| 摘要註: |
本論文採用卷積神經網路(Convolutional Neural Network, CNN)建構車牌辨識系統，本系統分別以形態學影像處理及神經網路等技術分別實現即時車牌偵測系統，藉以改善傳統演算法中利用人工提取特徵的不便性，並有效提升大數據之處理速度。車牌辨識系統建構分別透過Tesseract-OCR文字辨識模組、機器學習(Machine Learning)及深度學習(Deep Learning)技術以執行實現車牌號碼辨識；在Tesseract-OCR文字辨識模組操作設定頁面分割模式(Page Segmentation Mode, PSM) 及 OCR 引擎模式(OCR Engine Mode, OEM)等兩個重要參數，調整模型參數以取得最佳辨識速度和準確率後，機器學習(Machine Learning)技術則利用支撐向量機(Support Vector Machine, SVM)、決策樹(Decision Tree)及隨機森林(Random Forest)等不同模型應用於辨識系統，藉此觀察不同模型之效能；深度學習技術採用MobileNetV2為主要架構，並利用遷移學習(Transfer Learning)以加速模型訓練，經實驗證明其可獲得最佳準確度。本論文整合各種技術應用於車牌辨識進行模式分析及討論，尋找最佳車牌辨識系統，將此最佳辨識系統應用於車牌辨識，並經由實驗證實本系統辨識車牌的可用性與準確度。本研究成果可作為未來包含電子停車場管理系統、交通違規偵測系統、車輛防盜以及高齡者安全居家照護。 |