一、文献综述
（一）国内外车牌识别研究历史与现状
1.1国外发展
2003年，Mario I等人提出了一种基于动态脉冲耦合神经网络的车牌定位算法，其中候选区域是由动态脉冲耦合神经网络输出的脉冲图像生成，然后使用傅里叶变换的统计量确定候选区域是否包含车牌区域，如果没有则动态调整神经网参数。2006年，Anagnostopoulos CNE等人提出了在新的自适应图像分割技术(滑动同心窗)和连通分量分析的基础上结合神经网络进行字符识别，新的分割技术能够快速分割感兴趣区域，不需要考虑车牌的尺寸和倾斜，同时也可以实现一幅图像分割多个车牌。2008年，Youssef SM等人针对低质量图像和由于光照变化、噪声、复杂背景造成车牌识别不准确的问题提出了一种实时、稳健的车牌定位和识别算法，论文基于车牌边缘密度和背景颜色成功检测车牌并实现车牌的倾斜校正，字符识别中选用反向传播神经网络作为识别工具，其实验结果表明了该算法具有较好的鲁棒性。同年，Anagnostopoulos等人对静态图像或视频序列中的LPR进行了分类和评估，用于解决处理时间、计算能力以及识别率等问题[1]。2012年，Du等人，根据每个阶段使用的功能对不同的ALPR技术进行分类，并在优缺点、识别精度和处理速度方面进行综合比较，并预测了ALPR的未来发展趋势[2]。2017年，Rahim P等人提出了一种适应性更好的车牌识别算法，论文提出改进后的RANSAC算法不仅可以节省计算量还能够实现高准确率的定位，之后计算字符四个尺度的变量特征并使用支持向量机进行分类，其平均识别率可以实现97% 以上。2018年,Raghunnandan KS等人提出了一种基于Riesz分数算子的车牌边缘细节信息增强的数学模型，对输入图像及逆行Riesz分数阶导数的卷积运算，增强后的车牌识别率有显著增强。2019年，Arafat等人通过检测、分割和识别板块，对现有VLPR技术进行了全面研究。根据不同的属性对现有的VLPR方法进行了分类，并对便利性、处理时间和识别率进行了分析比较[3]。对于实际应用方面，以色列的Hi-TechSolutions公司提出了一整套的车牌识别解决方案并且拥有巨大的应用市场，如该公司研发的 SEE/CAR 系列。
目前，世界各国都在进行适用于本国汽车牌照的自动识别研究，美、日、韩等国已有相关系统问世。在上世纪70年代，英国就在实验室中完成了“实时车牌检测系统”的广域检测和开发。同时代，诞生了面向被盗车辆的第一个实时自动车牌监测系统。引进这些系统费用比较高、而且由于各国车牌和实际的交通环境不同，引进的系统往往无法满足我国城市的需求，而国内市场上虽然已有产品投入使用，但是在后续处理时很大程度上仍然需要依靠人工识别进行辅助，所以对车牌识别技术的研究依然是目前高科技领域的较为热门课题之一。
国外对车牌识别的研究起步早，总体来讲其技术已比较领先，同时由于他们车牌种类单一，规范程度较高，易于定位识别，已经实现了产品化，并在实际的交通系统中得到了广泛的应用。由于中国车牌的格式与国外有较大差异，所以国外关于识别率的报道只具有参考价值，其在中国的应用效果可能没有在其国内的应用效果好，但其识别系统中采用的很多算法具有很好的借鉴意义。
1.2国内发展
国内车牌识别虽然开始较晚，然而经过这么多年的发展也取得了巨大成果。2012年，中北大学马永慧对车牌定位识别中的字符分割部分进行了研究，研究发现先对车牌图像进行二值化，然后对存在倾斜的车牌进行倾斜校正以及去除边框和分隔符，再利用数学形态学相关处理强化字符二值图像，在此基础上利用字符垂直投影法并结合字符边界来分割字符，最后实现字符大小归一化，输出标准的字符子图的方法，能更有效的分割出车牌字符[5]。2016 年，陈庄等提出一种多尺度积角点检测和视觉颜色特征的鲁棒车牌定位算法。该算法可以减弱噪声、旋转及尺度变换带来的影响。2018年，马永杰等提出一种基于HSV和MB_LBP特征的级联Adaboost车牌检测算法，算法首先根据HSV空间统计蓝色像素占比构建第一层强分类器，然后利用Adaboost 分类器进行MB_LBP特征选择及分类器训练，算法有效提高了检测率。同年，王健林等人，提出了一种序列识别方法，用于中文车牌的智能识别。首先，采用空间变压器网络（STN）来调整倾斜和变形的车牌，以使所有车牌具有均匀的方向，因此更易于识别。然后，设计了一种改进的卷积神经网络（CNN）以提取整流车牌的序列特征。不同卷积层的特征被集成为双向递归神经网络（BRNN）的输入，不需要字符分割的地方。最后，识别是通过BRNN和连接器的时间分类（CTC）完成的，并指出该模型具有更好的识别精度和较低的平均编辑距离[4]。以及，柴佳伟等提出了一种基于混合神经网络的车牌字符识别方法，该混合网络将Hopfield神经网络与BP神经网络级联，对待识别字符样本进行两次判别，有效的提高了识别率。在实际应用方面，深圳吉通电子有限公司、中智交通电子系统有限公司等已经开发出了相关产品。
2019年，庆隆阳[6]、罗琴[7]、崔世杰[8]以及陈慷[9]等人，对包括雾霾天气在内的多种复杂环境下的车牌识别技术进行了研究， 通过算法优化与创新，有效的解决了在复杂环境下的图像去噪等技术问题，有效提高识别效率。同年，朱晓琳[10]等人也对车牌自动识别系统中的GUI界面设计与实现进行了研究，提出基于最小欧式距离的模板匹配法,并设计了GUI图形用户界面。2020年，楚天鸿与李虎月等多位学者发表了基于MATLAB的车牌识别系统方面的论文，不约而同地对MATLAB软件在车牌识别系统设计中的优越性表示肯定，并通过研究，开创了多种不同的车牌识别系统设计思路[11][12][13][14][15]。例如：陈亚通过结合车牌垂直投影法、模板匹配法完成车牌识别系统设计，将系统对车牌识别的准确率由96.5%提升至97.5%[13]。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
