基于BP神经网络的车牌定位方法地研究.pdfVIP

2009年中国高校通信类院系学术研讨会论文集 基于BP神经网络的车牌定位方法的研究 付炜张金艳 (燕山大学信息科学与工程学院，秦皇岛066004) 摘要：在汽车牌照识别系统中，如何提高车牌定位的准确率是很关键的问题．针对BP神经网络 算法的缺陷，提出一种改进的算法，加快了网络训练的收敛速度，而且不容易陷入局部最优，提 高了车牌定位的准确率．文章最后给出了仿真结果． 关键词：车牌定位；BP神经网络；图像处理：模式识别 ResearchofVehicle onBP LicensePlateLocationbased NeuraI Networks FUWei ZHANG Jin-yan (InformationScienceand ofYanshan 066004) EngineeringCollege University,Qinhuangdao Abstract：Howto the ofvehiclelicenselocationintheLPRisa improveaccuracy plate keyproblem． Presentsall basedonBPneuralnetworkaimedatitsdefects．Theacceleratesthe improvedapproach study ofnetwork not toencounterlocal the ofvehicle speed training，andeasy optimization，advancesaccuracy licenselocation．Atemulatere,suitis plate last，an given． license neural location；BP Keywords：vehicleplate network；image recognition processing；pattem 1 引言 近年来，随着国民经济的日益发展，各种机动车辆迅速增加，在改变人们生活便利的同时，也引发了 新的问题，道路交通流量增大、交通事故、交通阻塞、等问题不断发生。因此，对交通监控、安全管理的 要求日益增高，为解决这个问题，国内外相继推出了适应运输要求的智能交通系统(Intelligent TransportationSystem，ITS)，目前智能交通系统已成为当前公路交通、城市交通管理的主要手段和发展方 Plate 向，而汽车牌照识别系统(LicenseRecognition，LPR)作为智能交通系统的核心技术，将在今后城市 和公路交通管理中发挥不可或缺的作用，它的开发也必将大大加速ITS的进程。 在汽车牌照识别系统中，车牌定位、字符分割和字符识别是其三大关键技术。其中车牌定位是牌照识 别系统的基础，定位的准确与否直接影响着车牌识别的准确率。因此，提高车牌识别效率的关键在于能否 实现车牌的快速准确定位。目前，车牌照定位可分为以下几类方法，基于直线边缘检测的方法；基于灰度 检测的方法；基于阈值迭代的方法；基于彩色信息的方法：基于神经网络的方法；基于数学形态学的方 法。本文将对基于BP神经网络的定位方法进行研