本文選題：車牌定位 + 車牌識別��； 參考：《中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版)》2017年03期

【摘要】：針對現(xiàn)有的車牌識別系統(tǒng)在遇到復(fù)雜條件,例如暗光、遮擋、多車牌、能見度低等情況時(shí),難以有效地定位并識別車牌,提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的車牌自動(dòng)識別系統(tǒng).在車牌定位階段綜合應(yīng)用3種定位方式對車牌進(jìn)行初步定位檢測,然后使用CNN模型對檢測到的候選車牌進(jìn)行判斷;在車牌字符識別階段,將分割出的字符輸入到設(shè)計(jì)好的卷積神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行訓(xùn)練,得到的輸出結(jié)果即為識別的車牌字符.在5906張車牌圖像和非車牌圖像以及36261張字符圖片上的實(shí)驗(yàn)結(jié)果表明:提出的車牌識別系統(tǒng)對車牌和字符的識別率分別達(dá)到了94%和96.4%,明顯優(yōu)于傳統(tǒng)的車牌識別方法,具有極高的實(shí)用性,可以滿足絕大多數(shù)場景的使用需求.
[Abstract]:It is difficult to locate and identify the license plate effectively when the existing license plate recognition system is confronted with complex conditions such as dark light, occlusion, multiple license plate and low visibility. A new license plate recognition system based on convolution neural network is proposed. 3 kinds of positioning methods are applied to the license plate location in the license plate positioning stage. Then the CNN model is used to judge the detected candidate license plate. In the license plate character recognition stage, the separated characters are input into the designed convolution neural network model and the output results are identified as the license plate characters. Experiments on 5906 license plate images and non license plate images and 36261 character pictures are carried out. The results show that the recognition rate of the license plate recognition system is 94% and 96.4% respectively, which is obviously superior to the traditional license plate recognition method. It has high practicability and can meet the needs of most scenes.
【作者單位】： 中南民族大學(xué)計(jì)算機(jī)科學(xué)學(xué)院;
【基金】：國家自然科學(xué)基金資助項(xiàng)目(61302192)
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 呂鵬飛;;日本推出小型車牌識別系統(tǒng)[J];道路交通與安全;2009年05期

2 朱江峰;劉蘇;夏冰;;基于云計(jì)算技術(shù)的車牌識別系統(tǒng)[J];科技信息;2013年03期

3 莊錫榮;焦會;左維;;射頻模塊技術(shù)在車牌識別系統(tǒng)中的應(yīng)用[J];交通與計(jì)算機(jī);2007年03期

4 潘樹龍;王國新;;融合提高視頻車牌識別系統(tǒng)性能的研究[J];煙臺職業(yè)學(xué)院學(xué)報(bào);2010年01期

5 董亮;朱磊;何鵬;;基于自主判決機(jī)制的車牌識別系統(tǒng)[J];電視技術(shù);2010年11期

6 單家凌;;基于無線網(wǎng)絡(luò)車牌識別系統(tǒng)識別算法的研究[J];計(jì)算機(jī)測量與控制;2011年01期

7 王金鑒;;基于嵌入式的車牌識別系統(tǒng)設(shè)計(jì)[J];民營科技;2011年12期

8 王昶;;TMS320DM6446 DSP車牌識別系統(tǒng)設(shè)計(jì)與優(yōu)化[J];中國交通信息化;2012年05期

9 張松;王飛;;嵌入式車牌識別系統(tǒng)的硬件電路設(shè)計(jì)[J];現(xiàn)代電子技術(shù);2012年10期

10 馬剛;房顏明;;嵌入式車牌識別系統(tǒng)[J];中國交通信息化;2012年07期

相關(guān)會議論文 前5條

1 傅海東;解梅;;嵌入式車牌識別系統(tǒng)的設(shè)計(jì)及實(shí)現(xiàn)[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（1）[C];2008年

2 劉興;朱紹文;張大斌;陳菁華;;汽車車牌識別系統(tǒng)中攝像頭標(biāo)定技術(shù)的研究[A];中國體視學(xué)學(xué)會圖像分析專業(yè)、中國體視學(xué)學(xué)會仿真與虛擬現(xiàn)實(shí)專業(yè)、中國航空學(xué)會信號與信息處理專業(yè)第一屆聯(lián)合學(xué)術(shù)會議論文集[C];2000年

3 陳小勇;馬鉞;陳帥;;基于DM642的車牌識別系統(tǒng)設(shè)計(jì)[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（1）[C];2008年

4 劉玲;張興會;;智能化車牌識別系統(tǒng)研究[A];第二屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2004年

5 李冬梅;牛長流;;運(yùn)動(dòng)車輛的牌照識別[A];2009通信理論與技術(shù)新發(fā)展——第十四屆全國青年通信學(xué)術(shù)會議論文集[C];2009年

相關(guān)重要報(bào)紙文章 前3條

1 王瑞水邋記者 趙峗;江蘇啟用車牌識別系統(tǒng)[N];中國交通報(bào);2007年

2 吳穹邋實(shí)習(xí)記者 趙宏偉;單雙號限行考問IT管理[N];計(jì)算機(jī)世界;2007年

3 林紅梅;檢測新設(shè)備可自動(dòng)“篩出”超載車輛[N];新華每日電訊;2007年

相關(guān)碩士學(xué)位論文 前10條

1 陳s犮，

本文編號：1991664