车牌自动识别技术在智能交通领域扮演了越来越重要的角色,是目前智能交通管理的重要研究方向。随着社会对于车辆管理系统性能要求的日益提高和交通环境的日益复杂,现有的车牌自动识别技术已不能满足用户的需求,所以如何在复杂的环境下准确、实时地识别车牌仍然是智能交通研究人员研究的重点。本文分为车牌定位、车牌字符分割和字符识别三个研究部分。车牌定位研究怎样从一幅图片中找出车牌的位置并分割出来。整幅图像受不同时间点,不同天气等的影响会有颜色、亮度上的差异。如何去除信号采集过程中的噪点和图像中广告文字的干扰也是一个难点。本文使用边缘检测和形态学处理结合的方法定位车牌,并提出根据定位效果自适应地调整边缘加权梯度值和二值化阀值定位候选区域的方法,然后结合其他车牌特征遴选候选区域。这种方法使定位更加准确。字符分割的难点在于如何排除车牌边框的干扰,和如何克服字符间的连接现象。本文使用Radon变换和字符笔画宽度信息进行倾斜校正,对于克服字符间连接则使用理论的字符宽度值预估和验证的方法确定字符笔画宽度,然后依据该宽度分割字符。字符识别部分关注字符识别的精度和速度,以及对于残缺车牌的字符识别能力。针对现有的机器学习方法训练速度慢的缺点,本文提出基于在线序列极速学习机的车牌识别技术。通过实时训练不断提高识别率,网络的学习能力随着使用时间的增加而提高。并进一步引入迟滞特性使网络具有联想记忆能力,设计了具有迟滞特性的自选择极速学习机算法,增强了网络泛化能力,提高了识别精度。