基于卷积神经网络的车牌照字符识别研究

深度神经网络技术与车牌字符识别应用

第十二届全国图象图形学学术会议

基于卷积神经网络的车牌照字符识别研究

陆璐

张旭东

赵莹

高隽

台肥工业大学计算机学院图像与信息处理研究室合肥２３０００９：ｌｕｌｕ２１２０１６３ｃｏｎｌ）

摘要：针对传统车牌识别算法中字符识别率偏低的缺点，本文采用基于卷积神经网络的议别方法，通过对车牌字符图像的样本学习，优化神经网络每层的权值参数，从而在很大程度上提高车牌的字符识别率。仿真结果表明，采用卷积神经网络的识别方法对车牌照中的字符进行识别，正确识别牢可以到达９９％，识别率和抗干扰性明显优于其他识别方法．关键词：卷积神经网络字符识别率样本学习

ＴｈｅＶｅｈｉｃｌｅＬｉｃｅｎｓｅＰｌａｔｅＣｈａｒａｃｔｅｒＲｅｃｏｇｎｉｔｉｏｎ

ＵｓｉｎｇＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｋｓ

Ｌｕｌｕ，ＺｈａｎｇＸｕ－ｄｏｎｇ，ＺｈａｏＹｉｎｇ，ＧａｏＪｕｎ

（Ｓｃｈｏｏｌｏｆｃｏｍｐｕｔｅｒａｎｄｉｎｆｏｒｍａｔｉｏｎ，ＨｅｆｅｉＵｍｖｃｒｓｉｔｙ

ｏｆＴｃｃｈｎｏｌｏｇｙ，Ｈｅｆｅｉ，２３０００９；ｌｕｌｕ２１２＠１６３

ｃｏｒｔ３

Ａｂｓｔｒａｃｔ：Ｉｎａｌｌｕｓｉｏｎ∞ｔｈｅｌｏｗｃｈａｒａｃｔｅｒｒｅｃｏｇｎｉｔｉｏｎ

ａ

ｒａｔｅｉｎｔｈｅｔｒａｄｉｔｉｏｎａｌ

ｒｅｃｏｇｍｔｉｏｎｔａｓｋｓｏｆｖｅｈｉｃｌｅｌｉｃｅｎｓｅ．ｔｈｅｐａｐｅｒｐｒｏｐｏｓｅｓ

ｎｅｗｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｕｓｉｎｇ

ａｒｅ

ＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋｓ．Ａｆｔｅｒｔｈｅｌｅａｍｉｎｇｏｆｃｈａｒａｃｔｅｒｓａｍｐｌｅｓ，ｔｈｅｐａｒａｍｅｔｅｒｓｏｆｔｈｅ

ｉｍｐｒｏｖｅｄｇｒｅａｔｌｙ．Ｔｅｓｔｓｈｏｗｓｔｈａｔｔｈｅ

ｃｏｒｒｅｃｔ

Ｎｅｔｗｏｒｋ

ｏｐｔｉｍｉｚｅｄａｎｄｔｈｅｒｅｃｏｇｎｉｔｉｏｎｒａｔｅｉｓ

ｃｈａｒａｃｔｅｒ

ｒｅｃｏｇｎｉｔｉｏｎ

ｒａｔｅｃａｎ

ｒｅａｃｈ

９９ｐｅｒｅｅｎｔｂｙ

ｕｓｉｎｇｔｈｉｓｍｅｔｈｏｄ，ｆａｒｂｅｔｔｅｒｔｈａｎｔｈｅｔｒａｄｉｔｉｏｎａｌｍｅｔｈｏｄｓ

Ｋｅｙｗｏｒｄｓ：ＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋｓ，ｃｈａｒａｃｔｅｒｒｅｃｏｇｎｉｔｉｏｎｒａｔｅ，ｓａｍｐｌｅｓｌｅａｒｎｉｎｇ

１引言

随着现代交通的迅猛发展，车牌自动识别技术在现实生活中逐渐得以广泛应用，成为计算机视觉与模式识别技术在智能交通领域应用的重要研究

课题之一…。

模式类型能力强，但难以描述模式的性质，难以从整体角度考虑识别问题：模糊模式具有相当强的抗干扰、抗畸变能力，允许样品有相当程度的干扰与

畸变，但其准确合理的隶属度函数往往难以建立；

句法结构法采用规则和文法来表达模式类别和判别条件，对图像畸变的抗干扰能力较强，但当存在十扰及噪卢时，抽取基元困难，且易失误。人工神经网络所具有的非线性特性、大量的并行分布结构以及学习和归纳能力使其在诸如建模、时间序列分析、模式识别、信号处理以及控制等方面得到广泛的应用。尤其而对缺少物理或统计理解、观察数据中存在着统计变化等棘手问题，神经网络能够提供较为

传统的识别方法…如逻辑特征法，统计模式法，模糊模式法，句法结构法等都能进行车牌识别。逻辑特征法对需通过众多规则的推理达到识别目标的问题，有很好的效果，但当样品有缺损，背景不清晰，规则不明确甚至有歧义时，效果不好；统计模式法比较成熟，能考虑到干扰、噪声等影响，识别

基金项目：国家自然科学基金项目（６０３７５０１１）、安徽省优秀青年科技基金（０４０４２０４４）和安徽省重点科研项目（０３０２１０１２）

第一作者简介：陆璐（１９８２一），女，硕七研究生，主要研究方向智能信息处理。

深度神经网络技术与车牌字符识别应用

陆璐等：基于卷襁神经网络的车牌照字符识别研究

有效的解决方法。】。卷积神经网络是为识别二维形状而特殊设计的一个多层感知器。它具有一些传统技术所没有的优点：良好的容错能力、并行处理能力和自学习能力，可处理环境信息复杂，背景知识不清楚，推理规则不明确情况下的问题，允许样品有较大的缺损、畸变，运行速度快，自适应性能好，具有较高的分辨率。本文将卷积神

经网络应用于车牌照字符的识别，实验证明了该方法是有效可行的。

２卷积神经网络

卷积神经网络是近年发展起来，并引起广泛重视的一种高效识别方法。２０世纪６０年代，Ｈｕｂｅｌ

和Ｗｉｅｓｅｌ在研究猫脑皮层中用于局部敏感和方向选择的神经元时发现其独特的网络结构ＨＪ阻有

效地降低反馈神经网络的复杂件，继而提出了卷

积神经网络（ＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌ …… 此处隐藏：4361字，全部文档内容请下载后查看。喜欢就下载吧 ……