2019-09-02 16:59:44 +08:00
|
|
|
|
# 车牌识别
|
|
|
|
|
|
|
2019-09-02 22:18:12 +08:00
|
|
|
|
基于数字图像处理和机器学习，包含车牌定位、字符分割和判断、字符识别，开源了项目整理后训练SVM,ANN和CNN数据集，包含答辩ppt和毕业论文正文辅助学习
|
2019-09-02 22:00:34 +08:00
|
|
|
|
|
2019-09-02 22:06:19 +08:00
|
|
|
|
项目综述：https://github.com/Yuqi-Zest/Vehicle-License-Plate-Recognition/blob/master/%E9%A1%B9%E7%9B%AE%E7%BB%BC%E8%BF%B0.pdf
|
2019-09-02 20:42:40 +08:00
|
|
|
|
|
2019-09-02 22:23:56 +08:00
|
|
|
|
详细学习文档：https://github.com/Yuqi-Zest/Vehicle-License-Plate-Recognition/blob/master/%E6%AF%95%E4%B8%9A%E8%AE%BA%E6%96%87%E6%AD%A3%E6%96%87.pdf
|
|
|
|
|
|
|
2019-09-02 22:04:34 +08:00
|
|
|
|
项目语言：C++11 项目平台：Microsoft Visual Studio 2015 计算机视觉库：Opencv 3.2+opencv-contrib V3.1 cmake3.8.1 源码编译
|
|
|
|
|
|
SVM: Libsvm ANN： Opencv CNN: Caffe
|
|
|
|
|
|
|
2019-09-02 22:18:12 +08:00
|
|
|
|
## 详细说明：
|
2019-09-02 22:12:58 +08:00
|
|
|
|
该项目以数字图像处理和机器学习为基础，以1485张图片组成的原始数据集为出发点，研究了如何从原始图片集中得到用于分类器训练的数据集；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；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；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；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，充分体现了“端到端”和“数据驱动”的思想。
|
