车牌识别：
车牌识别是从一张或一系列数字图片中自动定位车牌区域并
提取车牌信息的图像识别技术，它以数字图像处理、模式识
别、计算机视觉等技术为基础，是现代智能交通系统的重要
组成部分，广泛应用于日常生活中。
公路收费站收费 车辆出入门禁管理
道路车辆违规行为监管
建立图片集
以1485张图片组成的原始数据
集为出发点，制作了用于分类
器训练和测试的图片集。
提取车牌区域候选人
针对车牌区域特点和输入图片的
全局特点，提出了四种不同的可
能的车牌区域提取方法，经过校
正后得到车牌区域候选人。
字符分析
字符识别
通过使用金字塔梯度方向直方
图特征得到了用于数字和字母
识别的三层BP神经网络模型，
定义了10层的卷积神经网络模
型MyLeNet实现汉字的识别。
程序综合
搭建和编写了一个完整的工程项
目，该项目整合了研究过程中的
所有方法的程序实现，可以对数
据集进行操作也可实现单张图片
的自动识别，
参考自然场景下的文本检测
方法和车牌中的字符分布特
点，对车牌候选区域提取改
进的最大稳定极值区域，通
过使用非极大值抑制和区域
校正得到字符候选人，通过
字符判断分类器和字符搜索，
实现非车牌区域的滤除和车
牌区域7个字符的提取，其
中字符判断使用基于20个描
述性特征的支持向量机实现。
主要研究成果：
输入图片的限制条件：
第一：处理的车牌为440mm*140mm的蓝底白字的机动车车牌；
第二：输入图片最大边长为1600个像素点，整个车牌区域占整张图片
中的像素点数目不得超过1/8；
第三：车牌区域在原图片中肉眼可以清晰分辨，没有严重的模糊现象，
车牌中的所有字符没有缺损和遮挡；
第四：车牌区域像素点数在1000到10万之间，车牌的倾斜角度不超过
±45°，图中车牌的长宽比在1.3到6.0之间；
第五：图片没有较大的水印和人为的涂画，天气状况均为晴天。
车牌候选区域的获取依然是基于传统的数字图像处理方法。
限制存在的主要原因：
• 采集原始图片集
• 建立车牌区域候选人图片集
• 建立字符判断图片集
• 建立数字和字母识别的图片集
• 建立汉字识别图片集
白天图片
夜间图片
0
100
200
300
400
500
600
700
监控图片
网络图片
手机图片
649
656
467
0
30
123
白天图片 夜间图片
