研究和应用系统开发具有重要的现实意义。

LPR系统中的两个关键子系统是车牌定位系统和车牌字符分割识别系统。

关于车牌识别技术及定位系统研究，国内外学者已经作了大量工作，但实际效果并不理想，对辅助光源要求高，很难有效解决复杂背景下多车牌识别的技术难题，如：车牌图像的倾斜、车牌表面污秽或磨损、光线干扰等都会影响定位的准确性。

传统车牌识别一般仅支持单一车辆，背景比较简单。

而当今许多实际应用场合，如在繁忙交通路口临时对欠税费报废挂失等车辆的稽查，则监视区域比较复杂，现有识别方法无法直接应用，一般同时出现多辆汽车，背景有广告牌、树木、建筑物、斑马线以及各种背景文字等。

车牌定位论文：车牌字符分割字符识别差值投影BP神经网络

车牌定位论文：车牌字符分割字符识别差值投影BP神经网络【提示】本文仅提供摘要、关键词、篇名、目录等题录内容。

为中国学术资源库知识代理，不涉版权。

作者如有疑义，请联系版权单位或学校。

【摘要】车牌识别系统是现代智能交通系统的重要组成部分,是计算机视觉、图像处理、模式识别技术的综合应用。

一个完整的车牌识别系统通常由图像预处理、车牌区域定位、车牌字符分割和车牌字符识别等部分组成。

图像预处理过程中,采用灰度拉伸、对比度增强、中值滤波等方法增强图像质量。

车牌定位部分中,采用了基于差值投影和数学形态学的定位方法。

首先粗略定位处车牌边界,之后精确定位,最后剔除伪车牌区域。

字符分割部分,利用Hough变换对车牌的二值图像校正后,采用基于差值投影和迭代均值滤波的方法对字符进行分割。

字符识别模块,包括特征提取和字符识别两个过程。

提取样本的特征向量之后,对3层BP神经网络进行训练。

之后,用该网络对分割出的归一化的字符进行识别。

实验表明,本系统能较准确定位、分割车牌并进行识别,系统的性能良好。

【关键词】车牌定位；车牌字符分割；字符识别；差值投影；BP 神经网络；【篇名】车牌识别算法研究【目录】车牌识别算法研究摘要3-4Abstract4第一章绪论7-15 1.1 课题研究背景及其意义7-11 1.1.1 智能交通发展现状7-9 1.1.2 车牌识别技术9-11 1.2 课题国内外研究现状11-13 1.3 本文的主要工作和内容安排13-15第二章车牌图像预处理技术15-23 2.1 彩色图像的灰度化15-16 2.2 图像增强16-22 2.2.1 直方图均衡化17-18 2.2.2 灰度变换18-19 2.2.3 滤波处理19-22 2.3 本章小结22-23第三章车牌定位算法研究23-35 3.1 汽车牌照的特点23-24 3.2 投影函数24-25 3.3 本文采用的车牌定位方法25-32 3.3.1 上下边界粗定位25-28 3.3.2 左右边界粗定位28-30 3.3.3 精确定位30-32 3.4 实验结果与分析32-34 3.5 本章小结34-35第四章车牌字符分割算法研究35-45 4.1 车牌图像二值化35 4.2 车牌倾斜校正35-38 4.2.1 Hough变换36-37 4.2.2 Hough变换算法37 4.2.3 倾斜矫正37-38 4.3 本文采用的字符分割方法38-42 4.3.1 去除多余区域39 4.3.2 竖直差值投影与迭代均值滤波39-40 4.3.3 确定最优分割点40-41 4.3.4 实验结果与分析41-42 4.4 字符归一化和细化42-44 4.5 本章小结44-45第五章车牌字符识别算法研究45-59 5.1 字符识别概述45 5.2 BP神经网络45-52 5.2.1 神经网络基础45-46 5.2.2 前馈神经网络46-47 5.2.3 BP算法及其实现47-51 5.2.4 标准BP算法的改进51-52 5.3 BP神经网络的设计52-55 5.3.1 训练样本52-53 5.3.2 BP神经网络的结构设计53-54 5.3.3 BP神经网络的参数设计54 5.3.4车牌识别BP网络模型54-55 5.4 特征提取和选择55-56 5.5 实验结果与分析56-57 5.6 本章小结57-59第六章总结与展望59-61致谢61-63参考文献63-67攻读硕士学位期间发表的论文67。

基于BP神经网络的车牌识别技术算法分析

基于BP神经网络的车牌识别技术算法分析摘要：车牌识别是计算机视觉技术的一种典型应用，以机器视觉、图形图像、模式识别等为理论基础，采用神经网络、形态学、投影等技术实现车辆拍照、视频分解、预处理、字符定位、文本识别等一体化车牌识别。

关键词：车牌识别；机器视觉；图形图像；模式识别；神经网络一、车牌识别的核心技术车牌识别系统主要可分为原始图的采集、图像预处理、车牌定位、字符分割以及字符识别几大部分。

（一）预处理概述一般刚采集的图像是彩色图像，加上国内车牌颜色的多样性（如白底黑字、黑底白字、黄底黑字及蓝底白字等），为了能够更好的对车牌进行图像处理，首先要对抓（二）车牌定位方法车牌定位是基于图像处理中的分割技术对整个车牌图像进行车牌区域分割提取。

由于我国车牌种类繁多且背景色复杂，实现一种可以通用的车牌定位提取方法是十分复杂的。

典型的车牌定位方法流程如图2所示：图2边缘检测的基本思想是基于图像边缘进行分析处理，该过程不仅可以降低不相关数据的运算，同时可以忽略一些干扰信息，将图像原本最重要的特征信息保留下来。

一般边缘检测采用的算子为Roberts和Sobel。

而针对于车牌识别中车牌定位的提取，基于原有技术的基础上，可采用一种结合与改进的Roberts算子边缘检测与形态学的车牌定位算法：一是增加两个方向的检测模版；二是Roberts算子阀值的自动选取。

形态学处理是基于数学形态学的技术，数学形态学具有解析和叙述几何形态学的功能。

其基本运算有四种：开运算、闭运算、膨胀以及腐蚀，在车牌识别中可先对边缘检测好的图像进行腐蚀，再根据车牌的一些先验知识对图像做填充及滤波处理最终得到车牌位置。

在完成车牌定位之后，在车牌字符分割之前需要对已定位好的车牌进行倾斜校正处理。

一般可采用Hough变换调整水平方向，Rodon变换调整垂直方向。

（三）基于垂直投影并结合连通域及模板匹配的分割方法基于传统算法的优缺点，采用一种基于垂直投影法并结合连通域及模板匹配法进行字符分割，首先是根据连通域找出字符之间的宽度，然后再结合投影法确定单个字符的位置，最后再参考字符之间宽度建立一个分割模板。

一种基于BP神经网络的车牌字符识别算法

一种基于BP神经网络的车牌字符识别算法杨建华;王鹏【期刊名称】《软件工程师》【年(卷),期】2015(000)001【摘要】License plate recognition system is an important branch in the intelligent transportation.This paper presents a license plate character recognition algorithm based on neural network, the traditional template matching method has low recognition accuracy problem.First extracted the character image features to obtain its feature vector,then put the feature vector to BP network train and get trained weights,which weights the license plate character recognition.The experiments results showed thatthe recognition accuracy of number and alphabet is above 90%.%车牌识别系统是智能交通中的一个重要分支，本文针对传统的模板匹配算法存在识别准确率低的问题，提出了一种基于神经网络的车牌字符识别算法。

该方法对分割、归一化后的字符进行特征提取获取其特征向量，把这个特征向量送到BP网络中进行训练，可以得到训练好的权值，以此权值对车牌字符进行识别。

实验表明，本算法对车牌图像的识别率达90%以上。

【总页数】2页(P19-20)【作者】杨建华;王鹏【作者单位】咸阳师范学院信息工程学院，陕西咸阳 712000;咸阳师范学院信息工程学院，陕西咸阳 712000【正文语种】中文【中图分类】TP391.41【相关文献】1.基于BP神经网络算法的车牌字符识别系统设计 [J], 张玲;张鸣明;何伟2.基于PCA和BP神经网络算法的车牌字符识别 [J], 闫雪梅;王晓华;夏兴高3.一种基于全局阈值二值化方法的BP神经网络车牌字符识别系统 [J], 张坤艳;钟宜亚;苗松池;王桂娟4.基于填充函数法训练BP神经网络的车牌字符识别算法 [J], 徐应涛;陆福宏;张莹5.一种基于BP神经网络的车牌字符识别算法 [J], 王娜因版权原因，仅展示原文概要，查看原文内容请购买。

基于BP神经网络的车牌识别技术研究

基于BP神经网络的车牌识别技术研究摘要随着科学技术的不断发展，交通管理手段正从人工管理逐步转变成自动或半自动方式，车牌识别问题作为现代交通工程领域中研究的重点和热点问题之一，受到越来越多人们的关注。

近年来，神经网络在许多领域中得到应用，利用神经网络自适应的特点，本文采用基于BP构成的神经网络进行字符识别。

本文通过对在车牌识别系统中图像预处理、车牌定位、字符分割、字符识别四个关键环节的分析研究，提出了一种基于神经网络的车牌字符自动识别算法。

用此方法对车牌图像进行实验，对车牌字符样本进行特征提取，并且在MATLAB 环境下对车牌字符识别进行仿真模拟，结果证实此算法对车牌字符的定位和分割具有良好的效果，对车牌字符的识别具有一定的准确性。

关键词:BP神经网络；车牌定位；车牌识别；字符分割；字符识别1.引言随着汽车数量的增加，使得世界各国都存在着交通拥挤的城市状况。

为了解决这一问题，众多城市将车道拓宽，但仍远远不能解决问题，在不增加现有的道路设施情况下，如何提高交通运输效率已成为世界各国研究的焦点。

智能型交通体系(ITS——Intelligent Transportation System)是未来交通监管系统的主要发展趋势。

车辆牌照识别技术(LPR——License Plate Recognition)又是ITS中的核心技术之一。

因此研究与开发车牌识别系统对于我国交通管理领域的发展具有重要实用价值。

目前的车牌识别系统还存在着很多不足。

识别率还不可能做到百分之百，但随着研究的不断深入，车牌识别技术肯定会逐步走向成熟。

现代智能交通的发展，使其具有巨大的应用潜力，更广阔的市场。

与此同时，神经网络在分类等问题中得到广泛应用，针对车牌识别问题，首先要找到车牌的一些特征，以及对应的评价数据，用这些数据来训练神经网络。

由于人工神经网络具有并行处理、分布式存储与容错性等结构特点，因此被广泛应用于LPR系统中。

结构上的并行性使神经网络的信息存储必然采用分布式方式，即车牌字符信息不是存储在网络的某个局部，而是分布在网络所有的连接权中。

基于BP网络的车牌识别毕业设计论文

BP神经网络在车牌识别技术中的应用研究

基于BP神经网络的车牌字符识别

车牌号码模式识别以及bp神经网络识别

基于BP网络的车牌字符识别

BP网络车牌识别毕设论文终稿

基于BP网络的车牌识别系统的毕业设计

基于BP神经网络的车牌识别技术-车牌定位

基于BP神经网络算法的车牌字符识别系统设计（精品）

毕业设计BP神经网络方法对车牌照字符的识别(含外文翻译) (1)

基于BP神经网络的智能车牌识别系统

基于BP神经网络的车型识别毕业设计论文

基于BP神经网络的车牌号码识别

车牌识别毕业设计论文

基于BP神经网络的车牌字符识别

BP神经网络方法对车牌照字符的识别 精品

车牌定位论文：车牌字符分割字符识别差值投影BP神经网络

基于BP神经网络的车牌识别技术算法分析

一种基于BP神经网络的车牌字符识别算法

基于BP神经网络的车牌识别技术研究

BP神经网络方法对车牌照字符的识别精品