目录
目录
摘 要 II
ABSTRACT III
第一章 绪论 1
第二章 车牌图像分割 3
2.1 车牌图像背景去除 4
2.2 车牌字符提取 11
2.2.1 基于 Radon 变换的倾斜字符校正 11
2.2.2 车牌字符分割 12
第三章 基于卷积神经网络的车牌字符识别 14
3.1 深度学习基础知识 14
3.2 字符识别网络模型的训练与检测 18
3.2.1 获取数据集 18
3.2.2 训练网络模型 19
3.2.3 网络模型的检测 21
第四章 结论与展望 24
4.1 工作总结 24
4.2 未来展望 24
参考文献 25
致谢 27
基于深度学习的停车场车牌识别系统
摘 要
人工智能技术的迅速发展，使其在智慧交通内的应用越来越广泛，也让智慧交通得以实现。这样做最大化的利用了资源，也方便了人们外出进行工作和娱乐活动。我国城市发展的特性导致城市内对停车场的需求愈来愈高，城市内停车难问题愈演愈烈，归根结底是停车场的建设跟不上汽车的发展速度。选择智能停车场车牌识别系统，既能够降低停车场建设成本，也能优化用户的使用体验，所以，本论文的基于深度学习的停车场车牌识别系统就有很高的学习与研究需要。
本论文设计的系统是在停车场的生活场景下，系统对输入的带有可见的汽车车牌的图像进行识别，并记录相应的停车时间，在汽车出库时，识别对应的车辆照片，则可根据输入输出阶段的数据匹配算出相应的停车时间。整个识别过程分为车牌图像去背景、车牌字符分割和基于卷积网络的车牌字符识别，最终利用Python的Tkinter作为人机交互界面并且显示识别结果。
在车牌图像分割流程部分，本文选择了基于颜色特征和边缘检测技术相结合实现车牌图像去背景功能，原因是两者单独使用都会有特定情况无法准确去掉车牌图像背景，将两者结合使用测试后满足本论文的使用。之后的车牌字符提取则对不标准的车牌图像首先采用Radon变换校正图像，再根据国内车牌特征消 *51今日免费论文网|www.51jrft.com +Q: ^351916072* 
除掉车牌字符中的间隔符，接着就能够采用垂直投影方法进行字符的分割。
在基于卷积网络的车牌字符识别部分，本文采用的开发平台是在深度学习领域已经被广泛应用的Tensorflow，然后构建基于卷积网络的模型，通过从开源数据库找来的汽车车牌数据集和利用程序自己生成车牌图片训练模型，模型训练完毕后在界面平台上测试，成功识别出了车牌并正确显示了结果。

原文链接：http://www.jxszl.com/dzxx/dzdq/609068.html