导读:本文包含了车牌自动识别论文开题报告文献综述、选题提纲参考文献，主要关键词:车牌,神经网络,字符,卷积,深度,直方图,蓝牙。
车牌自动识别论文文献综述写法
魏娇[1]（2019）在《基于机器视觉的车牌字符自动识别系统设计》一文中研究指出在移动式拍摄环境下进行车牌字符自动识别受到模糊干扰以及环境的因素影响,导致车牌字符自动识别的准确性不好,提出一种基于机器视觉的车牌字符自动识别系统设计方法。将车辆环境信息融入到车牌字符图像的边缘轮廓检测中,提取车牌字符关键信息特征点,把车牌字符的内部结构纹理信息解释为一个灰度直方图均匀分布的随机场,进行车牌字符图像的灰度特征检测和字符块匹配处理,在不同的车辆行驶速度下选用不同的特征匹配函数来统计车牌字符的机器视觉特征分布点,进行车牌字符的目标像素视差分析和视觉特征检测。在Android开发环境下进行车牌字符自动识别系统的软件开发设计。仿真结果表明,采用该方法进行车牌字符自动识别具有准确识别率高、捕获性能好、识别用时短的优点。(本文来源于《自动化与仪器仪表》期刊2019年08期）
李红建,李诚[2]（2019）在《基于蓝牙技术的自动车牌识别停车系统实现》一文中研究指出本文探讨了怎么通过蓝牙技术来实现车牌识别,以便降低人工成本和设备投入成本。(本文来源于《电子技术与软件工程》期刊2019年15期）
陈炫烽[3]（2019）在《复杂环境下车牌自动识别系统的研究及实现》一文中研究指出随着大数据技术的成熟以及人工智能技术的蓬勃发展,智慧交通逐渐成为相关技术的重要落地点。通过智慧交通技术,可以使道路网络达到更高的运行效率,既节省了人们的时间,又减少了资源的消耗。城市监控系统的应用,使得公安机关能够更快的追踪到车辆与行人,从而使我们的生活变得更加的安全。车牌是车辆的唯一标识物,因此车牌自动识别技术是智慧交通的支撑性技术,有着非常重要的应用价值。本文研究并实现了一个车牌自动识别系统,该系统由车牌定位模块、字符分割模块、字符识别模块和免分割车牌识别模块四个部分组成。本文第一章对车牌自动识别系统的背景信息及研究意义进行了分析。第二章对涉及到的相关理论和车牌自动识别技术的发展情况进行了介绍。第叁章介绍了本文所采用的车牌识别各个阶段的算法方案,并将本文采用的方法与其他主流方法进行了实验对比。第四章描述了车牌自动识别系统的需求分析、概要设计与详细设计,该系统在公平的数据集下达到了符合预期的表现。最后在第五章中对本文工作进行了总结归纳,并对后续工作进行了展望。本文的主要工作与创新之处总结如下:1.对车牌自动识别技术的发展现状做了全面深入的调研与总结概括,将其分为车牌定位、字符分割、字符识别、免分割车牌识别四个阶段。明确了每个阶段的主流方法以及它们的优缺点,并使用统一的数据集进行了实验对比。2.对传统的Haar+Adaboost的车牌定位算法进行改进,引入一个CNN二分类器进一步剔除非车牌图像,形成了Haar+Adaboost+CNN的车牌定位方案。3.对字符分割方案进行改进,使用了滑动窗口的方法去分割字符。4.设计并实现了一个简便的车牌自动识别系统,并使用公平的数据集对该系统进行了测试。系统在识别速度和识别准确率两方面都达到了符合预期的表现。(本文来源于《北京邮电大学》期刊2019-06-03）
朱晓林,万琴,肖岳平,安希旭[4]（2019）在《车牌自动识别系统GUI界面设计与实现》一文中研究指出随着我国交通运输业的快速发展,中国的交通管理逐渐转变为智能交通管理,车牌自动识别是智能交通管理重要环节之一.本文设计了包括车牌图像预处理、车牌图像区域提取、车牌图像字符分割、车牌图像字符识别等四个模块.提出基于最小欧式距离的模板匹配法,设计了GUI图形用户界面.采用最小欧式距离的模板匹配法和彩色特征的车牌定位法,实现车牌自动识别,此系统具有较高的识别率和识别速度,能快速、实时识别车牌字符.(本文来源于《湖南工程学院学报(自然科学版)》期刊2019年02期）
阿萨（Asad,Khan）[5]（2019）在《基于彩色图像检测的车牌自动分割与识别》一文中研究指出在我们的日常生活中,客运和货运都离不开车辆。自动车牌分割与识别(AVLPSR)技术是智能交通系统(ITS)的关键技术之一。目前,AVLPSR技术已广泛应用于停车场、自动收费、门禁、交通执法、过境管制、交通监控等多种现实应用场景,并且在各个领域都取得了良好的效果。中国标准车牌有多种类型,车牌的构成涉及38个汉字、24个大写英文字母(字母O和I除外)和1 0个数字(临时车牌除外)。AVLPSR方法可以利用图像处理技术车辆图像来检测车牌信息。在AVLPSR技术中,最重要也是最困难的一步是对车牌信息的分割,分割的准确度将直接影响到识别的结果。图像中一些干扰因素如灰尘、雨水、不适当的照明、雾和昏暗的光线条件等,将会使识别工作更加困难。在车牌图像识别车牌中,车牌分割法是从车牌中提取重要数据的一种方法。汽车牌照图像的自动识别是汽车牌照应用领域面临的挑战,主要难点在于颜色、字体、尺寸遮挡、位置和不同车牌种类等因素。本文的研究工作主要集中在对中国汽车牌照的检测、分割和识别。AVLPSR的主要过程分为叁个步骤:车牌检测、字符分割和字符识别。本文提出了一种简单的车牌检测算法利用局部二值模式直方图(LBPH)进行车牌检测,并取得了理想的检测结果。针对分割问题,提出了连通分量(CC)算法。所提出的算法有两个特点。第一,如果车牌汉字是一个结构,该算法将车牌分割为八个字符,因为中国标准车牌有八个字符,大部分是一个汉字、两个或者叁个英文字母、叁个或者四个数字和一个位于第叁位的点。其次,如果汉字有多个结构,则该算法将这些结构合并为一个部分。该算法对所有字符,尤其是汉字,都有很好的效果。车牌识别采用了支持向量机(SVM)原理。研究结果表明,车牌检测和分割方法在准确性和性能上都有较好的表现,识别的准确率为96.7%。(本文来源于《北京邮电大学》期刊2019-05-08）
刘永俊,秦立浩,徐亮[6]（2019）在《基于几何和颜色综合特征的车牌自动定位及识别》一文中研究指出研究设计了在普通的监控条件下,基于几何和颜色综合特征的车牌自动定位及识别方法.该方法综合运用车牌的垂直边缘和车牌照颜色定位出若干候选车牌区域,根据车牌纵横比等条件去掉不符车牌几何特征的选区,然后采用支持向量机(SVM)分类器对候选区做进一步的分类筛选.将车牌选区内的字符自动分割出来后,调用训练好的BP神经网络对单个字符进行识别,最后将识别结果按序排列后即可得到车牌号.该方法不需要给汽车增加射频卡等特殊的设备条件,成本更低、可以更加友好地应用于不同的需求.最后在实际开发的基于车牌识别的车辆智能门禁系统中验证了本文方法的有效性.(本文来源于《常熟理工学院学报》期刊2019年02期）
陈政强,马兆敏[7]（2018）在《基于视觉的车牌自动识别现状综述》一文中研究指出车牌是车辆的法定上道行驶凭证。车牌的自动识别作为智能交通系统的重要部分,主要分成车牌定位、字符分割、字符识别等几个步骤。本文总结了各步骤中算法的研究现状,并提出了在进一步研究中值得注意的问题。这将有助于相关研究的进一步开展。(本文来源于《Proceedings of 2018 7th ICASS International Conference on Social Science and Information(SSI 2018)》期刊2018-12-27）
刘朝华[8]（2018）在《基于深度学习的车牌自动识别系统设计与实现》一文中研究指出车牌识别技术(License Plate Recongnition,LPR)是一个很多研究学者一直在探讨的问题,网上查阅资料很多车牌识别系统都标称识别率为99%以上,但事实上车牌识别系统在应用界实际的工程应用中一直都很难提出完全适应各种情况的方案,很多系统能够达到90%以上的识别率已经是很不错了,并且在这些系统中大都依赖高清摄像头传入高清图像,一旦图像的分辨率降低或者车牌污损,车牌的识别率将大大降低。因此,如何有效地提高识别精度目前仍然是未能解决的问题。在研究方法上很多识别系统也是采用模板匹配的方法,最近几年随着人工智能的发展,深度学习在图像识别、文字识别、人脸识别、语音识别中都取得了很大的进展,因此也为将深度学习引入到车牌识别中提供了理论依据。另外,在很多发达国家都有比较成熟的车牌识别系统,在智能交通中发挥着巨大作用。但由于我国车牌的规范与国外有很大的差别,所以不能采用拿来主义,即使拿过来也不适应我国的的国情和现状。因此开发适合我国的车牌识别系统仍是一个很有意义的课题。本文基于深度学习的车牌识别系统,是在车牌的识别中采用深度学习的方法,但车牌的前期处理仍采用传统的分割提取方法,因为传统的车牌提取分割中各种算法比较成熟可靠,基本上可改进的幅度不大。本文的着重点是软件的开发过程,在车牌的识别中采用卷积神经网络(Convolutional-Neural-Network,CNN)进行识别,以提高识别的精度和速度。开发中采用Matlab环境,建立了卷积神经网络,并且以模块化的编程思想,采用分函数分模块的方法对各个功能模块进行开发,最后开发出一套基于Matlab的可视化软件。考虑到后期扩展需求,借助于Matlab的接口可以生成可供C语言等其它语言调用的函数,能很方便的嵌入到别的系统中去。关于混合编程的部分,在文中提及但不作为本文研究的重点。通过研究发现,卷积神经网络在车牌识别中应用确实可以有效提高车牌在污损,光照不足等各种环境下的识别率。这种识别率的提高,借助于庞大的训练字符集,训练字符集包含的字符形态越多,识别率越高。能够真正的达到车牌字符识别率到95%以上。另外,对于训练好的卷积神经网络,包括车牌的提取和前期处理识别速度也可以达到1秒以内。(本文来源于《电子科技大学》期刊2018-10-29）
张丽园[9]（2018）在《车牌自动识别系统应用研究》一文中研究指出通常,人们能够很容易通过人眼读取字符而计算机却不能,除非计算机有智能处理能力。VLPR(车牌识别系统)就是用来处理车牌定位和车辆号码识别的智能系统。VLPR主要有叁大功能模块:车牌提取、分割和识别。车牌提取功能主要通过边缘检测实现。车牌字符分割部分主要使用过滤、稀释及水平垂直投影技术实现。车牌识别技术是VLPR系统最后一步,主要是识别车牌中的字符和数字。车牌识别系统的实现取决于输入图像的质量,一些外部环境造成的影响因素,如阴影、雨痕和模糊也会降低VLPR系统性能。为此,主要分析多种VLPR方法,对基于特征提取和分类表的VLPR文献进行分类总结,并对车牌字符的检测、定位和识别进行阐述。(本文来源于《信息与电脑(理论版)》期刊2018年20期）
李德明[10]（2018）在《基于STM32的车牌自动识别系统设计》一文中研究指出介绍了一种基于STM32实现车牌识别系统,以STM32单片机作为控制器,控制OV7670图像传感器进行车牌图像信息获取,经过模式识别、二值化分析、识别车牌区域、字符定位、字符分割和字符识别,最后获取车牌字符,并在彩色液晶屏显示采集的图片和识别结果。设计结果证明该系统能把机动车车牌字符正确识别,且识别过程所用时间短,识别成功率高,具有一定的应用价值。(本文来源于《广西物理》期刊2018年Z1期）
车牌自动识别论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文探讨了怎么通过蓝牙技术来实现车牌识别,以便降低人工成本和设备投入成本。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
车牌自动识别论文参考文献
[1].魏娇.基于机器视觉的车牌字符自动识别系统设计[J].自动化与仪器仪表.2019
[2].李红建,李诚.基于蓝牙技术的自动车牌识别停车系统实现[J].电子技术与软件工程.2019
[3].陈炫烽.复杂环境下车牌自动识别系统的研究及实现[D].北京邮电大学.2019
[4].朱晓林,万琴,肖岳平,安希旭.车牌自动识别系统GUI界面设计与实现[J].湖南工程学院学报(自然科学版).2019
[5].阿萨（Asad,Khan）.基于彩色图像检测的车牌自动分割与识别[D].北京邮电大学.2019
[6].刘永俊,秦立浩,徐亮.基于几何和颜色综合特征的车牌自动定位及识别[J].常熟理工学院学报.2019
[7].陈政强,马兆敏.基于视觉的车牌自动识别现状综述[C].Proceedingsof20187thICASSInternationalConferenceonSocialScienceandInformation(SSI2018).2018
[8].刘朝华.基于深度学习的车牌自动识别系统设计与实现[D].电子科技大学.2018
[9].张丽园.车牌自动识别系统应用研究[J].信息与电脑(理论版).2018
[10].李德明.基于STM32的车牌自动识别系统设计[J].广西物理.2018