基于MATLAB的卷积神经网络车牌识别系统

基于MATLAB的卷积神经网络车牌识别系统车牌识别是基于车牌照片的车牌信息的识别工作,车牌识别技术对我们的实际生活至关重要,例如交通违规行为的增加,拦截非法车辆,在速度上能够进行快速识别能够很好地解决这些问题。获得的照片的质量是影响车牌识别准确性的最重要因素之一。卷积神经网络在图像识别领域具有良好的适应性,目前在计算机视觉任务中应用广泛,并在手写数字识别、人脸识别、车牌识别等图像领域的应用中取得了很好的效果。本文基于MATLAB卷积神…

大家好,又见面了,我是你们的朋友全栈君。

车牌识别是基于车牌照片的车牌信息的识别工作,车牌识别技术对我们的实际生活至关重要,例如交通违规行为的增加,拦截非法车辆,在速度上能够进行快速识别能够很好地解决这些问题。获得的照片的质量是影响车牌识别准确性的最重要因素之一。卷积神经网络在图像识别领域具有良好的适应性,目前在计算机视觉任务中应用广泛,并在手写数字识别、人脸识别、车牌识别等图像领域的应用中取得了很好的效果。
在这里插入图片描述
本文基于MATLAB卷积神经网络车牌识别主要包括卷积神经网络的模型的建立、数据预处理、模型训练、加载模型、车牌图片预处理、车牌定位、车牌裁剪、字符识别等操作。
卷积神经网络的结构设置如下,其输入层是车牌图像,其大小为3232;C1卷积层,该层采用 6个 55的卷积核对图像进行卷积;C2层为卷积层,该层采用12个5*25特征图进行卷积并累加;全连接层,本文采用120个过滤器。

net.layers = { 
   
    struct('type','i','iChannel',1,'iSizePic',[32 32])          
    struct('type','c','iChannel',6,'iSizeKer',5)                
    struct('type','s','iSample',2)                              
    struct('type','c','iChannel',12,'iSizeKer',5)               
    struct('type','s','iSample',2)                              
    struct('type','f','iChannel',120)                                                
    struct('type','f','iChannel',40)                               
              };
net.alpha = 4;                                                  
net.eta = 0.5;                                                  
net.batchsize = 12;                                             
net.epochs = 75;    

车牌预处理,部分代码如下,

img_gray = rgb2gray(img_rgb);    % RGB图像转灰度图像
% 均值滤波
A=fspecial('average',3);      
img_filt=filter2(A,img_gray)/255;      %用生成的高斯序列进行滤波
% 边缘提取
img_edge = edge(img_filt, 'sobel', 0.1, 'vertical');
% 检测背景蓝色区域
img_r=img_rgb(:,:,1);
img_g=img_rgb(:,:,2);
img_b=img_rgb(:,:,3);
index= img_r>200&img_g>200;
img_b(index)=0;
index2=img_r<20&img_g<20;
img_b(index2)=0;
[m,n]=size(img_b);
img_bw = im2bw(img_b,0.4);
[L,m] = bwlabel(img_bw,8);
status = regionprops(L,'BoundingBox');
for i=1:m
rect(i,:)=getfield(status(i),'BoundingBox');
end
ratio=rect(:,3)./rect(:,4);
for i=1:m
if(ratio(i)<=2.5)
img_bw(find(L==i))=0;
end
end

得到的结果如图,
在这里插入图片描述
字符分割与识别,将候选的车牌经过CNN过滤,我们可以筛选出对我们有重要意义的车牌照片。由于边缘检查是白色边缘检查,通过过滤器,我们将图像一数值的方式体现出来,去除车牌边缘无用图像,得到的图像进行矩形分割,统一修改为32×32的大小。首先,关于所取得的牌照照片,我们使用过滤器的平衡度来增强图像的可读性。由于检查边缘是在白色边缘进行的,通过过滤设备对图像进行多次调整,寻找白色字体并获得最小的外部矩形。最后,在根据宽度、高度和像素比率进行分类后,将这个数字调整为32×32。识别结果如下,
在这里插入图片描述
部分代码,

%分割字符
for i=1:7
while((Px0<n)&&(count_y(1,Px0)<2))%求字符的左边界
Px0=Px0+1;
end
Px1=Px0;
while((Px1<n)&&(count_y(1,Px1)>=2||(Px1-Px0)<7))%求字符右边界
Px1=Px1+1;
end
Z=bw_word(:,Px0:Px1);
switch i
case 1
PIN0=Z;
case 2
PIN1=Z;
case 3
PIN2=Z;
case 4
PIN3=Z;
case 5
PIN4=Z;
case 6
PIN5=Z;
otherwise
PIN6=Z;
end
Px0=Px1;
end

通过卷积神经网络进行车牌数据集的预处理,得到训练的模型的准确率可以达到90%,由于本人能力有限,网络结构参数还存在改进的地方。整个系统界面如下所示,
在这里插入图片描述
转载请备注原作者,谢谢!qq-134-170-3358

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/139861.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)
blank

相关推荐

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号