基于BP神经网络的车牌图像字符识别算法设计开题报告

全文总字数：2141字

1. 研究目的与意义

智能交通系统(ITS)，是指在较完善的道路基础上，将电子技术、信息技术、传感器技术和系统工程技术集成运用于地面交通的实际需要，建立起全方位、实时的、准确高效的地面管理系统，是对传统交通系统进行扬弃而形成的信息化、智能化、社会化的新型交通系统。

智能交通系统使交通设施的最大效能得以发挥，提高了交通服务的质量,促进了交通运输事业的发展，对实现城市交通科学化、智能化、信息化发展起到了十分重要的推动作用。

2. 国内外研究现状分析

从 20 世纪 90 年代初，国外的研究人员就已经开始了对车牌识别的相关研究。国外真正成熟的车牌牌照识别产品并不太多.有代表意义的是,以色列Hi-Tech 公司的 See/Car System 系列，新加坡 Optasia 公司的 VLPRS 系列，香港的 Asia Vision Technology 公司的 VECON。Hi-Tech 公司的 See/Car System有多种变形的产品来分别适应某一国家的车牌。See/Car Chinese系统可以对中国大陆的车牌识别，但不能识别车牌中的汉字。VLPRS和VECON 系统分别适合于新加坡和香港的车牌型号，对大陆的车牌的型号并不适合

国内不少学者也在进行车牌识别方面的研究。产品方面，比较成熟的有中科院自动化研究所汉王公司的汉王眼，深圳吉通电子有限公司以及信息产业部下属的中智交通电子有限公司也有自己的产品。实验室方面，西安交通大学的图像处理和识别研究室、上海交通大学的计算机科学和工程系、清华大学人工智能国家重点实验室、浙江大学的自动化系等在车牌识别方面有各自独立的研究，并取得了一定的成绩

3. 研究的基本内容与计划

通过对上述汽车牌照识别系统的各个步骤进行了详细的探讨和研究，确立了本文的研究内容。本文的研究内容是实现BP神经网络算法对静态车牌图像的识别及软件上的实现。

车牌识别的步骤一般为：图像预处理、车牌定位、字符分割、BP网络训练、字符识别等几个部分另外还须做好车牌图像的采集以及BP训练样本的制作等工作。

4. 研究创新点

分析了模式识别的四种方法，由于人工神经网络具有信息处理的并性和

自适应性、具有很强的学习能力和联想功能以及容错性能等特点，在解决一些复杂的模式识别问题中显示出其独特的优势，因此本文采用了BP神经网络对字符进行识别，实验表明经过改进的BP神经网络具有较

好的识别效果