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
Abstract
With the rapid development of the logistics 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 logistics 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, 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 improve recognition speed and accuracy of license plate recognition.
ThelicenseplatelocationtechnologycombinesthetraditionalcontourmatchingalgorithmwithCNN.
The contour matching algorithm obtains the rough candidate license plate regions, then secondclassificationprovidedbyCNNto obtainthefinal locatingresults.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 subsystems 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, and 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 CNN 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 4
5.2.5 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
