基于Faster R-CNN与可逆数据隐藏的车牌识别与隐私保护技术研究

目录

声明

第1章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 车牌检测识别研究现状

1.2.2 加密图像可逆数据隐藏研究现状

1.3 本文研究内容

1.4 本文结构安排

第2章 相关基础知识

2.1 人工神经网络和深度学习

2.1.1 人工神经网络

2.1.2 卷积神经网络

2.1.3 深度学习工具

2.1.4 常用目标检测网络

2.2 图像数据隐藏技术

2.2.1 图像数据隐藏的理论知识

2.2.2 加密图像可逆数据隐藏技术

2.2.3 加密图像可逆数据隐藏算法的评价指标

2.3 本章小结

第3章 基于Faster R-CNN的车牌检测识别技术研究

3.1 基于人工神经网络的车牌检测识别方法研究

3.1.1 候选车牌区域确定

3.1.2 基于支持向量机的车牌检测

3.1.3 基于人工神经网络的车牌字符识别

3.2 基于Faster R-CNN的车牌检测

3.2.1 车牌检测网络结构设计

3.2.2 整理训练数据

3.2.3 训练网络模型

3.2.4 测试网络模型

3.3 基于Faster R-CNN的字符识别

3.3.1 构建字符识别网络框架

3.3.2 准备数据集

3.3.3 训练网络模型

3.3.4 测试网络模型

3.4两种算法对比分析

3.4.1 车牌检测结果分析

3.4.2 字符识别结果分析

3.4.3 识别速度分析

3.5 本章小结

第4章 基于可逆数据隐藏的车牌隐私保护技术研究

4.1 车牌隐私保护技术研究

4.2 现有可逆数据隐藏算法研究

4.2.1 Xu算法

4.2.2 Chen算法

4.3 两种算法在加密效果和隐藏容量上的对比

4.3.1 加密图像效果

4.3.2 隐藏容量对比

4.4 彩色车牌图像的加密方法

4.5 隐藏信息的编码与嵌入

4.5.1提取图片的EXIF属性信息

4.5.2隐藏数据编码

4.5.3隐藏数据嵌入实验

4.6 本章小结

第5章 车牌检测识别和隐私保护系统仿真

5.1系统应用场景、设计目标与结构设计

5.1.1 系统应用场景

5.1.2 系统设计目标

5.1.3 系统结构设计

5.2 车牌检测识别系统仿真

5.2.1 开发环境介绍

5.2.2 分类器数据准备

5.2.3 界面设计

5.3 车牌检测识别与隐私保护系统仿真

5.3.1 开发环境介绍

5.3.2 系统实现

5.4 系统性能测试与评估

5.5 本章小结

总结与展望

致谢

参考文献