第一章 绪论
随着商品交易渐渐从线下转型至线上，物流在经济发展中的作用日益凸显。爆炸式的物流发展给传统的物流仓储带来了巨大的压力，不仅体现在物流仓储规模上，也体现在物流仓储的安全性上。卷积神经网络的出现与发展在很大程度上缓解了物流快速发展所带来的问题，特别是对于仓储环节中车辆进出检验管理提供了更好的解决思路。因此，如何将卷积神经网络与仓储中车牌识别相结合来提高效率与安全是一个迫切需要解决的问题。
1.1 课题背景及意义。
日益增长的快递业务，体现了物流行业强劲的发展势头。为了支撑物流业的快速发展，传统的物流行业转型成为信息化智能化的现代物流仓储迫在眉睫。在深度学习火热的发展势头下，如何利用深度学习技术[1]，将物流仓储中车辆检测管理环节中车牌识别的识别精度与识别速度进一步提高，提升物流仓储的入库效率，加强物流仓储的安全程度。方便管理人员操作与维护，提高物流仓储的智能化水平是目前亟待解决的问题。在 20 世纪末期，随着计算机视觉（CVT, Computer Vision Technology）[2]的出现与发展，车牌识别的研究也逐渐展开，一些简单的算法也随之出现，车牌识别技术也能够应用到一些简单的场景中去[3]。但是，由于受制于过去计算速度与资源的不足，只能采用简洁、模糊、复杂度比较小的算法，以牺牲识别速度与精度的这种方式，来与过去落后的硬件资源相适应。
近年来，随着硬件技术的飞速发展，计算机的容量与计算速度得到了巨大的提升。同时，传统神经网络算法的发展与近年来出现的卷积神经网络算法已经发展的日趋完善。虽然相较于传统算法需要指数级的计算资源，但是在识别的速度与精度还有鲁棒性上具有巨大的优势。
结合这两方面，足够的计算机计算资源与性能，让再坚持使用传统的车牌识别算法变得已经没有必要。卷积神经网络的出现与发展给物流行业智能化水平的提高提供了新的思路[4]。物流仓储中对于车辆的入库管理，在车牌登记这一环节使用卷积神经网络，不仅速度大大优于传统识别方式，在准确率上也远超传统方式。特别是在一些环境较为复杂，条件比较恶劣的应用场合下，其优势更加能够体现。因此，将卷积神经网络应用于车牌识别中，不仅扩充了车牌识别算法领域中的算法技术，更增加了车牌识别技术的应用性，并且高效性与可靠性并存必是实际应用所优先考虑的。
本文研究的目的是，实现一套在物流园中使用的基于卷积神经网络的车牌识别管理系统，提高物流园车辆出入园管理效率的同时，提高物流园的管理安全性。卷积神经网络与传统识别算法的结合，有效提高了特殊恶劣环境下的识别准确度与整体的识别速度。管理系统业务逻辑功能的实现，满足了管理人员日常管理的需要，提供管理人员的监督、黑白名单自动放行、出入园车辆查询等实用便捷的功能。在物流园管理提升安全性的同时，提高其日常运作的效率。
1.2 课题来源及本文组织。
本课题的来源是校企合作项目，基于孙知信教授与盐城大数据研究院的视频分析项目。
项目所提出的需求是完成对视频的检测与识别，具体是对视频中的动态物体物体的进行识别，对识别出的物体进行类别判断，如果是人，则进一步判断其动作行为以进行行为分析；如果判断为车辆，则进行车辆的车牌识别与轨迹追踪。本项目利用了卷积神经网络算法加快了检测速度与识别精度，针对识别算法进行了大量的研究。本课题针对项目中车牌识别部分进行了深度的研究与改进，最终搭建一套可以在物流仓储中使用的基于卷积神经网络的车牌识别系统。
基于卷积神经网络的车牌识别，不仅要对卷积神经网络本身进行研究，由于其本身的资源占用率，还要对其与车牌识别技术相结合的方式进行改进。在提高识别精度与识别速度的同时，保证不牺牲安全性与高效性。本课题的研究可以提升物流领域中仓储环节的管理效率，并为物流园的管理提供更高的安全保障。同时，在推进物流行业更加智能化信息化的道路上，本课题的研究也可以提供一定的推动作用。
本文的组织结构如下：
第一章绪论，介绍了本课题的背景与意义，简要介绍了卷积神经网络与车牌识别的概念，并与物流仓储相结合，最后对本文的研究工作与内容进行了简要的安排与说明。
第二章对整体的基于卷积神经网络的车牌识别技术进行概述，然后对于车牌识别中的车牌定位、字符分割与字符识别三个步骤进行分别研究并分析其优缺点，并对车牌识别技术在物流管理中的应用进行研究。
第三章提出了基于卷积神经网络的车牌识别管理系统的总体设计方案，根据功能需求与性能需求对系统的功能进行设计，同时使用 MySQL 对数据库进行了设计。
第四章提出了基于卷积神经网络的车牌识别算法，对车牌识别算法分为车牌定位、字符分割与字符识别三个环节，将车牌定位与字符识别与卷积神经网络结合并进行了详细阐述。
第五章对物流园中基于卷积神经网络的车牌识别管理系统进行了详细设计，介绍了系统的技术架构，并对服务中心客户端系统与门岗 web 端管理系统各个功能模块进行了详细阐述。
第六章对系统进行进行功能测试与性能测试。首先介绍系统的软硬件环境与系统搭建，再对系统业务逻辑功能进行功能测试，对车牌识别进行性能测试。
第七章总结归纳了本文所做的主要工作，分析了本文系统中仍然没有优化够的地方，为以后的改进提出了建议与方向。
