基于机器学习的车牌识别系统的设计与实现开题报告

1. 研究目的与意义

随着科技的飞速发展以及汽车数量的增加，城市交通状况日益受人们的重视，如何提高车辆的管理效率、缓解公路的交通压力更是成为了人们关注的焦点。

早在上世纪70年代，英国就实时车牌检测已经开展了研究，同时代又诞生了第一个面向被盗汽车的实时检测系统。

发展至今日，国外对车牌检测的研究已经取得了一些令人瞩目的成就，识别率也高达百分之八十到百分之九十，并且在实际生活中已然得到广泛的应用。

2. 课题关键问题和重难点

关键问题：1.车牌定位，在照片的基础上对车牌信息区域实现精确定位；2.字符切割，将定位后的区域字符块分割成单独的影像；3.字符识别，利用机器学习字符识别方法，再根据车牌字符的特点，构建学习网络，提高识别率，将切割后的影像识别成具体的字符。

难点（研究过程中预计可能遇到的困难或问题，并提出解决的方法及措施）：1.车牌定位过程中定位的精确性可能会根据照片环境的问题而产生影响；2.图像模型训练时使用的图片集较少；3.图片识别率没有达到预期值。

解决方案及措施：1.利用opencv反复开、闭运算实现预期定位；2.优化模型训练算法；3.反复重复训练，优化训练模型。

3. 国内外研究现状（文献综述）

随着社会经济快速的发展以及现代城市化的进程越来越快，人们对于汽车数量的需求也越来越多，这给城市交通运输业带来了繁重的压力，因此建立一个完善的智能交通系统是非常急需的。

车牌自动识别系统在其中占据了重要地位，对它的研究具有实际的应用价值。

对图像的预处理部分，首先将采集的彩色图像转换成灰度图像，针对图像实际亮度及对比度不同等情况选择直方图均衡修正图像灰度或者灰度拉伸方法改善图像质量，然后利用中值滤波法平滑图像，得到较为清晰的图像，最后采用改进的形态学边缘检测算子对二值图像进行边缘检测，与一些常用的边缘检测算子相比，此方法检测的图像边缘连续性较好，为后续车牌定位提供边缘图像基础[1]。

4. 研究方案

本课题将着重对车牌位置精准定位并识别车牌信息，同时能够对我们的生活产生影响。

研究方法：1.读取图像，对图像进行预处理（先后顺序）：压缩图像、转换为灰度图、灰度拉伸、开运算（去噪）、将灰度图和开运算后图像取差分图、图像二值化、canny边缘检测、闭运算、开运算、再次开运算（保留车牌区域，消除其他区域）、定位车牌位置（找轮廓、画轮廓等）2.框出车牌号3.分割车牌号及背景4.将分割出来的车牌进行二值化，生成黑白图像5.分割出车牌号码中的文字、数字、字母6.对分割出来的图像尺寸进行处理，方便后面测试本文主要框架：第一章：绪论第二章：车牌识别概述第三章：车牌识别现状分析第四章：车牌识别算法研究第五章：车牌识别实现过程第六章：结束语

5. 工作计划

1.学习opencv及机器学习字符识别相关内容2.初步实现车牌识别及定位3.搭建训练模型对现有数据集进行训练4.利用python搭建ui实现系统的完善5.对实体进行测试6.进行研究课题最终成果的撰写工作论文周计划：第1周：查阅课题相关资料，列出开题报告大纲。

第2周：完成开题报告。

第3周：完成外文翻译。