随着经济社会的快速发展,机动车的数量呈现爆发式增长,车辆的智能化和自动化管理越来越重要,车牌识别系统在车辆管理中发挥着至关重要的作用,是智能交通的重要研究方向。与此同时,以手机为代表的手持终端因其良好的便携性和信息交互能力而取得了快速发展,极大的推动了社会进步,为车牌识别系统的应用拓展提供了新的支撑平台。基于手持终端的车牌识别系统就是建立在手持终端和车牌识别系统这两者的优势交互点上,使用手持终端作为图像采集和信息交互显示的载体,采用近年来计算机视觉领域取得巨大突破的深度神经网络实现图像识别,建立起来的车牌识别系统。本文提出的基于手持终端的车牌识别系统,功能分为车牌定位、字符分割、字符识别三个模块,并结合手持终端采集图像需要应对的问题,添加图像畸变校正和光照归一化处理。本文的主要工作如下:1、建立基于全卷积深度神经网络的车牌定位分割模型。车牌定位分割模型采用全卷积深度神经网络,拓展全卷积网络的语义分割功能,实现对特定车牌目标的识别分割,使用手持终端采集车辆图像,建立拥有4000余张图像的实验数据集进行实验。此外,采用马尔科夫随机场将基于图像颜色特征的定位方法和基于图像纹理边缘信息的定位方法进行有机的结合,改进传统定位方法,作为深度神经网络车牌定位分割方法的对比。实验表明,基于全卷积深度神经网络的定位方法具有更好的定位分割效果和运算优势。2、提出基于车牌字符先验波形特征的字符分割方法。该方法提取字符的投影曲线特征作为车牌字符分割的依据,是一种较为灵活的车牌字符分割手段,可以有效地对字符进行分割,同时,将字符分割结果与车牌字符的先验波形特征进行对比验证,建立反馈机制减少错误的字符分割。3、提出了基于透视投影变换的畸变车牌图像校正方法和基于同态滤波的光照归一化处理方法。该方法主要针对手持终端采集车牌图像存在背景干扰、光照变化、摄像角度和图像尺度变换等问题,旨在增强手持终端采集车牌图像的鲁棒性,提高车牌字符的分割和识别准确率。4、建立基于深度神经网络的车牌字符识别网络。该网络结合Google推出的深度学习平台TensorFlow,采用卷积神经网络结构,建立车牌字符库进行训练测试。与传统的车牌字符识别相比,深度神经字符识别网络具有更高的识别率。