模式识别应用-车牌识别.ppt

模式识别应用
一车牌识别
模式识别系统的组成:
信息获取令信息获取
预处理
预处理特征提取和选择
分类器设计和分类决策
特征提取选择
训练过程
分类器设
分类决策
分类结果
分类器参数
信息获取
机器识别:计算机获取模式信息即实现观察对象的
数字化表达。
待识别的样本大都是非电信息,例如语音信号
待识别文本、图像等,这就需要将这些以各种不
同形式表现的信息通过传感器转换成电信号
如用话筒将声音信号转换成电信号。
景物信息在摄像机靶面成像并转换成二维的像素
矩阵,每个像素(矩阵元素)的电信号与物体表
面反射的光强或颜色信息呈现函数关系。
预处理
预处理主要是指去除所获取信息中的噪声,增强
有用的信息,及一切必要的使信息纯化的处理过
程
图像信息的预处理:几何校正、图像增强、图像
还原等。
令例如,从图像中将汽车车牌的号码识别出来,就
需要先将车牌从图像中找出来,再对车牌进行划
分,将每个数字分别划分开。做到这一步以后,
才能对每个数字进行识别。以上工作都应该在预
处理阶段完成。
特征提取和选择
原始数据是由所使用的测量仪器或传感器获取的,这些数
据组成的空间叫测量空间。
令样本是用特征进行描述的,识别与训练都是在特征空间中
进行的。
令特征提取模块将原始测量数据转换成能反映事物本质、有
效方式表示的信息,从而使分类器能根据这些信息决定样
本的类别
令特征提取模块的功能是:对所获取的信息实现从测量空间
到特征空间的转换
通常用于描述模式性质的特征很多,需要从一组特征中挑
选出一些最有效的特征以降低特征空间维数,即特征选择。
分类决策
≤模式识别系统工作有两个过程,一是样本训练,
二是分类决策。
≤样本训练:在已确定的特征空间中,对作为训
练样本的数据进行特征提取与选择,得到它们
在特征空间的分布,依据这些分布决定分类器
的具体参数。
分类决策:分类器在分界形式及其具体参数都
确定后,对待分类样本进行分类决策的过程
分类决策是对事物辨识的最后一步。
识别事物(决策)的基本方法:同一类事物之间属性应比较
近似,而不同类事物之间的属性之间应差异较大。这种现象
表现在特征空间的分布中往往表现出同类事物的特征向量聚
集在一起,聚集在一个相对集中的区域,而不同事物则分别
占据不同的区域。因此,如果待识别的事物的特征向量出现
在某一类事物经常出现或可能出现的区域内,该事物就被识
别为该类事物
令决策依据:在特征空间中哪个区域是某类事物典型所在区域
需要用数学式子划定,这样一来,满足这种数学式子与否就
成为分类决策的依据。如何确定这些数学式子就是分类器设
计的任务,而一旦这种数学式子确定后,分类决策的方法也
就确定了。
车车牌识别系统
像AB580s
BSK:L666
BY275
谢H68
A8636
C896
687127927挂
高再参奖设置区
号意的218时间网蛋信定一装
菌的54时间网n最度国
码3器A1时网孟信度图
C车滴1
号母《蓝每A1时间0度间装
C车瓶(左面
◆图像输入
汽车车牌识别系统“车牌则
■口■■■■■■■目■■■■■■■
■■
输入图像
提取特征
粗略定位
■■
■■■■■■
分割字符
确定类型
精细定位
■■
"""y"""""""""
字符识别部分
识别,输出
车牌提取部分
车车牌识别—图像采集
牌摄像机(叫地感线圈感应压力
全景振像机
◆40ms后进入最佳识
别区
触发相机拍照
虚拟线圈
停车线