1. 研究目的与意义
随着现代汽车数量的迅速增长和普及，交通事故频发，交通系统的压力与日俱增。为了解决这些问题，提升对行驶车辆监测的速度和准确性、节省人力减少人工参与度和失误、实现高水平的交通监控。因此，我的选题为基于深度学习技术的目标检测和识别系统设计与开发，以助力推进交通智能化。
2. 研究内容和预期目标
研究内容：图像识别和处理、深度学习算法、OpenCV。
关键问题：确定使用何种神经网络算法进行车牌识别，如R-CNN系列、YOLO系列等，并编写优化。
获取车牌信息、搭建车牌检测和识别系统。
3. 国内外研究现状
车牌识别算法包括传统的基于像素级别的图像识别方法、基于数学形态学的方法，以及近年来出现的人工智能算法，如机器学习和神经网络算法，如卷积神经网络、YOLOv3，在图像融合的过程中表现出良好性能优势。
在车牌图像识别的过程中，外界环境因素如光线变化、雾霾天气及公路上的障碍物遮挡等复杂条件下，对车牌识别造成一定的干扰，数字比较模糊，影响识别的效率和准确率。
对于车牌定位：将车牌图像进行灰度化处理，提取图像的垂直边缘，然后进行二值化， 接着对二值化图像进行闭操作取得车牌粗检区域，由支持向量机训练出的模型对候选图像进行判断，再字符识别。
4. 计划与进度安排
1月份：查阅资料、确定实现步骤
2、3月份：进行算法研究和平台搭建
4月份：完善整体框架、撰写论文
5. 参考文献
[1]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.
[2]苏云涛,余红英,迟进梓.基于LSTM算法的车牌识别系统方法研究[J/OL].电子测量技术:1-5[2021-11-22].
[3]谢贻江,卞晓晓.基于机器视觉与机器学习的车牌识别系统[J].电脑编程技巧与维护,2021(08):116-117 149.
以上是毕业论文开题报告，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。
