车牌识别系统的研究与实现

车牌的自动识别在交通的智能监视和管理中有着重要的应用。尽管车牌的先验知识比较丰富,但是在复杂的背景下,车牌的自动识别仍然比较困难。目前的车牌识别系统大多是针对简单场景、单一车辆。 本文提出了一种复杂背景下的车牌图像分割和识别方法,首先采用统计和特征匹配相结合的方法进行背景提取,将可能存在车辆的区域提取出来;然后分别对可能的车辆区域进行局部边缘检测,并使用车牌的先验知识确定车牌的位置和单个字符分割,包括车牌倾斜时的字符分割;最后使用基于双向联想记忆人工神经网络(BAM)和改进感知器学习算法的字符识别方法精确识别车牌。仿真实验结果表明,本方法对复杂背景下车牌的识别是有效的。