基于SVM的车牌识别开题报告

1. 研究目的与意义

随着工业化进程的不断发展，汽车的数量越来越多怎样使道路智能化水平提高成为一个研究的焦点。其中，车辆牌照自动识别技术是制约道路智能化的重要因素，提高识别的速度以及准确度是提高道路智能化的关键。传统的字符识别方法，如模板匹配、神经网络等，在进行车牌字符识别时其实别率很大程度上依赖于训练样本的数量，且在无特征提取的情况下，识别的正确率相对较低。应用SVM算法对车牌中的汉字字符进行识别，在没有字符特征提取的情况下，获得较高的识别率和识别速度。在训练样本少的情况下，该系统的识别率较高，并具有算法简单，无需先验知识，容易控制和稳定性好等优点。

2. 国内外研究现状分析

车牌识别系统作为智能交通的核心，在六七十年代的时候便展开了研究，国外有大量的关于这方面的产品，Yuniao Cuil改进了二值算法，并通过马尔科夫场对车牌的特征进行提取，在样本的识别中达到了较高的识别率。R.Parisi采用了神经网络技术与非传统的DFT技术作为改进的字符识别算法，并以DSP为核心CPU开发出一套车牌识别系统，其字符识别的效果达到了很高的水平。随着我国经济的快速发展，国内也有大量的从事这方面研究的专家骆雪超等法使其起字符识别率达到96%，北航的胡爱明等利用的模板匹配算法开发的一套车牌识别系统其识别正确率达到97%一上。中国科学院自动化研究所的刘智勇等研究的车牌识别系统其车牌定位准确率达到99.42%，字符分割达到了94.52%，从国内车牌识别技术来看这是一个非常高的指标。

车牌图像字符识别是整个识别系统的目的所在，到目前为止研究人员已经提出了各式各样的识别方法：基于模板匹配字符识别方法，基于神经网络的字符识别方法，基于小波包特征提取的车牌字符识别以及基于模板匹配和神经网络的车牌识别方法，支持矢量机是由Vapnik的人于1995年提出的一类新型机器学习方法，能够较好的解决小样本、非线性及高维数的模式识别问题，近年来SVM已经在人脸识别、函数逼近以及概率密度估计等众多领域得到了广泛的应用，将该方法应用到车牌识别上已经被大量研究人员实现同时也验证了该方法的有效性。

3. 研究的基本内容与计划

研究的主要内容包括：车辆图像预处理、车牌图像定位提取、车牌图像预处理、车牌图像二值化、车牌字符切分、车牌字符识别。

本课题研究具体进度安排计划如下：

1~2周：查找与课题相关的资料。

4. 研究创新点

应用SVM算法对车牌中的汉字字符进行识别，在没有字符特征提取的情况下，获得较高的识别率和识别速度。在训练样本少的情况下，该系统的识别率较高，并具有算法简单，无需先验知识，容易控制和稳定性好等优点。