基于BP神经网络的车牌识别系统（Matlab代码实现）

💥💥💥💞💞💞欢迎来到本博客❤️❤️❤️💥💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

💥1 概述

      在交通管理中,车牌识别起着重要的作用。车牌识别是一个复杂的过程,主要涉及到车牌的检测和车牌字符的识别。在一些文献中，利用灰度直方图和模板匹配来进行车牌的定位和识别[1.2↓这些方法虽然对车牌识别取得了一些成果,但也有局限性,没有充分利用车牌固有的特征,没有考虑到分割符对字符分割的影响,对于污损的车牌和不同型号的车牌识别效果并不理想等。本文利用车牌的先验知识进行定位引进双阈值进行字符分割,利用13段特征提取法提取特征向量作为神经网络的输入向量[3]对上述问题提出了新的解决方法。

📚2 运行结果

部分代码：

function [sbw,angle]=rotateimg(sbw1)
%%
%Step6 计算车牌水平投影，并对水平投影进行峰谷分析
histcol1=sum(sbw1);      %计算垂直投影
histrow=sum(sbw1');      %计算水平投影
% figure,subplot(2,1,1),bar(histcol1);title('垂直投影（含边框）');%输出垂直投影
% subplot(2,1,2),bar(histrow);     title('水平投影（含边框）');%输出水平投影
% figure,subplot(2,1,1),bar(histrow);     title('水平投影（含边框）');%输出水平投影
% subplot(2,1,2),imshow(sbw1);title('车牌二值子图');%输出二值图
%对水平投影进行峰谷分析
meanrow=mean(histrow);%求水平投影的平均值
minrow=min(histrow);%求水平投影的最小值
levelrow=(meanrow+minrow)/2;%求水平投影的平均值
count1=0;
l=1;
hight=size(sbw1,1);
for k=1:hight
    if histrow(k)<=levelrow                             
        count1=count1+1;                                
    else 
        if count1>=1
            markrow(l)=k;%上升点
            markrow1(l)=count1;%谷宽度（下降点至下一个上升点）
            l=l+1;
        end
        count1=0;
    end
end
markrow2=diff(markrow);%峰距离（上升点至下一个上升点）
[~,n1]=size(markrow2);
n1=n1+1;
markrow(l)=hight;
markrow1(l)=count1;
markrow2(n1)=markrow(l)-markrow(l-1);
% l=0;
for k=1:n1
    markrow3(k)=markrow(k+1)-markrow1(k+1);%下降点
    markrow4(k)=markrow3(k)-markrow(k);%峰宽度（上升点至下降点）
    markrow5(k)=markrow3(k)-double(uint16(markrow4(k)/2));%峰中心位置
end 
%%
%Step7 计算车牌旋转角度
%(1)在上升点至下降点找第一个为1的点
[m2,n2]=size(sbw1);%sbw1的图像大小
[m1,n1]=size(markrow4);%markrow4的大小
maxw=max(markrow4);%最大宽度为字符
if markrow4(1) ~= maxw%检测上边
    ysite=1;
    k1=1;
    for l=1:n2
    for k=1:markrow3(ysite)%从顶边至第一个峰下降点扫描
        if sbw1(k,l)==1
            xdata(k1)=l;
            ydata(k1)=k;
            k1=k1+1;
            break;
        end
    end
    end
else  %检测下边
    ysite=n1;
    if markrow4(n1) ==0
        if markrow4(n1-1) ==maxw
           ysite= 0; %无下边
       else
           ysite= n1-1;
       end
    end
    if ysite ~=0
        k1=1;
        for l=1:n2
            k=m2;
            while k>=markrow(ysite) %从底边至最后一个峰的上升点扫描
                if sbw1(k,l)==1
                    xdata(k1)=l;
                    ydata(k1)=k;
                    k1=k1+1;
                    break;
                end
                k=k-1;
            end
        end
    end
end       
%(2)线性拟合，计算与x夹角
fresult = fit(xdata',ydata','poly1');   %poly1    Y = p1*x+p2
p1=fresult.p1;
angle=atan(fresult.p1)*180/pi; %弧度换为度，360/2pi,  pi=3.14
%(3)旋转车牌图象
subcol = imrotate(sbw1,angle,'bilinear','crop'); %旋转车牌图象
sbw = imrotate(sbw1,angle,'bilinear','crop');%旋转图像
% figure,subplot(2,1,1),imshow(subcol);title('车牌灰度子图');%输出车牌旋转后的灰度图像标题显示车牌灰度子图
% subplot(2,1,2),imshow(sbw);title('');%输出车牌旋转后的灰度图像
% title(['车牌旋转角: ',num2str(angle),'度'] ,'Color','r');%显示车牌的旋转角度 

【回复关键字：完整代码】

🎉3 参考文献

[1]苏科,陈志彬.基于BP神经网络的车牌识别系统[J].辽宁科技大学学报,2010,33(05):509-512.

[2]苏康友.基于BP神经网络车牌识别系统的研究[J].物联网技术,2021,11(11):22-23+28.DOI:10.16667/j.issn.2095-1302.2021.11.006.

[3]郑文光,王静波,高爽,翟葆朔.基于BP神经网络的车牌识别系统的设计[J].河北联合大学学报(自然科学版),2016,38(02):81-86.

🌈4 Matlab代码实现