1. 研究目的与意义
随着经济发展水平越来越高，汽车作为人们日常生活中重要的交通工具发挥着越来越重要的作用。汽车的保有量也稳增不减，机动车的快数增加，给人们出行带来便利的同时也给公共交通带来了压力，
汽车对生活带来方便但也滋生了许多负面影响，其中最严重的是对于人身安全的威胁，已经越来越不可忽视，令人头疼。汽车数量的庞大，又给执法部门带来严重的负担，更对人身安全产生严重的威胁，也越来越受到政府关注。基于这样的背景，就提出了智能交通系统，智能交通系统(Intelligent Traffic System，简称ITS)又称智能运输系统(Intelligent Transportation System)，是将先进的科学技术(信息技术、计算机技术、数据通信技术、传感器技术、电子控制技术、自动控制理论、运筹学、人工智能等)有效地综合运用于交通运输、服务控制和车辆制造，加强车辆、道路、使用者三者之间的联系，从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输系统。
而车牌 ID（Identification）作为汽车的唯一识别标志，准确、快速地识别出车牌 ID 信息是智慧交通体系中极为重要的一部分也是一个热点研究方向。
2. 课题关键问题和重难点
本课题是基于已经分割好的灰度车牌图像，对车牌中的字母、数字进行深度学习的识别研究。
（1）首先学习深度学习的基本知识，通过阅读文献了解深度学习应用于哪些方面。
（2）然后设计算法对分割好的灰度车牌图像字符进行分割。
3. 国内外研究现状（文献综述）
1引言
伴随着信息化及大数据进程不断加快，计算机技术应用范围进一步扩大，深度学习在计算机基础辅助下不断发展完善。深度学习是一种将数据作为驱动力量，以图像识别为主要依托进行的大量数据自动识别，该方式具有自动化及科学化等特征。因此，我们通过对深度学习的了解及分析，以此为基础运用于车辆车牌识别中，具有非常深刻的意义。深度学习是以深度神经网络结构为提托，通过各种框架构建最终实现的一种计算方式，该算法不仅具备深度层次结构，还能够完成图像特征并进行分层处理，以便解决以往方式中存在的弊端和问题。
2国内外现状
4. 研究方案
研制及研究方案
（1）读入图像
输入的图像由于受到天气、光照等的影响，再加上车牌老化污损、陈旧褪色，这些都可能使车牌图像产生对比度不足的弊端，图像细节分辨不清，车牌字符部分不突出。而且，对高速行进中的汽车拍摄的图像往往产生模糊、扭曲、变形等现象，这都增加了预处理的难度。而这些处理需要很复杂的过程，因为系统把读入的图片默认为比较清晰的、几乎没有倾斜度的图片。
5. 工作计划
通过课题初步调研工作，查阅相关资料，并对一些问题进行的思考，已确定了基本的实现方案。在现有工作的基础上，完成整个课题研究，分四个阶段：
1-4周：课题研究的前期资料收集，确定课题研究内容完成文献的翻译工作；深入学习字符分割理论初步完成对样本图像的字符分割。
5-8周：学习信息融合规则和Matlab，C 编程，深入学习车牌识别和人工神经网络理论；完成卷积神经网络的架构设计。
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。
