车牌检测识别技术是智能交通系统的重要组成部分之一,其在道路交通流量监控、交通事故现场勘测、交通违章自动记录、公安部门智能车辆目标识别等方面,都起着至关重要的作用。然而,由于场景的复杂化,以及对多光照、多角度和变尺度的适应性要求变高,车牌检测与识别技术还面临着诸多难题亟待解决。本文针对多光照、多角度、多尺度等复杂场景中稳健地进行车牌检测与字符识别开展工作,主要内容如下:1.针对在复杂环境下,光照和角度的变化以及在不同尺度下字符区域难以检测的问题,本文改进了稳定车牌字符区域定位算法。该算法结合车牌字符的先验知识,改进MSER核心算法,提取出图像中稳定极值字符区域,同时相较于MSER算法提取的稳定区域而言,剔除大量的伪字符区域,减少后面标签传导的工作量。2.针对大量稳定极值字符区域,如何准确实现构建车牌字符结构的标签传导,本文提出了最大可动结构链算法。该算法首先通过节点分类对稳定极值字符区域进行粗提取,再通过半标记标签传导实现标签最大团提取,最后通过全标记标签传导对标签最大团进行条件最大后验概率分析,完成标签的更正,得到车牌位置。3.针对低分辨率字符图像识别率低的问题,采用卷积神经网络结构的字符识别方法。该方法首先对字符图像进行预处理和归一化操作,然后结合神经网络自我学习训练的特点,以字符灰度图像作为输入进行字符识别,最后对识别结果为相似字符的字符图像做二次识别,进行相似字符间区分,得到字符识别结果。4.设计并实现多源输入仿真演示软件,包括单张图像、多张图像及视频多种输入接口,集成车牌检测和字符识别算法,实现可视化演示。