论文简介：

毕业论文-基于LBP和HOG特征的车牌定位算法，共64页，24798字
中文摘要
随着摄像技术的发展和社会生产的需要，车牌自动识别系统在很多领域都有
广泛的需求。例如交通监管，犯罪检测等等。车牌识别系统一般包括车牌定位和
车牌字符识别两个过程。其中，字符识别已经是机器学习领域非常成熟的一项技
术。而车牌定位虽然从 80 年代就开始研究，但是大多数方法都存在对光照的限
制，和车牌在图片中的位置等约束条件，不能够很鲁棒地识别出各类条件下，不
同位置时，多个车牌同时出现等复杂情况下的车牌。
本文从车牌纹理特征的角度出发，分别运用近几年提出的两个性能突出的纹
理特征 LBP(Local Binary Pattern)和 HOG(Histograms of Oriented Gradients)
来提取车牌特征，进而用支持向量机(SVM，Support Vector Machine)训练分类
器。本文先后单独的使用 LBP 和 HOG 进行识别，分析参数及复杂度，并比较优缺
点。最后，结合两种特征，提出了一种快速而精确的车牌定位算法。
本文提出的车牌定位算法识别率高，误检测少，对光照很鲁棒，对车牌在一
张图片中的位置没有限制，对一张图片中出现多张车牌没有限制，定位速度很快。
关键词: 车牌定位；LBP；HOG；支持向量机

ABSTRACT
With the development of video technology and demand of social production, license
plate recognition system has been widely used in various fields, such as traffic control,
crime detection etc. License plate system usually consists of plate detection and
character recognition. Character recognition has been a developed technology in
machine learning field. Research on license plate detection has a history of more than
30 years, however, most methods work well only if the system is under good
illumination, the plate is in the center of the image or some other conditions, which
means these systems cannot perform robustly.
In this thesis, plate texture is taken into consideration, and two famous texture
descriptions, LBP (local binary pattern) and HOG (histograms of oriented gradients)
are extracted as features. Then SVM (support vector machine) is chosen to be the
classifier to train data and predict new sample. LBP and HOG are separately studied to
detect the plate. At last, two features are combined to generate a fast and accurate
license plate detection algorithm.
The algorithm in the thesis performs high accuracy and low false positive. It
works robustly against illumination and has no restriction of the location of the plate in
an image.
Keywords: License Plate Recognition; LBP; HOG; SVM
目录
第 1 章 引言 . 1
1.1 研究背景 ........ 1
1.2 研究现状 ........ 2
1.3 本文贡献 ........ 4
1.4 数据库介绍 ...... 6
1.5 车牌特征分析 .... 7
第 2 章 基于 LBP 特征的车牌定位 ..... 9
2.1 LBP 特征介绍 .... 9
2.2 LBP 特征在车牌定位中的提取和参数分析,复杂度分析 . 11
2.2.1 LBP 特征提取 ......... 11
2.2.2 参数分析 . 15
2.2.3 计算复杂度分析 ...... 17
2.3 LBP 特征实验结果 .......... 17
2.3.1 实验参数及工具 ...... 17
2.3.2 实验结果及分析 ...... 18
2.4 LBP 特征优缺点分析 ........ 23
第 3 章 基于 HOG 特征的车牌定位 .... 25
3.1 HOG 特征介绍 ... 25
3.2 HOG 特征在车牌定位中的提取和参数分析，复杂度分析 26
3.2.1 HOG 特征提取 ......... 26
3.2.2 参数分析 . 30
3.2.3 计算复杂度分析 ...... 33
3.3 HOG 特征实验结果 .......... 33
3.3.1 实验参数及工具 ...... 33
3.3.2 实验结果及分析 ...... 34
3.4 HOG 特征优缺点分析 ........ 37
第 4 章 基于 LBP 和 HOG 的快速定位算法 ......... 38
4.1 快速算法流程 ... 38
4.2 实验结果及分析 . 39
第 5 章 总结和展望 ..... 41
插图索引 ... 42
参考文献 ... 45
致谢 ... 47
声明 ... 48
附录 A 外文资料的调研阅读报告或书面翻译 ...... 49

论文文件预览：
共1文件夹，1个文件，文件总大小：8.58MB，压缩后大小：4.19MB

• 毕业论文-基于LBP和HOG特征的车牌定位算法
• 毕业论文-基于LBP和HOG特征的车牌定位算法.doc  [8.58MB]