基于MATLAB的车牌识别系统的源代码(可以实现)

这是一个完整的车牌识别系统matlab源代码，其中包括车牌定位 车牌分割 车牌字符识别，最终识别出车牌号码。

车牌识别系统是以汽车牌照为特定目标的专用计算机视觉系统,是智能交通系统的重要组成部分.介绍了一种基于Visual C+ +平台与Intel开源计算机视觉库OpenCV的静态复杂背景下的车牌识别系统的开发方式.该方式中采用空间域滤波和形态学方法确定车牌的轮廓,采用频域、空间域分析和几何校正相结合的方法对车牌歪斜情况进行校正,最后通过字符分割和模板匹配实现车牌号码识别.经在Visual C+ +平台下验证,此方法适用于车牌歪斜的情况,识别速度快,准确率高.

1、先安装labview2010 +VISION工具包。 2、运行：车牌识别系统.exe 3、选择识别库文件：data\特殊库文件.abc ( 保存在data文件夹中的那个文件，此文件中，对识别库没有做全，只是做了几个测试的文件。具体不太记得，好像是0到9的数字都有，字母有一些，但可能不太全，省份简称好像只有广东和湖北，具体大家可以测试，库文件可以自己做。 ) 4、单击图片选取右边的浏览按钮，就可以选择要识别的图片，选择后系统会自动开始识别，如果接好摄像头，单击：拍照并识别按钮，就可以自动对摄像头前的车牌拍照并识别。

MATLAB实现车牌识别系统

Matlab车牌识别系统含GUI界面

基于WIN QT5.12(MinGW)+ OpenCV3.3.+hyperLPR车牌识别系统，自带OpenCV3.30 MinGW SDK，把opencv330/BIN目录下的DLL文件复制到生成目录中，把model目录也复制过去，注意是整个目录！

OV7670,TFT,stm32F1

（1）研究在非受限场景中鲁棒的车牌检测算法。针对不同场景下的车牌检测中的挑战，本文提出一种基于卷积神经网络的鲁棒车牌检测方法。在经典的目标检测算法 Faster R-CNN的基础上，引入了车牌的特征先验和上下文信息实现精准的车牌检测。在提取特征阶段，结合不同分辨率的卷积特征建立融合特征图，提升多尺度的车牌分类和回归的准确性。与 Faster R-CNN 不同的是，本文在 RPN 阶段引入角度和分支结构以生成适合车牌的候选区域。此外，为了深入挖掘车牌及其上下文间的联系，提出了一种上下文融合网络增强车牌的特征表示。经实验证明，与现有的方法相比，提出的算法在公开数据集 AOLP 和 SSIG 上车牌检测均展现出了优秀的性能。 （2）研究在非受限场景中准确的车牌识别算法。本文提出一种基于 LSTM 和注意力机制的车牌识别算法。通过将车牌图像内整个字符串作为识别目标，设计卷积层进行特征提取，结合循环神经网络与 CTC 序列模型，实现七位蓝牌和八位新能源车牌不限长度字符序列的识别。考虑在特征映射时单一车牌字符的特征表示能力不足的问题，在循环层引入了注意力机制，将 LSTM 单元邻近的隐藏状态自适应加权以增强字符的表征能力。此外，为了减少 CTC转录时连续相同字符的转录缺失问题，采用一种间隔符语义增强策略。相比于现有车牌识别算法，本文提出的方法避免了分割环节造成的错误累积，实现端到端的不限长度的车牌字符序列识别。 （3）设计并实现了基于非受限场景下的车牌识别系统，详细描述系统结构框架及功能模块。通过分析车牌识别系统功能性、复杂性以及信息显示的需求，设计功能模块包括输入与展示模块、车牌检测与识别算法模块以及相关的处理流程控制模块。经实际测试，所设计的车牌识别面向多种场景下的车辆牌照，相比于较为主流的车牌识别系统 Easy PR 和 Hyper LPR识别达到 7%性能提升。

压缩包里面带了车牌的图片，在MATLAB下运行main.m文件，选择要识别的图片即可自动识别。