作為智能交通的重要組成部分之一,車牌識別在人們的日常生活中發(fā)揮著不可替代的作用,例如,生活中違規(guī)車輛常常因號牌污損或者故意遮擋等來躲避處罰,進(jìn)一步加大了執(zhí)法的難度,因此提高污損或遮擋車牌的識別效率依然是當(dāng)今自動識別系統(tǒng)中的一項(xiàng)至關(guān)重要的任務(wù)。文中主要集中解決遮擋號牌的識別問題,其主要分為正常號牌、部分遮擋號牌、完全遮擋號牌以及未懸掛4種情況。傳統(tǒng)的OCR算法在漢字、字符以及數(shù)字之間的識別上具有很高的準(zhǔn)確性,當(dāng)將其運(yùn)用到識別車牌上后,雖然在正常號牌和部分遮擋號牌的檢測上也都體現(xiàn)出了很好的識別效果,但對全部遮擋和未懸掛車牌的識別效果依然很差,隨著人工智能的發(fā)展,使得其在全部遮擋和未懸掛號牌的識別上也能有更好的效果。因此,結(jié)合傳統(tǒng)算法的優(yōu)點(diǎn),采用OCR技術(shù)并結(jié)合現(xiàn)今的深度學(xué)習(xí)算法,優(yōu)化對污損車牌的識別效果。 

【文章來源】：計(jì)算機(jī)科學(xué). 2020,47(S1)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

系統(tǒng)框圖

算法部分主要實(shí)現(xiàn)違法遮擋號牌的識別。違法遮擋號牌分為部分遮擋號牌、全部遮擋號牌和未懸掛號牌3種。實(shí)驗(yàn)采用傳統(tǒng)OCR算法和卷積神經(jīng)網(wǎng)絡(luò)算法相結(jié)合的方法,實(shí)現(xiàn)對違法遮擋號牌的分類,具體實(shí)現(xiàn)流程如圖2所示。整個(gè)系統(tǒng)的數(shù)據(jù)主要來自網(wǎng)絡(luò),實(shí)驗(yàn)中車輛號牌一共分為4類:正常號牌、部分遮擋號牌、未懸掛車牌和完全遮擋號牌。該系統(tǒng)分為如下兩個(gè)部分:

首先,采用Docker技術(shù)將模型算法打包成鏡像。在宿主機(jī)上安裝和部署Docker以及調(diào)用CUDA和顯卡的驅(qū)動程序,從鏡像倉庫中拉取所要部署環(huán)境的基礎(chǔ)運(yùn)行環(huán)境系統(tǒng)鏡像Ubuntu16.04,在鏡像層上創(chuàng)建可讀寫文件層即容器,利用容器的映射功能和網(wǎng)絡(luò)共享功能,可在容器中快速部署算法、安裝環(huán)境依賴等。其次,在Jetson Tx2上安裝和部署Doc-ker,將宿主機(jī)上打包的鏡像移植到Tx2上,最終完成模型在Tx2的部署和安裝。3 基于OCR的正常與部分遮擋號牌識別

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的圖片中商品參數(shù)識別方法[J]. 丁明宇,牛玉磊,盧志武,文繼榮.  軟件學(xué)報(bào). 2018(04)
[2]卷積神經(jīng)網(wǎng)絡(luò)分類模型在模式識別中的新進(jìn)展[J]. 胡正平,陳俊嶺,王蒙,趙淑歡.  燕山大學(xué)學(xué)報(bào). 2015(04)



本文編號：3074742