《物流车车牌自动识别系统构建分析 车牌 识别系统 构建 物流 分析.docx》由会员分享，可在线阅读，更多相关《物流车车牌自动识别系统构建分析 车牌 识别系统 构建 物流 分析.docx（6页珍藏版）》请在三一文库上搜索。
1、物流车车牌自动识别系统构建分析 车牌 识别系统 构建 物流 分析物流车车牌自动识别系统构建分析 本文关键词：车牌，识别系统，构建，物流，分析物流车车牌自动识别系统构建分析 本文简介：摘要随着物流行业的快速发展，不仅对物流环节中的运输有更高的要求，同时需要提高物流仓储环节的管理效率。因此，通过实现物流园中出入园车辆管理的自动化，来提升物流园仓储车辆的进出效率。本文通过将卷积神经网络技术与车牌识别技术相结合，提出了物流园中基于卷积神经网络的车牌识别管理系统。该系统分为服务中物流车车牌自动识别系统构建分析 本文内容：摘要随着物流行业的快速发展，不仅对物流环节中的运输有更高的要求，同时需要提高物流仓储
2、环节的管理效率。因此，通过实现物流园中出入园车辆管理的自动化，来提升物流园仓储车辆的进出效率。本文通过将卷积神经网络技术与车牌识别技术相结合，提出了物流园中基于卷积神经网络的车牌识别管理系统。该系统分为服务中心客户端子系统与门岗 web 端管理子系统，利用对车辆车牌的识别结果，实现对出入园车辆的自动化管理。车牌识别技术在系统中至关重要，本文将车牌识别技术中车牌定位与字符识别两个环节与卷积神经网络相结合，以提高车牌识别的识别速度与正确率，提升管理系统的效率。其中，车牌定位技术将传统的轮廓匹配算法与卷积神经网络相结合，由传统轮廓匹配车牌定位算法获得粗略的候选车牌区域，再通过卷积神经网络算法对获取的
3、候选车牌区域进行二次分类，得到最终的定位结果。字符识别环节修改了 Yolo2 网络的参数，使之专门针对车牌区域图像进行分类，并设计对汉字与字母和数字进行分开识别的标签，减少 Yolo2 的分类类别数量，以提高识别结果的可靠性。本文利用优化的车牌识别算法，完成了两个子系统的设计与开发，并设计了 MySQL 数据库，实现了基于卷积神经网络的车牌识别管理系统的主要功能模块。通过对系统各个功能模块的测试，本文的系统满足实际应用，有足够的稳定性与安全性，具有较强的实用性。关键词: 物流，车牌定位，字符识别，卷积神经网络AbstractWith the rapid development of the l
4、ogistics industry, not only the transportation in the logisticssector needs higher requirements, but also the management efficiency of the logistics park needs tobe improved. Therefore, enhancing the automation of vehicle management in logistics park canimprove the efficiency of access to the logist
5、ics park. The paper presents a license plate recognitionmanagement system based on CNN with the combination of CNN and license plate recognitiontechnology. The system is divided into service center client subsystem and gatewayweb managementsubsystem. Byusing the recognition results of the vehicles,
6、automatic management of vehicles in andout of logistics park can be achieved.Licenseplaterecognition technologyis important to thesystem. Inorderto improvetheefficiencyof the management system, the paper combines license plate location and character recognition withconvolution neural network to impr
7、ove recognition speed and accuracy of license plate recognition.ThelicenseplatelocationtechnologycombinesthetraditionalcontourmatchingalgorithmwithCNN.The contour matching algorithm obtains the rough candidate license plate regions, then secondclassificationprovidedbyCNNto obtainthefinal locatingres
8、ults.Thecharacterrecognition modifiesthe parameters of Yolo2 network to classify the license plate regions specially. Tags separatingChinese characters from alphanumeric characters are designed to reduce the number of classificationcategories.The paper completes the design and development of two sub
9、systems based on the license platerecognition optimization algorithm, and designs a MySQL database to achieve the main functionmodules of license plate recognition management system. Through the tests of the various functionalmodules of the system, it meets the practical application requirements, an
10、d has sufficient stabilityandsafety and strong practicability.Key words: Logistics; License plate location; Character recognition; CNN目录第一章 绪论1.1 课题背景及意义 .1.2 课题来源及本文组织 .第二章 相关技术研究2.1 相关技术 .2.1.1 卷积神经网络2.1.2 车牌识别技术2.2 车牌识别技术研究现状 .2.2.1 车牌定位2.2.2 字符分割2.2.3 字符识别2.3 车牌识别技术在物流管理中的研究 .2.4 总结 .第三章 物流园基于 C
11、NN 的车牌识别系统总体设计3.1 设计目标 .3.1.1 系统功能需求3.1.2 系统性能需求3.2 系统总体设计 .3.2.1 系统框架设计3.2.2 系统功能设计3.3 数据库设计 .3.4 总结 .第四章 基于 CNN 的车牌识别算法4.1 车牌识别流程 .4.2 卷积神经网络车牌定位 .4.2.1 原始图像预处理4.2.2 闭操作与轮廓提取4.2.3 矩形尺寸匹配4.2.4 卷积神经网络分类4.2.5 本文改进的车牌定位4.2.6 算法测试与性能分析4.3 字符分割 .4.3.1 倾斜矫正4.3.2 铆钉去除4.3.3 背景颜色判断4.3.4 轮廓提取4.4 基于 Yolo2 字符识
12、别4.4.1 Yolo2 网络模型.4.4.2 Yolo2 模型改进.4.4.3 Yolo2 网络训练.4.5 总结 .第五章 物流园基于 CNN 的车牌识别管理系统详细设计5.1 服务中心客户端系统详细设计 .5.1.1 服务中心客户端系统 MVC 设计架构 .5.1.2 系统业务逻辑界面设计分析5.1.3 服务中心客户端系统接口设计.5.2 门岗 web 端管理系统详细设计.5.2.1 门岗 web 端管理系统总体架构5.2.2 系统业务逻辑界面设计分析5.2.3 设备管理模块5.2.4 出入园车辆管理模块 45.2.5 同步模块5.3 总结 .第六章 系统测试6.1 测试需求 .6.2 系统环境 .6.2.1 硬件环境6.2.2 软件环境6.2.3 系统搭建6.3 系统功能测试 .6.3.1 服务中心客户端系统6.3.2 门岗 web 端管理系统6.4 车牌识别性能测试 .6.5 总结 .第七章 总结参考文献返回本篇论文导航 吴智钧. 物流园中车牌识别技术的研究与应用D. 南京邮电大学 2021 物流车车牌自动识别系统构建分析