【车牌识别】基于卷积神经网络CNN实现车牌识别附matlab代码
【车牌识别】基于卷积神经网络CNN实现车牌识别附matlab代码
TT_Matlab
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，完整matlab代码或者程序定制加qq1575304183。
1 简介
基于CNN的车牌识别精定位算法，可以改进传统的车牌识别算法，提高识别系统的 准确率和鲁棒性。先采用Haar特征的级联分类器实现对图像中车牌位置的粗定位；而后综合随机抽 样一致化算法与Sobel算子实现精定位算法的精确定位与车牌矫正；再针对精确定位算法中的车牌 字符切割，对其进行直方图均衡化后，利用车牌字符分布特征的分割算法完成分割；最后，使用 keras搭建深度卷积神经网络（CNN）有效地对分割后的字符进行准确的识别。实验结果表明，本 设计提出的识别系统在保证鲁棒性良好前提下，准确性优于各传统算法，对应各变化场景的车牌识 别准确率达98% 以上。 车牌识别系统有3部分：一是车牌定位模块；二是字符分割模块；三是字符识别模块。车牌定 位模块通过对图像进行灰度化处理、模糊处理、HAAR特征级联类器探测、车牌边缘精定位等操作 实现对车牌区域的提取。字符分割模块则是通过对车牌进行灰度图像均值化处理，自适应二值化处 理，文字边缘检测等手段，结合车牌的字符分布特征从车牌上分割字符。字符识别模块则是通过字 符数据训练一个卷积神经网络实现字符识别。并将输入图片和输出结果使用GUI界面显示。具体的 系统流程图见图3。
2 部分代码
function
zimu = duquzimu(s10,s11,s12,s13,s14,s15,s16,s17,s18,s19,...
s20,s21,s22,s23,s24,s25,s26,s27,s28,s29,...
s30,s31,s32,s33)
%1-5 ABCDE 6-10FGHIJ 11-15 KLMNP 16-20 QRSTU 21-25 VWXYZ
zimu(:,:,1) =imresize(im2bw(s10,graythresh(rgb2gray(s10))),[110 55],
’bilinear’
);
zimu(:,:,2) =imresize(im2bw(s11,graythresh(rgb2gray(s11))),[110 55],
’bilinear’
);
zimu(:,:,3) =imresize(im2bw(s12,graythresh(rgb2gray(s12))),[110 55],
’bilinear’
);
zimu(:,:,4) =imresize(im2bw(s13,graythresh(rgb2gray(s13))),[110 55],
’bilinear’
);
zimu(:,:,5) =imresize(im2bw(s14,graythresh(rgb2gray(s14))),[110 55],
’bilinear’
);
zimu(:,:,6) =imresize(im2bw(s15,graythresh(rgb2gray(s15))),[110 55],
’bilinear’
);
zimu(:,:,7) =imresize(im2bw(s16,graythresh(rgb2gray(s16))),[110 55],
’bilinear’
);
zimu(:,:,8) =imresize(im2bw(s17,graythresh(rgb2gray(s17))),[110 55],
’bilinear’
);
zimu(:,:,9) =imresize(im2bw(s18,graythresh(rgb2gray(s18))),[110 55],
’bilinear’
);
zimu(:,:,10) =imresize(im2bw(s19,graythresh(rgb2gray(s19))),[110 55],
’bilinear’
);
zimu(:,:,11) =imresize(im2bw(s20,graythresh(rgb2gray(s20))),[110 55],
’bilinear’
);
zimu(:,:,12) =imresize(im2bw(s21,graythresh(rgb2gray(s21))),[110 55],
’bilinear’
);
zimu(:,:,13) =imresize(im2bw(s22,graythresh(rgb2gray(s22))),[110 55],
’bilinear’
);
zimu(:,:,14) =imresize(im2bw(s23,graythresh(rgb2gray(s23))),[110 55],
’bilinear’
);
zimu(:,:,15) =imresize(im2bw(s24,graythresh(rgb2gray(s24))),[110 55],
’bilinear’
);
zimu(:,:,16) =imresize(im2bw(s25,graythresh(rgb2gray(s25))),[110 55],
’bilinear’
);
zimu(:,:,17) =imresize(im2bw(s26,graythresh(rgb2gray(s26))),[110 55],
’bilinear’
);
zimu(:,:,18) =imresize(im2bw(s27,graythresh(rgb2gray(s27))),[110 55],
’bilinear’
);
zimu(:,:,19) =imresize(im2bw(s28,graythresh(rgb2gray(s28))),[110 55],
’bilinear’
);
zimu(:,:,20) =imresize(im2bw(s29,graythresh(rgb2gray(s29))),[110 55],
’bilinear’
);
zimu(:,:,21) =imresize(im2bw(s30,graythresh(rgb2gray(s30))),[110 55],
’bilinear’
);
zimu(:,:,22) =imresize(im2bw(s31,graythresh(rgb2gray(s31))),[110 55],
’bilinear’
);
zimu(:,:,23) =imresize(im2bw(s32,graythresh(rgb2gray(s32))),[110 55],
’bilinear’
);
zimu(:,:,24) =imresize(im2bw(s33,graythresh(rgb2gray(s33))),[110 55],
’bilinear’
);
3 仿真结果
4 参考文献
[1]唐博. 基于卷积神经网络的运动模糊车牌识别. Diss. 西南交通大学, 2019.