基于HAAR特征与BP神经网络的车牌识别技术研究

论文摘要

车牌识别技术运用OpenCV计算机开源机器视觉库,对图像进行处理提取出图像中蕴含的车牌信息,达到车牌识别的目的。通过运用HAAR特征,训练出AdaBoost分类器查找图片中的车牌区域,同时运用Sobel算子进行边缘检测等操作查找车牌区域,最终运用支持向量机(SVM)算法进行两种定位的疑似车牌区域的最终确认;确认后的车牌区域进行字符分割等操作进行字符的分离;最后运用训练的反向传播(BP)神经网络进行字符的识别并最终输出车牌信息。研究结果显示,车牌识别的效率很高,拥有一定的使用价值。

论文目录

• 0 引 言
• 1 系统介绍
• 2 车牌定位
•   2.1 HAAR分类器定位
•     1) HAAR分类器简介
•     2) AdaBoost分类器
•     3) HAAR特征分类器定位
•   2.2 使用传统方法进行车牌定位
•   2.3 候选车牌SVM判断
• 3 字符识别
•   3.1 车牌倾斜校正
•   3.2 字符分割
•   3.3 BP神经网络进行字符识别
• 4 结 论

文章来源

类型: 期刊论文

作者: 刘伍丰,何前磊,郑维

关键词: 车牌识别,特征,算法,神经网络

来源: 电子测量技术 2019年08期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 公路与水路运输,计算机软件及计算机应用,自动化技术

单位: 河南工业大学电气工程学院

基金: 河南省教育厅科技攻关项目(172102210028),河南省高等学校重点科研项目(17A490001),河南省高等学校青年骨干教师项目(2016GGJS-066),校青年骨干教师培养计划(2018008),国家粮食局公益性行业科研项目(201513003)资助

分类号: U495;TP391.41;TP183

DOI: 10.19651/j.cnki.emt.1802282

页码: 61-67

总页数: 7

文件大小: 3526K

下载量: 377