基于視頻圖像的車輛檢測(cè)和車牌識(shí)別.pdf

1、車牌識(shí)別系統(tǒng)是智能交通系統(tǒng)（Intelligent Transport System，簡(jiǎn)稱ITS）的一個(gè)重要組成部分，車牌識(shí)別在城市交通管理、停車場(chǎng)管理、小區(qū)車輛出入、高速公路收費(fèi)等方面有著廣泛的應(yīng)用，對(duì)于城市道路交通卡口系統(tǒng)而言，高效的對(duì)車輛進(jìn)行檢測(cè)、對(duì)車牌進(jìn)行識(shí)別是協(xié)助破獲肇事逃逸、車輛違章和車輛丟失等事件的有效手段。在車牌識(shí)別系統(tǒng)中，能否檢測(cè)到運(yùn)行車輛并對(duì)運(yùn)行車輛進(jìn)行準(zhǔn)確的車牌定位對(duì)車牌字符的識(shí)別有著極其重要的影響，不能準(zhǔn)確的定位

2、到車牌就不能進(jìn)行字符識(shí)別，因此本文會(huì)重點(diǎn)對(duì)車輛檢測(cè)和車牌定位進(jìn)行深入研究，并提出一種新的車輛檢測(cè)和車牌定位方法，并在Matlab平臺(tái)上編程實(shí)現(xiàn)，實(shí)驗(yàn)結(jié)果表明了該方法的有效性。
　　本文的主要研究?jī)?nèi)容包括以下幾個(gè)方面:
　　運(yùn)動(dòng)車輛的檢測(cè)。分析了目前常用的一些前景提取方法的優(yōu)缺點(diǎn)，在Matlab上分別編程實(shí)現(xiàn)其中三種提取車輛的方法，對(duì)比實(shí)驗(yàn)結(jié)果并分析。根據(jù)實(shí)際需要選擇背景差分法的平均值背景模型并結(jié)合車輛的梯度圖像檢測(cè)目標(biāo)車輛，

3、最后使用形態(tài)學(xué)方法和二值化方法提取完整的目標(biāo)車輛。
　　車牌定位。簡(jiǎn)要介紹目前針對(duì)車牌定位常用的一些方法，分析它們的優(yōu)缺點(diǎn)，通過實(shí)驗(yàn)驗(yàn)證一些車牌定位方法存在的缺點(diǎn)，例如，邊緣檢測(cè)方法對(duì)于圖像質(zhì)量較差的車輛圖片的車牌定位存在很大的誤差。根據(jù)這些缺點(diǎn)提出一種結(jié)合邊緣檢測(cè)和顏色特征的車牌定位方法，并進(jìn)行實(shí)驗(yàn)驗(yàn)證該方法的可靠性。
　　車牌傾斜校正與字符分割。成功定位到車牌后需要為車牌識(shí)別做準(zhǔn)備工作，定位到的車牌往往存在傾斜和定位的精